Dependência Espacial da Criminalidade Rural.

Figura 2: Dependência Espacial Rural.

Fonte: Elaboração própria a partir dos dados da Secretaria de Segurança e da Defesa Social do Estado da Paraíba.

Q₁ = Alto-Alto - Q₂ = Alto-Baixo - Q₃ = Baixo-Baixo e Q₄ = Baixo-Alta. Hi- póteses do teste são: (H0) admite independência espacial e (H1) admite

σota-se a partir do resultado positivo e signiicativo da esta- tística (Gráicos 5 e 6) de Moran que há indícios de dependência espacial agindo sobre a taxa de criminalidade dos municípios pa- raibanos. Tais resultados são constatados tanto das regiões urba- nas quanto nas zonas rurais. Sendo assim, municípios que apre- sentaram altas taxas de criminalidade no período, grosso modo, encontram-se geograicamente próximas daqueles que demons- traram elevadas taxas de crime. Por outro, municípios que apre- sentaram baixas taxas de crime, geralmente, estão rodeados por outros que também apresentam baixas taxas de criminalidade.

Destaca-se que o valor da estatística de Moran Global re- presenta exatamente a inclinação da reta de regressão. Nota-se, ainda, que os valores observados em tal indicador nos dois am- bientes: urbano [Gráico 5 (0,290)] e rural [Gráico 6 (0,156)] mostram-se relativa diferença em seus resultados. Além de in- dícios de dados relativamente similares entre si tais resultados apresentam-se com maior grau de dependência nos municípios urbanos frente aos observados nas zonas rurais do Estado.

Destaca-se que indicador de associação espacial Global de Moran pode ocultar ou mesmo ser insatisfatório na identiica- ção de padrões locais espaciais [Anselin (1995); Peixoto (2004), Almeida (2012) entre outros]. Neste caso, tem-se que os clus- ters e os outliers espaciais signiicantes podem ser camulados e, consequentemente, as estatísticas de autocorrelação global tornam-se incapazes de identiicar a ocorrência de autocorre- lação local. Sendo assim, faz-se necessário a estimação do I de Moran Local ou LISA. Para Anselin (1995), Peixoto (2004) entre outros, tal indicador local é capaz de capturar possíveis padrões de autocorrelação espacial.

O I de Moran local provê uma indicação do grau de agrupa- mento dos valores localmente similares em torno de determinada observação estatisticamente signiicante. τu seja, o LISA captura a dependência espacial local que vigora sobre a taxa de crimina- lidade de determinado município e, posteriormente, compara os valores médios com os observados no atributo dos municípios que compõe sua vizinhança. Destaca-se que os resultados expos-

tos nas Figuras (1 e 2) foram atingidos considerando 999 permu- tações aleatórias. σota-se que o resultado do teste de Moran local é um mapa temático composto por cinco cores distintas13_.

Após a devida visualização do LISA, nota-se que a autorre- lação espacial univariada também é conirmada localmente. Tais constatações puderam ser feitas tanto nas áreas urbanas [Figura (1)] quanto nas rurais [Figura (2)]. Nas áreas urbanas, portan- to, encontram-se dois clusters representando a relação do tipo Alto-Alto (High- High). Juntos somam 47,92% dos casos signii- cantes, tais incidências ocupam partes de diversas Mesorregiões (Zona da Mata, Agreste e Sertão) do Estado. Inicialmente, tem-se expressivo aglomerado formado por vinte municípios envolven- do a região metropolitana de João Pessoa (capital do Estado) e se estendendo até imediações do município de Campina Grande. Outro cluster que apresenta relação do tipo Alto-Alto pode ser encontrado na região do Sertão da Paraíba. Este último bloco é formado por três municípios: Belém do Brejo do Cruz, Brejo do Cruz e São Bento.

Nas relações de similaridade do tipo Baixo-Baixo (quadran- te Low-Low), contrariamente ao caso anterior, encontram-se os municípios que possuem atributo e média dos vizinhos abai- xo da média global. Neste caso destaca-se a incidência de cin- co clusters que juntos somam 22,92% dos casos signiicantes. Estes estão situados nas Mesorregiões da Borborema e Sertão. Os quadrantes Baixo-Alto e Alto Baixo (Low-High e High-Low) são formados por municípios com maior grau de dissimilarida- de. Portanto, no quadrante (Low-High) têm-se os municípios que possuem índice de criminalidade abaixo da média, porém a média de seus vizinhos encontra-se acima da média global. Enquanto no quadrante (High-Low), encontram-se municípios que apresentaram índices de criminalidade acima da média, no entanto, a média de seus vizinhos está abaixo da média glo- 13 _{Vermelho - Alto-Alto; Azul - Baixo-Baixo; Cinza - Baixo-Alto e Rosa - Al-}

to-Baixo. Por im, a cor Branca (σão Signiicante) acaba por representar aquelas regiões que ao nível de signiicância considerado não apresentam associação espacial alguma.

bal. Nota-se a existência de dez clusters somando 20,8% dos municípios signiicantes apresenta relação do tipo Alto-Baixo (High-Low). Tais municípios são distribuídos entre as mesorre- giões da Borborema e Sertão. Finalmente, têm-se três clusters com comportamento Baixo-Alto (Low-High) distribuído entre as mesorregiões da Zona da Mata e Agreste do Estado e juntos somam 8,33% dos dados signiicantes.

Ao passo que se avalia a dependência espacial local da cri- minalidade que incide sobre as áreas rurais. Nota-se, pela Figura 2, que a relação do tipo Alto-Alto apresenta-se formando nove clusters espalhado por todas as mesorregiões do Estado (três na Zona da Mata, três no Agreste, um na Borborema e dois no Ser- tão). Percebe-se que juntos somam 38% dos dados signiicantes e apresentam-se relativamente pulverizados entre as diversas re- giões do Estado.

A respeito da relação do tipo Baixo-Baixo (25%). Tem-se que são nove municípios formando sete clusters ao longo das mesor- regiões (quatro na Zona da Mata, três na Borborema e dois no Sertão). Em relação aos dados que apresentaram características do tipo Alto-Baixo (25%), percebe-se que são duas incidências na Zona da Mata, duas no Agreste, duas na Borborema e três no Sertão. Contrariamente, têm-se aqueles municípios de relação do tipo Baixo-Alto (11,11%) formado por quatro clusters de um município cada (dois no Agreste e Dois no Sertão).

4.3 Dependência Espacial Multivariada: Global e

Local

Nesta seção serão avaliados os aspectos globais e locais de autocorrelação espacial em um contexto multivariado. Inicial- mente, abordam-se critérios globais e, posteriormente, avaliam- -se os critérios locais. Para Anselin (2003), os indicadores mul- tivariados dão uma indicação do grau de associação linear entre o valor de certa variável na locação i e a média de outra variável nas locações vizinhas.

Na presente pesquisa, averigua-se, primeiramente, a depen- dência espacial global multivariada entre a criminalidade urbana e a rural (Gráico 7) e, posteriormente, veriica-se o caso contrá- rio, ou seja, a possível existência de autocorrelação entre a taxa de criminalidade rural e a urbana (Gráico 8).

σota-se, a partir do Gráico 7, que existe indicação de de- pendência espacial da criminalidade urbana em relação a rural. Constata-se que o valor esperado da estatística de Moran (I = -0,0045) é inferior ao valor calculado (I = 0,0705). Tais resul- tados são indícios suicientes para acreditar-se na presença de autocorrelação positiva agindo sobre os dados da pesquisa. Tal fenômeno parece, inicialmente, contra intuitivo. No entanto, de- ve-se levar em consideração que a variável criminalidade pode ter seu surgimento atrelado a vingança, iscalização, facilidade da ação, facilidade de fuga entre outros, ou seja, o crime passa a ser ocasionado por fatores multidirecionais. Já o Gráico 8 apresenta o caso contrário, ou seja, a dependência espacial da criminalida- de rural em relação a urbana. Logo, o valor computado da esta- tística de Moran (I = 0,095) apresenta-se maior que o esperado. Sendo assim, há motivações para se acreditar que os municípios de altas taxas de criminalidade em suas respectivas áreas rurais estão, grosso modo, rodeados por municípios com altas taxas de criminalidade urbanas.