O modelo a ser estimado possui como variável dependente a quantidade de vezes que um indivíduo foi vítima de roubo ou furto. Portanto, a mesma assume valores discretos maiores ou iguais a zero. Além disso, o modelo tem como variáveis independentes as características socioeconômicas do indivíduo, ou seja, onde mora, sexo, cor, se o mesmo é chefe de família ou não, se trabalhou na semana em que foi entrevistado, idade, escolaridade, número de componentes da família, renda mensal familiar per capita e a porcentagem de domicílios pobres, além de informações sobre desigualdade de renda, obtidas através do índice de Gini e da razão entre a renda os 10% mais ricos e os 40% mais pobres8. Dessa forma, o modelo a ser estimado tem a seguinte forma:
Y = X’ + (9) onde Y é a variável dependente, X é o vetor com as variáveis independentes e assume os valores das estimativas.
Uma parte das variáveis independentes tem como principal característica o fato de serem binárias, ou seja, as mesmas assumem valores iguais a 0 ou a 1. Tais variáveis são: situação, sexo, cor, condição no domicílio e o que fez na semana. O Quadro 04 faz uma descrição das variáveis independentes binárias para melhor entendimento dos resultados da estimação. Variáveis Valores Situação 0 – Rural 1 – Urbana Sexo 0 – Mulher 1 – Homem Cor 0 – Branca 1 – Não branca
Condição no domicílio 0 – Não chefe de família 1 – Chefe de família O que fez na semana 0 – Não trabalhou
1 – Trabalhou
Quadro 04: Descrição das variáveis binárias Fonte: Elaborado pelo autor.
8
61
A escolha das variáveis independentes para este trabalho teve a influência de artigos como os de Tseloni e Pease (2003) e Yabarra e Sharon (2002). Em suas pesquisas, os autores fizeram uso de variáveis como idade, renda familiar e anos de estudo para modelar o processo de vitimização repetida. Além disso, Meier e Miethe (1993) explicam em seu trabalho que o número de componentes de uma família pode influenciar no risco de vitimização, ou seja, quanto maior for a família, menor será o risco de um de seus componentes se tornar vítima.
Os trabalhos de Nilsson e Estrada (2006) e Di Tella et al. (2002) também influenciaram na escolha das variáveis que possam representar desigualdade de renda da região, como o índice de Gini e a razão da renda entre 10% mais ricos e os 40% mais pobres. Baseando-se nesses trabalhos e observando as questões que a PNAD oferece em seus questionários, as principais variáveis foram selecionadas para esta pesquisa. Na próxima tabela, tem-se uma breve descrição das variáveis que serão utilizadas no modelo a ser estimado. Além disso, a referida tabela mostra as principais estatísticas descritivas.
Tabela 12: Descrição das variáveis dependente e independente
Variável dependente
Descrição Mínimo Máximo Média Variância
Y Vítima de roubo ou
furto 0 20 0,08 0,157
Variáveis independentes
SIT Urbana ou rural 0 1 0,78 0,171
SEXO Sexo 0 1 0,49 0,250 COR Cor 0 1 0,49 0,250 CONDD Condição no domicílio 0 1 0,30 0,210
IDADE Idade 10 70 30,71 241,25 FEZSEM O que fez na semana 0 1 0,56 0,246
ANOEST Anos de estudo 0 10 4,43 10,486 NUMCOMP
Número de componentes da família
1 17 4,95 5,183 RENDA9 Renda mensal da
família per capita 0,003 4500 32,58 44861 GINI Índice de Gini 0,4812 0,6573 0,5949 0,001 POBRES % de domicílios
pobres 0,15 0,79 0,4108 0,031 RAZAO
Razão da renda entre 10% mais ricos e 40% mais pobres
0,11 0,34 0,2256 0,002
Fonte: PNAD, 1988, IPEADATA, 1988.
9
Com esta tabela, já é possível fazer uma análise prévia sobre as variáveis escolhidas. De acordo com a mesma, tem-se que grande parte da amostra se encontra em zona urbana. Além disso, um pouco mais de 50% da amostra é formada por mulheres e por pessoas que se dizem ser de cor branca. Um fato interessante é que mais da metade da amostra é formada por pessoas que disseram não ser chefes de família no domicilio em que moram e que trabalham em alguma atividade. Outro ponto a ser destacado é que a idade média das pessoas entrevistadas é de 30 anos e que o tempo médio de estudos das mesmas é de um pouco mais de quatro anos.
Com relação às características de desigualdade, tem-se que o índice de Gini é, em média, de 0,5949, e que a razão da renda entre os 10% mais ricos e os 40% mais pobres fica em torno de 22%. Outra característica interessante observada é que, no ano de 1988, 41% dos domicílios brasileiros eram formados por pobres.
Para uma análise da correlação entre as variáveis que serão estimadas, a Tabela 13 mostra como as mesmas correlacionam entre si. O objetivo básico da análise de correlação é medir a intensidade ou o grau de associação linear entre duas variáveis, ou seja, o coeficiente de correlação é apenas uma medida de dependência linear, não implicando qualquer relação de causa e efeito (GUJARATI, 2000).
Nesta tabela, tem-se o grau de associação entre a variável dependente e todas as variáveis explicativas conjuntamente. De acordo com a mesma, temos que a variável vítima possui uma associação positiva com todas as demais variáveis, com exceção da cor, número de componentes da família, índice de Gini, porcentagem de domicílios pobres, e a razão da renda entre ricos e pobres. Dessa forma, tem-se que um homem chefe de família, que mora em área urbana, que trabalhou e possui uma renda razoável, tem mais chances de sofrer algum tipo de delito. Além disso, tem-se que os anos de estudos possuem uma relação positiva com a renda familiar per capita. Ou seja, quanto maior for o nível educacional do indivíduo, maior será sua renda e, conseqüentemente, maiores serão os riscos que corre de ser vitimizado.
A tabela também mostra uma alta correlação entre as variáveis GINI e RAZAO. Por conta disso, tentou-se estimar os modelos sem a presença da última; entretanto, os resultados obtidos não foram satisfatórios. Dessa forma, manteve-se a variável porque aparentemente o problema de correlação não impacta nas estimativas do modelo.