O Impacto das UPPs sobre a Performance Escolar no RJ

(1)

FUNDAC

¸ ˜

AO GET ´

ULIO VARGAS

ESCOLA DE P ´

OS-GRADUAC

¸ ˜

AO

EM ECONOMIA

Pedro Henrique Butelli

O Impacto das UPPs sobre a Performance

Escolar no Rio de Janeiro

(2)

Pedro Henrique Butelli

O Impacto das UPPs sobre a Performance

Escolar no Rio de Janeiro

Disserta¸c˜ao submetida `a Escola de

P´os-Gradua¸c˜ao em Economia como requisito

par-cial para a obten¸c˜ao do grau de Mestre em

Economia.

Orientador: Marcelo Cˆortes Neri

Rio de Janeiro

(3)

Ficha catalogr´afica elaborada pela Biblioteca Mario Henrique Simonsen/FGV.

Butelli, Pedro Henrique

O Impacto das UPPs sobre a Performance Escolar no Rio de Janeiro

/ Pedro Henrique Butelli - 2012.

49f.

Disserta¸c˜ao (Mestrado) - Funda¸c˜ao Get´

ulio Vargas, Escola de P´

os-Gradua¸c˜ao em Economia.

Orientador: Marcelo Cˆ

ortes Neri.

Inclui Bibliografia.

1.Avalia¸c˜ao Educacional.

2.Unidade de Pol´ıcia Pacificadora (Rio de Janeiro, RJ).

I. Neri,

Marcelo Cˆ

ortes.

II. Funda¸c˜ao Get´

ulio Vargas. Escola de P´os- Gradua¸c˜ao

em Economia.

III. T´ıtulo.

(4)

Pedro Henrique Butelli

O Impacto das UPPs sobre a Performance

Escolar no Rio de Janeiro

Disserta¸cão submetida à Escola de Pós-Gradua¸cão em Economia

como requisito parcial para a obten¸c˜ao do grau de Mestre em

Eco-nomia.

E aprovada em 17/09/2012 pela banca examinadora

Marcelo Cˆortes Neri

EPGE/FGV

Cec´ılia Machado

EPGE/FGV

Daniel R. de C. Cerqueira

IPEA

(5)

(6)

Resumo

Este trabalho tem como objetivo analisar mudan¸cas de curto prazo na

performance escolar relacionadas `

a implanta¸c˜

ao das UPPs na cidade do

Rio de Janeiro. Avaliamos o efeito da ocupa¸c˜ao policial pr´e-UPP nas

notas de exames bimestrais aplicados em escolas municipais da cidade.

Para refor¸car a interpreta¸c˜

ao de efeito causal, usamos como pressuposto

de identifica¸c˜ao o fato de a decis˜ao de implantar as UPPs em

determi-nadas favelas seguir principalmente motiva¸c˜oes independentes de

carac-ter´ısticas de alunos que afetem suas notas, o que nos permitiria utilizar

um estimador de diferen¸cas-em-diferen¸cas com efeitos fixos. Al´em disso,

utilizamos um argumento semelhante ao de Autor (2003) com a

ava-lia¸c˜ao dos efeitos do tratamento em per´ıodos anteriores e posteriores ao

do tratamento a fim de facilitar a interpreta¸c˜ao dos efeitos como causais

e gerar mais informa¸c˜oes sobre a heterogeneidade no tempo dos efeitos

das UPPs nas notas.

(7)

Agradecimentos

Agradeço ao meu orientador, Marcelo Côrtes Neri, pela contribuição da idéia que gerou esta dissertação, pela confiança e incentivo dados a mim durante a elaboração deste trabalho, e pela paciência nos meus momentos de dúvida.

Meus pais, Gilmar e Clarice, e à minha irmã, Clarissa, pela torcida, motivação e apoio que me deram durante não só o mestrado, mas toda minha vida. Todas as minhas vitórias são suas também.

Aos meus amigos, que sempre torceram por mim e entenderam minha ausência durante boa parte do mestrado.

À Fundação Getúlio Vargas e meus professores da EPGE, que me proporcionaram uma educação de altíssima qualidade.

Aos colegas da EPGE que me apoiaram e ajudaram durante essa caminhada.

A Cecília Machado e Daniel Cerqueira, que participaram da banca e deram sugestões e conselhos que contribuíram diretamente para a evolução deste trabalho, e ao colega de mestrado Rafael Borges, que participou diretamente da organização dos dados e também contribuiu com excelentes idéias.

(8)

Contents

1 Introdução 3

2 Literatura 5

2.1 Revisão de Literatura . . . 5

3 Contexto Institucional 6

3.1 A Política de UPPs . . . 6

3.2 Caracterização do Crime no Rio de Janeiro . . . 8

3.2.1 As origens do tráfico de drogas no Rio de Janeiro . . . 8

3.2.2 Evolução Recente dos níveis de criminalidade na região metropolitana do Rio de Janeiro . . . 9

3.3 Efeitos das UPPs sobre os alunos do Ensino Municipal . . . 11

4 Dados 11

4.1 Dados de criminalidade . . . 11

4.2 Dados de educação . . . 12

4.3 Estatísticas Descritivas . . . 13

5 Estratégia Empírica 14

5.1 Pressupostos sobre os termos de erro . . . 15

5.2 Avaliação dos determinantes da implantação de uma UPP . . . 16

5.2.1 Possíveis Critérios Para a Escolha Instalação de uma UPP em Comunidades Específicas . . . 16

5.3 Modelo 1: Diferenças-em-Diferenças . . . 18

5.4 Modelo 2: Efeitos fixos e lags de impacto . . . 19

6 Resultados 20

(9)

O Impacto das UPPs sobre a performance escolar no RJ

✩

Pedro Henrique Butelli1

EPGE - FGV/RJ

Abstract

Este trabalho tem como objetivo analisar mudanças de curto prazo na performance escolar relacionadas à implan-tação das UPPs na cidade do Rio de Janeiro. Avaliamos o efeito da ocupação policial pré-UPP, que é o evento que causa o impacto sobre a atividade de tráfico de drogas, nas notas de exames bimestrais aplicados em escolas municipais da cidade. Para reforçar a interpretação de efeito causal, usamos como pressuposto de identificação o fato de a decisão de implantar as UPPs em determinadas favelas seguir principalmente motivações independentes de características de alunos que afetem suas notas, o que nos permitiria utilizar um estimador de diferenças-em-diferenças com efeitos fixos. Além disso, utilizamos um argumento semelhante ao de Autor (2003) com a avaliação dos efeitos do tratamento em períodos anteriores e posteriores ao do tratamento a fim de facilitar a interpretação dos efeitos como causais e gerar mais informações sobre a heterogeneidade no tempo dos efeitos das UPPs nas notas.

Keywords: educação, Avaliação Educacional, Unidade de Polícia Pacificadora, Avaliação de Impacto

1. Introdução

Há 30 anos a violência vem sendo um assunto que se destaca como um dos mais importantes para a população do Rio de Janeiro. À medida em que o tráfico de drogas se tornava mais poderoso e abrangia um número maior de favelas, os crimes a ele relacionados aumentavam significativamente causando impactos tanto na qualidade de vida dos residentes quanto no turismo e investimentos feitos na cidade. As políticas de segurança desde o início da década de 1980 foram ineficazes para a neutralização do tráfico, sendo enfraquecidas pela corrupção policial e

✩_{Dissertação de Mestrado em Economia - EPGE/FGV-RJ.}

Email address: pbutelli@fgvmail.br(Pedro Henrique Butelli)

1

(10)

pela incapacidade de levar o Estado às favelas, e este período de ineficácia na prevenção e repressão do tráfico de drogas contribuiu para o seu fortalecimento e para a perda de credibilidade dos governos municipal e estadual do Rio de Janeiro em relação à sua capacidade de adotar um plano eficiente de redução da violência.

Em 2008 se iniciou a política das Unidades de Polícia Pacificadora (UPPs) que visa atingir uma das características essenciais do tráfico de drogas, que é a sua territorialidade. A partir da intervenção do Estado nas favelas em caráter permanente, os traficantes perdem poder sobre o território, o que dificulta a comercialização das drogas nas bocas de fumo e os força a cessarem ou diminuírem fortemente suas atividades. O enfraquecimento do tráfico, em tese, aliviaria uma forte restrição sobre o comportamento dos moradores de favelas, representada não só pela alta violência que os afetava como pelo fim da influência que os criminosos exerciam sobre suas vidas através das decisões sobre empreendedorismo, escolaridade e oferta de trabalho.

No entanto, apesar da importância do tema, não encontra-se com facilidade artigos sobre o impacto desta política de segurança sobre características individuais tanto pela falta de dados quanto pela complexidade de extrair os efeitos causais de um tratamento abrangente e sem critérios completamente claros de implementação, que pode sofrer influências de uma grande variedade de fatores. O presente trabalho tem como objetivo analisar a influência da instalação das UPPs sobre a melhoria do desempenho escolar dos jovens cariocas integrantes do ensino público municipal, que supostamente se beneficiariam de menor exposição à violência e da extinção dos modelos de compor-tamento e opções alternativas de vida criminosa representados pelos traficantes e pelo trabalho nas bocas de fumo, respectivamente. Para isso, focaremos nos critérios para a execução da política de UPPs de forma a atingirmos a exogeneidade condicional necessária à avaliação do efeito causal que buscamos.

(11)

2. Literatura

2.1. Revisão de Literatura

Na literatura, é possível encontrar exemplos de tentativas de estimação de efeitos causais de programas sociais potencialmente úteis em termos de fornecer importantes idéias em relação à metodologia a ser utilizada e à escolha das fontes de dados mais adequadas.

Em Chioda, de Mello, e Soares [2012], os autores estimam o efeito do programa Bolsa Família (BF) exercido sobre o crime na cidade de São Paulo. O critério de seleção para o BF é correlacionado com características socioeconômicas dos beneficiários, o que prejudica a interpretação do efeito causal do programa sobre o crime já que o critério de seleção favorece indivíduos com características socioeconômicas que também afetam a criminalidade. Como este critério depende também do instante no tempo em que estas características são observadas, uma abordagem simples usando efeitos fixos não é suficiente para que a endogeneidade deixe de ser um problema. Neste caso, os autores utilizam a variação sobre o crime gerada pela expansão do programa e a cessão de benefícios maiores para famílias com adolescentes de 16 e 17 anos. A idéia é que o número de adolescentes em uma família seria exógeno às características socioeconômicas da mesma, e portanto uma queda mais forte no crime em regiões onde a proporção de famílias com adolescentes de 16 e 17 anos fosse maior poderia ser associada aos benefícios extra do programa BF para este tipo de família.

(12)

Em Frischtak e Mandel [2012], os autores buscam estimar a influência das UPPs, que por meio da diminuição da violência influenciam os preços de aluguéis na cidade do Rio de Janeiro. O principal pressuposto utilizado é o de que a decisão de instalar uma UPP em uma favela segue um cronograma imposto pela segurança necessária para dois eventos específicos: as Olimpíadas de 2016, a serem realizadas na cidade do Rio de Janeiro, e para a Copa de 2014, a ser realizada por todo o Brasil mas com parte dos jogos sendo disputados nesta cidade. Portanto, este tratamento seria exógeno em relação às características socioeconômicas das favelas pelo fato de o principal motivador desta política ser a pacificação das regiões mais importantes para as Olimpíadas de 2016, e não necessariamente as condições da região que receberia a UPP. Esta nos parece uma abordagem vulnerável a argumentações sobre os critérios determinantes a política de segurança pública do RJ, pois a influência de níveis históricos de criminalidade na decisão de instalação das UPPs pode ser suficiente para viesar os resultados obtidos.

Nossa estratégia empírica é parcialmente baseada em Autor [2003], artigo no qual é estimado o efeito de mudanças na rigidez de leis trabalhistas sobre o uso de mão-de-obra temporária. A identificação do experimento é apoiada no uso de coeficientes que indicam o efeito de tratamento em vários períodos em torno do instante no tempo em que a lei muda. O argumento é que, caso ocorra somente em períodos posteriores ao tratamento, um aumento da demanda por mão-de-obra temporária nos estados tratados relativo aos estados em que não houve tal mudança das leis reforçaria a interpretação do aumento de demanda por mão-de-obra temporária como um efeito causado pela mudança na lei. No presente artigo, além da argumentação da possibilidade de que o efeito causal seja recuperado por um estimador de DD com efeitos fixos, incluimos coeficientes para estimar os lagged effects da mesma forma que Autor fez, de modo a reforçar a argumentação do efeito causal gerado pelas UPPs sobre a variação de performance escolar.

3. Contexto Institucional 3.1. A Política de UPPs

(13)

Estado nas comunidades em que ele não se fazia presente. Desta forma, seria possível estender a provisão de serviços públicos a estas comunidades e garantir segurança (não só física como de direitos de propriedade, por exemplo) para que os moradores tenham maior liberdade de tomar decisões com foco maior no longo prazo, como investir em moradia, educação dos filhos, ou abrir um negócio próprio. A instalação de uma UPP passa pelas seguintes etapas:

1)Intervenção Tática: Trata-se de uma invasão policial composta por efetivos do Batalhão de Operações Policiais Especiais (BOPE), do Batalhão de Polícia de Choque (Bchoque) e dos Comandos de Policiamento de Área (CPAs) da Polícia Militar do Rio de Janeiro. Esta etapa tem como objetivo acabar com as atividades de tráfico e neutralizar possíveis ameaças ao trabalho do governo na região, e é a partir deste momento que é esperado que os primeiros efeitos sobre a atividade criminal sejam observados.

2) Estabilização: Após a intervenção tática é necessário tomar medidas que garantam a estabilidade do controle policial sobre o crime, como ações de cerco da área e revistas de casas para assegurar a incapacitação dos criminosos na região.

3) Implantação da UPP: Esta etapa é marcada pela chegada de policiais treinados especificamente para o poli-ciamento comunitário, e da inauguração de um centro de polícia que servirá de base para que estes preparem a comunidade para a chegada de serviços públicos antes ausentes na região. A partir daí, o trabalho dos policiais é monitorado e é verificado constantemente se os objetivos das UPPs estão sendo atingidos. Até dezembro de 2011, 19 UPPs foram inauguradas, atingindo diretamente 280 mil moradores através de um efetivo policial de mais de 4 mil policiais. As UPPs inauguradas neste período são:

1. Santa Marta(19/12/2008, com ocupação policial em 20/11/2008) 2. Cidade de Deus(16/02/2009, com ocupação policial em 11/11/2008) 3. Jardim Batan(18/02/2009, com ocupação em 07/2008)

4. Babilônia/Chapéu-Mangueira(10/06/2009, com ocupação em 12/05/2009) 5. Pavão-Pavãozinho/Cantagalo (23/12/2009, com ocupação em 30/09/2009) 6. Tabajaras/Cabritos (14/01/2010, com ocupação em 26/12/2009)

7. Providência(26/04/2010, com ocupação policial em 22/03/2010) 8. Borel(07/06/2010, com ocupação policial em 04/2010)

(14)

11. Salgueiro(17/09/2011, com ocupação policial em 30/07/2010) 12. Turano(30/09/2011, com ocupação policial em 10/08/2010) 13. Macacos(30/11/2011, com ocupação em 14/10/2010)

14. São João/Matriz/Quieto(31/01/2011, com ocupação em 06/01/2011) 15. Coroa/Fallet/Fogueteiro(25/02/2011, com ocupação policial em 06/02/2011) 16. Escondidinho/Prazeres(25/02/2011, com ocupação policial em 06/02/2011) 17. São Carlos(17/05/2011, com ocupação policial em 06/02/2011)

18. Mangueira/Tuiuti (03/11/2011, com ocupação policial em 19/06/2011) 19. Rocinha/Vidigal/Chácara do Céu (ocupação policial em 13/11/2011)

É esperado que as principais favelas do Rio de Janeiro recebam UPPs e que a permanência policial seja permanente de modo a possibilitar o trabalho do Estado nestas comunidades.

3.2. Caracterização do Crime no Rio de Janeiro

Pelo fato de as UPPs focarem no combate ao tráfico de drogas, é importante analisar quais os tipos de crime que estão relacionados a estas atividades e como o tráfico pode estar afetando os alunos de escolas públicas municipais. Este exercício facilitará nossa investigação sobre os mecanismos que geram a influência desta política na performance escolar2_{. Nesta seção, veremos brevemente características da formação e do funcionamento deste tipo de atividade} criminosa para inferirmos quais tipos de crimes têm a maior probabilidade de sofrerem impactos pela política das UPPs, e daí inferirmos os mecanismos atuantes em possíveis choques na performance escolar dos alunos de escolas próximas a estas unidades.

3.2.1. As origens do tráfico de drogas no Rio de Janeiro

O início do tráfico de drogas no Rio de Janeiro ocorreu nos anos 50 com o suprimento da demanda das favelas por maconha, que tinha sua distribuição feita de forma independente à da cocaína, droga consumida pelas classes de maior poder aquisitivo na época. A partir do início da década de 1980 o aumento da demanda por parte da classe média teve como resposta a organização do varejo de drogas ilegais por uma facção criminosa, o Comando Vermelho (CV), e do consequente aumento de poder econômico dos envolvidos no tráfico. A estrutura do CV,

2

(15)

que é basicamente a mesma das outras facções criadas posteriormente, se baseia no varejo de drogas através de quadrilhas de traficantes, que se instalam em favelas e as defendem contra invasões policiais e de outros traficantes que queiram se apossar dos pontos de venda (Dowdney [2003], p.31). O “asfalto” (aqui definido como qualquer área urbana que não seja uma favela) a princípio não constitui território de atuação direta do tráfico, e é por isso que o foco das UPPs é dado às favelas.

É importante notar que a territorialidade é uma característica marcante do tráfico no Grande Rio: o domínio de uma favela é importante pois define tanto a demanda por drogas quanto a facilidade de defesa dos pontos de venda para assegurar a continuidade das atividades, que poderiam ser interrompidas por interferência policial. Com a morte de líderes do CV e os crescentes atritos entre seus membros no final da década de 1980, surgiram outras facções criminosas que passaram a disputar o mercado de drogas através de invasões para a tomada de pontos de venda. A partir deste momento a defesa territorial passou a ser crucial, criando um incentivo à militarização dos traficantes, que passaram a ter armas mais poderosas acarretando na ocorrência mais frequente de homicídios por arma de fogo no Rio de Janeiro (Dowdney [2003], pg. 77).

As tentativas de invasão normalmente são feitas utilizando veículos roubados pelos traficantes no entorno das favelas (Dowdney [2003], p. 90). Estes carros servem para transportar pessoas, armas e drogas entre favelas de uma mesma facção, além de sua utilização em ataques a facções rivais. Portanto, o roubo de veículos em regiões próximas às favelas é um crime fortemente ligado à atividade do tráfico.

Além dos homicídios e roubos a veículos ligados aos confrontos entre facções, também ocorrem roubos a transeuntes e lojas no entorno das favelas, geralmente para a aquisição de dinheiro ou bens para o pagamento de dívidas ou até para a satisfação de necessidades de moradores (Dowdney [2003], pg. 50). Todavia, o tráfico também exerce influência no sentido de diminuir alguns tipos de crimes: existem regras tácitas impostas pelos traficantes que proíbem roubos, brigas, agressões e estupros dentro da comunidade, e restringem as ações fora dela apenas às que não chamem a atenção da polícia. A punição para quem infringe estas regras depende do julgamento subjetivo dos traficantes, e vai de agressões a ladrões à morte para estupradores (Dowdney [2003], pgs. 77 e 125). Portanto, é possível que a transferência do papel de agente punitivo do traficante para o Estado aja no sentido de aumentar alguns tipos de crimes pelo suposto abrandamento da pena. Um exemplo desta situação seria no caso de estupros, no qual a punição dada pelos traficantes normalmente era a morte e passa a ser a prisão quando é feita pelo Estado.

3.2.2. Evolução Recente dos níveis de criminalidade na região metropolitana do Rio de Janeiro

(16)

UPPs entre o final de 2008 e o meio de 2009. Para crimes como roubo a transeuntes, roubo de veículos, furto de veículos, e homicídios, pode ser possível argumentar que o final de 2008 representa um ponto de quebra estrutural pelo fato de as séries apresentarem uma clara mudança de tendência nesse período.

De dezembro de 2003 a outubro de 2008 as ocorrências de roubo a transeuntes (em nº de ocorrências/100.000 habitantes) apresentam tendência crescente em todas as regiões, com crescimento mais acentuado na Zona Norte e Baixada. O início de 2009, que coincide com o início do projeto das UPPs, representa um provável ponto de quebra estrutural para esta série nas regiões analisadas (com exceção da Baixada), que passam a demonstrar tendências decrescentes a partir de então. Houve queda da média mensal de roubos de veículos, de 28.8 no período de 3 anos antes das UPPs (2006, 2007 e 2008), para 15.9 no período de mesmo tamanho após as UPPs (2009, 2010, 2011)3_.

A partir de julho de 2007 houve um processo de queda deste índice, levando a sua média entre 2008 e 2011 a 17.8 ocorrências mensais. Os furtos de veículos também apresentam queda a a partir de 2008, indo de uma média de 14.74 ocorrências por mês em 2008 a 8.72 na primeira metade de 2011. Já a média anual de crimes sob a categoria Letalidade Violenta (que engloba Homicídios Dolosos, Autos de Resistência e Latrocínios) apresenta uma leve tendência descrescente desde 2003, acentuada a partir de 2009. De fato, a análise de Cerqueira[2012] mostra que a taxa de homicídios no Rio de Janeiro caiu cerca de 18,9% de 2001 a 2007. Comparando a média de ocorrências mensais novamente em dois períodos de 3 anos, um anterior às primeiras UPPs (2006, 2007 e 2008) e outro posterior (2009, 2010 e 2011), houve uma queda de cerca de 30% nas ocorrências de letalidade violenta4_.

No entanto, existem outros tipos de crime que não demonstram queda após o período de implantação das UPPs. Os roubos a estabelecimentos comerciais não apresentam queda significativa em nenhum momento após 2009, indo de uma média de 3.30 no período 2006-2008 a 3.20 em 2009-2011. A média de furtos aumenta de 113 para 130 ocorrências mensais na comparação entre os mesmos períodos, assim como os roubos a residências, que apresentam uma queda de 0.72 a 0.68, com 2011 sendo o único ano apresentando queda significativa. Para o crime de lesão corporal dolosa, a comparação entre os mesmos períodos nos mostra um aumento da média de ocorrências mensais de 36.1 para 41.6. Os homicídios dolosos não demonstram nenhuma mudança de tendência após o início das ocupações policiais com exceção dos valores para a região da Baixada, que apesar da variância da série pode-se argumentar que houve uma intensificação da tendência decrescente.

3

Esta queda é robusta à escolha dos períodos, desde que seja respeitado que o último ano do período pré-UPP seja anterior ao último ano do período pós-UPP.

4

(17)

3.3. Efeitos das UPPs sobre os alunos do Ensino Municipal

Como veremos na seção 4, a recentidade do experimento das UPPs nos permite analisar apenas seus impactos no curto prazo, limitando a variedade de mecanismos através dos quais o fim do tráfico pode afetar a performance escolar.

Em Monteiro e Rocha [2011], concluiu-se que a exposição à violência é prejudicial à performance escolar, e os mecanismos discutidos envolvem o maior número de faltas dos professores em áreas violentas, portanto a instalação de uma UPP e sua consequente diminuição do número de conflitos entre traficantes faria com que a performance dos alunos fosse melhorada através da presença mais constante de seus professores.

Em Margolin e Gordis [2000], as autoras afirmam que os efeitos da violência sobre as crianças no curto prazo envolvem mudanças comportamentais como a criação de quadros de depressão e ansiedade, e a violência na comu-nidade pode induzir um comportamento agressivo através de aprendizado social e a exposição frequente, mesmo que não seja direta, a eventos violentos ou indivíduos agressivos como os traficantes. De acordo com uma pesquisa realizada por Dowdney [2003] com jovens moradores de favelas mas sem envolvimento direto com o tráfico, 68% dos entrevistados conheciam alguém, mesmo que indiretamente, que tenha sofrido um ferimento causado por arma de fogo, e 71% conheciam ou sabiam de alguém que foi morto a tiros em sua comunidade. Um terço dos entrevistados afirma que os confrontos armados acontecem com frequência regular, e 3/4 dizem que suas comunidades apresentam circulação de pessoas fortemente armadas. Isso mosra que é possível afirmar que grande parcela dos jovens de uma comunidade dominada por facções criminosas está exposta diretamente à violência, mesmo que o nível de exposição varie bastante entre os indivíduos.

Os comportamentos depressivos, ansiosos e agressivos de alguns alunos afetados pela violência podem se reverter, pelo menos para os casos mais leves, assim que haja uma expectativa crível de redução da violência, algo que pode ocorrer já com a ocupação policial pré-UPP. Logo, um possível mecanismo em atuação pode ser a melhoria de condições psicológicas para o estudo causada pelo fim ou diminuição das atividades do tráfico.

Além disso, a ocupação policial é acompanhada de mudanças como projetos sociais e provisão de serviços públicos, como coleta de lixo, e privados como transmissão de TV a cabo, que influenciam o ambiente vivenciado pelos estudantes.

4. Dados

4.1. Dados de criminalidade

(18)

(SIM/MS) do DATASUS, como visto em Cerqueira [2012]. Na análise da violência, o foco é dado a homicídios dolosos e lesão corporal dolosa para crimes violentos e roubo a transeuntes, roubos de aparelhos celulares, e roubos em coletivos para crimes não-violentos.

As populações de cada bairro do Grande Rio foram obtidas dos Censos 2000 e 2010, e utilizadas para contruir, junto com os valores absolutos cedidos pelo ISP, estatísticas de crimes por 100.000 habitantes a nível de Delegacia de Polícia (DP). A maioria das DPs abrange mais de um bairro, e neste caso a população utilizada para a construção dos valores foi a de todos os bairros que estavam na jurisdição desta DP específica. Caso mais de uma DP estivesse relacionada a um dado bairro, assumimos que a DP era responsável por uma proporção da população relativa ao número de DPs envolvidas no bairro, ou seja: se 2 DPs estivessem no bairro “Centro”, assumimos que cada uma estava encarregada de cuidar de metade da população deste bairro, e dividimos a população desta forma para que os valores de crimes por 100.000 habitantes fossem construídos. Para obtermos o tamanho da população de cada bairro a cada mês, fizemos uma interpolação geométrica dos valores obtidos em julho de 2000 e agosto de 2010, quando ocorreram os Censos. Assim, estamos implicitamente assumindo crescimento natural da população de cada bairro, que está crescendo a uma taxa constante nestes dez anos. Acreditamos que essa é uma aproximação realista já que não existiram eventos significantes que tenham causado um choque de migração no Grande Rio neste período. Além disso, se este fosse o caso encontraríamos, no mesmo mês e para todos os tipos de crimes, variações bruscas nas taxas de crime por 100.000 habitantes , o que não foi o caso.

4.2. Dados de educação

Os dados relativos à educação foram cedidos pela Secretaria Municipal de Educação da Prefeitura da Cidade do Rio de Janeiro (SME-RJ). Dispomos de informações referentes a todos os alunos matriculados na rede municipal de ensino para os anos letivos de 2010 e 2011. O universo de estudantes contemplados compreende crianças inscritas em creches, escolas municipais e Centros Integrados de Educação Pública (CIEPs), além de jovens e adultos matriculados em Programas de Realfabetização e outros cursos diversos. As variáveis que compõem as características individuais dos alunos são: Gênero e cor dos alunos, data de nascimento, religião, naturalidade, endereço da moradia, níveis de instrução do pai e da mãe e status de moradia dos pais junto ao aluno (representado pela variável Estrutura Familiar, =1 se ambos os pais moram com o aluno). As informações sobre a interação entre o aluno e a escola tanto dentro quanto fora da sala de aula incluem: o meio de transporte utilizado pelo estudante para percorrer o trajeto de sua casa à escola, o tempo gasto, e se este percurso é realizado sozinho ou acompanhado por um responsável.

(19)

A performance escolar é medida através dos resultados de provas padronizadas aplicadas nas escolas municipais a cada bimestre desde o início de 2010. Usaremos as avaliações de Matemática e Português realizadas por todos os alunos do 2º ao 6º ano. No entanto, estas provas não seguem a Teoria de Resposta ao Item, o que pode dificultar as comparações entre provas diferentes.

A frequência escolar, bem como a frequência dos responsáveis em reuniões bimestrais, também podem ser encon-tradas na base de dados fornecida pela SME-RJ. Adicionalmente e somente para os alunos participantes do Família Carioca, temos acesso ao registro do atendimento às condicionalidades, pagamento de bônus financeiro, emissão de aviso de bloqueio iminente e bloqueio do benefício. Sobre as escolas, sabemos seu tipo (creche, escola ou CIEP), localização e status de participação no projeto Escolas do Amanhã, um programa criado em 2009 que tem como meta reduzir a evasão escolar e melhorar o desempenho de alunos que moram em áreas de risco da cidade. Quanto às UPPs, utilizamos os mesmos dados empregados por Frischtak, Mandel (2012). Para cada uma das 20 UPPs inau-guradas até então é definida uma área de influência constituída pelos bairros que estão total ou parcialmente dentro do círculo de raio de dois quilômetros centrado na UPP. A data de ocupação de cada comunidade contemplada com uma UPP foi determinada por notícias de jornal publicadas na época.

Estes dados da SME-RJ têm a vantagem de mostrar notas com frequência bimestral, significativamente maior do que a disponibilizada pelo Prova Brasil, que é bienal. Isso nos permite analisar as variações nas notas em intervalos de tempo menores, ordenando as UPPs em grupos de acordo com o bimestre em que ocorreu a ocupação policial e verificando os efeitos de cada um desses grupos de UPPs na performance escolar. A desvantagem é que estas avaliações não seguem a Teoria de Resposta ao Item, que garantiria a comparabilidade dos resultados dos indivíduos em provas diferentes por manter o mesmo nível de dificuldade entre elas. Por mais que isso não prove que as avaliações não são comparáveis, deve ser levado em consideração o fato de que não dispomos de uma fonte de dados cuja comparabilidade seja garantida na teoria.

4.3. Estatísticas Descritivas

(20)

ou negros no grupo de tratamento, enquanto os pardos são mais comuns no grupo de controle. Note também que é mais comum encontrarmos alunos que não nasceram no Rio de Janeiro no grupo de tratamento, que é 2 pp maior.

Em termos de escolaridade, temos que o grupo de tratamento tende a concentrar um número maior de indivíduos cujos pais pararam de estudar mais cedo, como podemos ver na tabela 2. No grupo de tratamento, a probabilidade de escolhermos um aluno cuja mãe ou pai têm ensino fundamental ou médio completos é menor do que no grupo de controle. A proporção de alunos com pais e mães que tenham diploma universitário é maior no grupo de tratamento, mas esta diferença é bem pequena, chegando a 0.4 pp. Quanto à estrutura familiar, note que é mais comum encontrarmos alunos com família incompleta no grupo de tratamento. Neste caso, o grupo dos alunos cujo pai e/ou mãe são ausentes é 2 pp maior.

Com estas comparações, verificamos que os grupos de controle e tratamento são parecidos em quase todas as características observáveis, demonstrando as maiores diferenças na cor dos alunos e na origem e escolaridade de seus pais.

É importante notar que a idade dos alunos pode ser um fator que faça com que o impacto das UPPs seja heterogêneo nas séries. A idade média de entrada no tráfico, segundo pesquisa realizada por Dowdney (2003) é de 13.08 anos, portanto, séries que tenham uma proporção maior de alunos com idade acima de 13 anos terão mais alunos em idade de entrar para o tráfico. Isso faria com que o fim do tráfico de drogas eliminasse uma opção de vida para estes alunos, diminuindo o custo de oportunidade do estudo. Esperamos que, tudo o mais constante, os alunos que cursavam a 5ª série em 2010, com idade média de 11.68, sofram impactos maiores que os alunos da 4ª série no mesmo ano, cuja média de idade é 10.73.

5. Estratégia Empírica

Nosso objetivo é estimar o efeito da ocupação policial pré-UPP na performance escolar dos alunos. Na melhor das hipóteses, gostaríamos que a política de UPPs representasse um experimento onde as favelas tratadas fossem escolhidas aleatoriamente, de forma independente entre si, e que não houvessem externalidades do tratamento de uma favela nos alunos que estudem em escolas próximas a outra. Dificilmente este é o caso, já que a decisão de instalar uma UPP em uma determinada favela segue motivações envolvendo fatores geográficos, socioeconômicos e políticos que formariam uma ordem de preferência sobre quais UPPs devem ser instaladas primeiro (excluindo a possibilidade de independência entre os tratamentos).

(21)

meses), de antecedência. Logo, o anúncio não geraria efeitos antecipatórios sobre os alunos em bimestres anteriores e a ocupação policial geraria uma variação descontínua nas características que afetam negativamente a performance escolar dos alunos, entre elas o crime e a expectativa de conflitos envolvendo traficantes, e a eliminação da atividade do tráfico e expulsão dos traficantes das favelas próximas à escola. Nossa metodologia envolve indicar o evento gerador desta variação descontínua e avaliar o impacto dela na performance escolar dos alunos de escolas públicas municipais em vários instantes no tempo. Assim, capturaremos tanto os impactos instantâneos da ocupação policial quanto os que demoram a gerar efeitos perceptíveis, como por exemplo uma possível melhoria no capital social entre professores e alunos. Quanto maior for a disparidade entre os estimadores para períodos anteriores e posteriores à ocupação policial, mais evidências teremos de que este efeito sobre as notas é, de fato, causal, já que estamos controlando por variações em outras covariadas que possam explicar as notas.

Aqui, o tratamento será entendido como se estivesse sendo aplicado no nível das escolas: definimos que a escolas está sob influência de uma UPP quando houve ocupação policial pré-UPP em uma favela que se encontra a menos de 2 quilômetros de distância. Assim, todos os alunos que estudam na escola sque está em um bairro situado a menos de 2km de uma UPP cuja ocupação policial já ocorreu receberão status de tratamentoDit= 1.

5.1. Pressupostos sobre os termos de erro

Assuma que a notaYitde um aluno ino períodotsejaYit=α+βDit+Uit, comDit= 1se o indivíduoiestiver sob influência de uma UPP no períodot.Neste caso, estaríamos assumindo que o termo de erroUitseria igual para tratados e não-tratados. Aqui, nós permitimos diferenças nos termos de erro entre tratados e não-tratados para permitir heterogeneidade da resposta ao tratamento entre indivíduos.

Assuma que os erros sejam da formaU1it=ηi+εit eU0it=εit, i.e, que difiram apenas por um termo constante no tempo. Desta forma, estaremos permitindo que os indivíduos reajam ao tratamento de formas diferentes ou que os tratados sejam escolhidos utilizando-se de critérios não-observáveis.

Segundo Todd (2006), podemos fazer três pressupostos em relação aos errosUit:

1. U1=U0|X: estaremos assumindo que o efeito do tratamento, condicional aX, é igual para todos os indiví-duos. Implicitamente, assumimos que não há correlação entre os não-observáveis e o status de tratamento, e que estamos controlando por todas as características que possam afetar as notas emXit.

(22)

3. U16=U0|X eU1−U0ajuda a preverD : Nesse caso o estimador de diferenças-em-diferenças seria viesado, já que este necessita da condiçãoE(U1−U0|D, X) = 0e esta é quebrada porU1−U0ajudar a prever o status de tratamento.

No nosso caso, argumentaremos que os termos não-observáveis ηi não são importantes na determinação de qual favela recebe o tratamento, o que segundo Todd (2006) faria com queE(U1−U0|D, X) = 0, satisfazendo o item 2 acima e permitindo a identificação do efeito causal para um estimador de diferenças-em-diferenças (DD). A argumentação em favor deηi ser independente da decisão de tratamento é dada através da discussão dos critérios mais importantes para a decisão de instalação de uma UPP, feita na seção seguinte.

5.2. Avaliação dos determinantes da implantação de uma UPP

Esta seção aborda os critérios que acreditamos ser relevantes na decisão de onde instalar uma UPP. O objetivo é embasar o pressuposto de queE(U1−U0|D, X) = 0, o que faria com que nosso estimador DD fosse não-viesado.

Um problema para a identificação do efeito causal das UPPs na performance escolar é a endogeneidade gerada pelo fato de os critérios de implantação de uma UPP, em parte não-observáveis, estarem correlacionados com caracterís-ticas dos alunos e escolas que afetem a performance escolar. No nosso caso, diferentemente de CMS, é razoável acreditar que as características não-observáveis não dependam det, pois a ocupação policial costuma demandar planejamento prévio e portanto não é algo que seja realizado por causa de eventos ou mudanças nas covariadas ocorridas no mesmo período. Nos casos em que algum evento força a ocupação policial em um determinado período (como o surto de violência que causou a ocupação do Complexo do Alemão), temos que este evento em geral é exógeno às características socioeconômicas do local, e está mais ligado à decisão dos traficantes de desafiarem a polícia e o poder público.

Além disso, as UPPs podem seguir um projeto político do atual governador do Rio de Janeiro e do prefeito de sua capital para a criação de um cinturão de segurança que diminua a criminalidade nas áreas que concentram mais indivíduos das classes média e alta na cidade. Assim, tanto o nível absoluto quanto o relativo de crimes em uma região não seriam fatores primordiais na decisão de onde implantar uma UPP, e sim a importância dos indivíduos sobre os quais a violência incidia. Esta hipótese tem respaldo dos dados, já que o nível de crimes por 100.000 habitantes na Zona Sul, que claramente é prioridade na implantação de UPPs, está entre os menores de todas as regiões do Rio de Janeiro.

5.2.1. Possíveis Critérios Para a Escolha Instalação de uma UPP em Comunidades Específicas

(23)

instaladas até agora notamos que, para a maioria dos tipos de crimes, grande parte das UPPs foi colocada em regiões em que o nível de ocorrências por 100.000 habitantes estava entre os mais baixos da capital. De fato, todas as unidades instaladas em 2008 e 2009 foram nas Zonas Sul e Oeste, exatamente as duas regiões com menores níveis de criminalidade da cidade. Apenas em 2010 as primeiras unidades foram inauguradas na Zona Norte, estas sim justificáveis ante um argumento de priorização de áreas com índices de criminalidade altos.

Eventos pontuais que aumentem a violência ou desordem na cidade contríbuiram para a instalação de pelo menos uma UPP, no caso dos surtos de violência e incêndios a ônibus que causaram a invasão do Complexo do Alemão, por exemplo. Novamente, este seria um critério importante para a instalação de UPPs que seria ortogonal aηi.

O fator que acreditamos ser o mais forte a moldar a política de UPPs diz respeito às motivações políticas. A decisão de instalar as primeiras UPPs na Zona Sul pode ter sido motivada pelo poder do eleitorado residente nesta região, caracterizada pelo alto nível socioeconômico dos moradores que constituem grande parcela da classe média e alta do Rio de Janeiro. Entendemos a construção deste “cinturão de segurança”, portanto, como uma tentativa de atender aos anseios de boa parte da parcela formadora de opinião da cidade, e esta motivação seria completamente ortogonal a questões não-observáveis que afetariam a performance escolar dos alunos de escolas públicas.

A alta dificuldade de invasão apresentada por alguns morros gera variação na dificuldade de invasao das favelas, aumentando os riscos de fatalidades que poderiam diminuir tanto o apoio à política de UPPs quanto aos políticos envolvidos nestas ações. As favelas que apresentam mais riscos para uma ocupação bem-sucedida,ceteris paribus, teriam menor prioridade na ordem de invasão. Este fator está relacionado à geografia de cada favela e à força do tráfico local, que acreditamos ser ortogonais a fatores que influenciem performance escolar. Um exemplo de UPP que parece ter sido altamente influenciada pelos dois últimos fatores citados foi a primeira unidade, instalada no morro Santa Marta, em Botafogo. A resistência dos traficantes esperada pelas autoridades era pequena em relação a outras favelas e a região em que a UPP se encontraria era de classe média-alta, implicando em uma invasão que seria feita com alta probabilidade de sucesso em uma região eleitoralmente importante.

(24)

fator importante para os critérios de decisão de onde e quando instalar UPPs.

Quanto às características observáveis, notamos através das tabelas 1 e 2 que não há evidências de que se costume usar determinadas características de alunos como um critério importante. As densidades das notas de matemática e português dos alunos nos grupos de tratamento e controle não mostram diferenças significativas, o que reforça a idéia de que não houve preferência por UPPs em regiões que tivessem médias de performance específicas nestas provas.

5.3. Modelo 1: Diferenças-em-Diferenças

O fato de termos dados longitudinais nos permite usar uma metodologia de DD para avaliar o efeito causal desejado caso aceitemos os pressupostos que garantam que o nosso estimador de DD seja não-viesado. Utilizando o período 2010.1 como pré-tratamento e o período 2011.3 como pós-tratamento perdemos as UPPs instaladas no fim de 2011, mas nos livramos de problemas de multicolinearidade que ocorrem caso utilizemos todos os dados da amostra, o que impossibilita o cálculo do coeficiente de interação que estamos interessados. Com o pressuposto de queU1−U0 não ajuda a prever a concessão de tratamento a um indivíduo, podemos começar estimando o seguinte modelo de DD:

Yit=α+β1Dit+β2T ratamentoi+β3Dit·T ratamentoi+γXit+εit (1)

comYit representando a nota do alunoi no bimestret, Dit é uma dummy que assume o valor 1 caso o indivíduo i esteja sendo tratado no períodot, e T ratamentoi indica se o indivíduo estuda em alguma escola do grupo de tratamento ou não. O coeficiente de interesse, que nos dá a diferença da evolução das notas entre os grupos de tratamento e controle, é oβ3. Os resultados sem efeitos fixos são reportados na tabela 3, e na tabela 4 temos os resultados do mesmo modelo com a inclusão de efeitos fixos por aluno, o que corresponde a termos um intercepto αi para cada indivíduo. Nas tabelas 5 e 6 fazemos a mesma análise para uma amostra menor, que só inclui alunos da 5ª e 6ª séries, já que estes são os indivíduos que teoricamente mais sofrem influência do tráfico.

Para motivar o controle por efeitos fixos no modelo, considere uma medição do efeito das UPPs na performance escolar sendo feita através da equação:

N otaits =α+βU P Pts+γXi+εts (2)

(25)

das escolas e alunos em cada período. Assim estaríamos implicitamente assumindo que o termo de erro, que engloba características não-observáveis das escolas, seja igual entre os tratados e não-tratados, isto é, queεts seja independente do status de tratamentoU P Pts.Em outras palavras, estamos assumindo que já estamos controlando por todos os fatores que afetam tanto a performance escolar quanto o recebimento de tratamento. Suponha que εts=ϕts+ηt, comϕts sendo um elemento que determine o peso dado a cada região pelos responsáveis por decidir onde serão instaladas UPPs. Na seção 5.2 avaliamos os possíveis critérios para implantação de uma UPP, mas por enquanto podemos pensar neste termo simplesmente como um fator de atratividade política não-observável que acaba determinando a prioridade de pacificação da região. Neste caso, ϕts será correlacionado com o status de tratamento U P Pts, já que na decisão de quais favelas receberão UPPs será dada prioridade às regiões mais atrativas politicamente.

SejaN ota(U P Pts)its como a nota do alunoino períodot e escolasque depende do status de tratamentoU P Pts, que será igual a 1 caso o indivíduo seja tratado e 0 caso contrário. Como queremos estimar a diferença entre performance de alunos tratados e destes mesmos alunos caso não tivessem sido tratados, estamos buscando

φ=E(N ota(1)its−N ota(0)its|U P Pts= 1) (3)

No entanto, não temos o contrafactualN ota(0)its|(U P Pts= 1), e por isso precisamos comparar a nota dos indiví-duos que de fato receberam tratamento com a dos que não receberam, calculando:

E(N ota(1)its|U P Pts= 1)−E(N ota(0)its|U P Pts= 0) = (4)

E(N ota(1)its|U P Pts= 1)±E(N ota(0)its|U P Pts= 1)−E(N ota(0)its|U P Pts= 0) = (5)

E(N ota(1)its−N ota(0)its|U P Pts= 1) + Λ (6)

ondeΛ =E(N ota(0)its|U P Pts= 1)−E(N ota(0)its|U P Pts= 0)é o viés gerado pela correlação entreϕtseU P Pts. Os efeitos fixos são usados para nos livrarmos deste viés através da diferenciação das características não-observáveis no tempo, que por serem fixas nesta dimensão, se anulam, nos permitindo recuperar o efeito TT.

5.4. Modelo 2: Efeitos fixos e lags de impacto

(26)

(lagged effects). Autor (2003) implementa este teste ao investigar o efeito de limitações à liberdade das firmas demitirem seus empregados na demanda por mão-de-obra temporária.

O modelo estimado é

Yit=αi+ρt+γXit+ −1 X

k≥−7

Dti+kδk+δ0D t s+

6 X

k≥1

Dit+kδk+εit (7)

comαieρtrepresentam efeitos fixos de aluno e tempo, respectivamente, eD t+k

i é uma dummy indicando a presença de uma UPP influenciando o indivíduoino períodot+k.Logo,P−1k≥−7D

t+k

i δk representa os estimadores relativos a efeitos antecipatórios de uma UPP, i.e, o efeito nas notas dos alunos em escolas que receberão uma UPP emk períodos, eP6k≥1D

t+k

i δk mostra os estimadores dos efeitos pós-tratamento, i.e, o efeito das UPPs nas notas de alunos que estudam em escolas que estão sob influência de uma UPP hákperíodos. Assim como em Autor (2003), os coeficientes δk

, que indicam o impacto de cada lag de ocupação k, reforçarão a interpretação causal do efeito das UPPs sobre as notas (mesmo que os pressupostos que garantam a identificação não sejam aceitos) caso só se encontre efeitos mais significantes para períodos pós-tratamento.

6. Resultados

Os resultados do modelo 1 podem ser encontrados nas tabelas 3, 4, 5 e 6, e os do modelo 2 nas tabelas 7, 8, 9 e 10.

Para o modelo 1 com amostra completa (analisando todos os alunos da 2ª à 6ª série) os resultados são muito semelhantes, em termos de impacto na nota absoluta, entre as versões com e sem efeitos fixos, com impacto um pouco menor que 0.03 desvio-padrão para a versão que os inclui. Este impacto representa, em termos de pontuação absoluta nas provas, um aumento menor que 1 décimo. Logo, este modelo nos indica que as UPPs não impactaram de forma significativa o desempenho escolar dos alunos da rede municipal.

(27)

Para o modelo 2, o impacto das UPPs fica em geral menos significativo com a inclusão de efeitos fixos e a correção paraclustering, feita pelo fato de que estudantes de uma mesma escola podem ter erros correlacionados. As tabelas 7, 8, 9 e 10, além das figuras 5 a 20, mostram os coeficientes para cada lag de ocupação. Para alunos que cursavam a 2ª ou 3ª série em 2010 o impacto no Lag 0, que indica o período da ocupação policial, é bem claro e significante para as especificações mais simples, mas se torna incerto e mais fraco ao incluirmos efeitos fixos e corrigirmos os erros por clustering nas escolas. Na figura 8, com o modelo completo, podemos ver que os coeficientes para todo o período estudado não são diferentes de zero para os alunos que cursavam a 2ª série em 2010, e o mesmo pode ser concluído sobre os alunos que cursavam a 3ª série em 2010 ao analisarmos a figura 12. Os alunos que estavam na 4ª série em 2010 sofreram impactos positivos das UPPs no Lag 0 para grande parte das especificações quando analisamos as notas de português, que apresentam saltos no período de ocupação até mesmo com efeitos fixos e erros robustos. Este novo nível mais elevado dos coeficientes se mantém após a ocupação policial, o que indicaria uma possível mudança de nível de performance escolar entre os alunos tratados. Este comportamento não é visto com tanta clareza nas notas de matemática, para as quais temos mais facilidade em descartar a ausência de impacto no período de ocupação.

Os alunos que estavam na 5ª série em 2010 sofrem um claro impacto positivo nas notas 3 períodos antes da sua ocupação até para as especificações mais restritivas, com exceção das notas de português no modelo com erros robustos a clustering. Uma possível explicação é que os alunos com Lag -3 são representados desproporcionalmente pelos tratados em 2011.4 (Rocinha, Vidigal, Chácara do Céu). Neste caso, 3 períodos antes da invasão à Rocinha houve a implantação de 4 UPPs (São João/Matriz/Quieto, Coroa/Fallet/Fogueteiro,Escondidinho/Prazeres,São Carlos) que podem ser responsáveis por gerar externalidades positivas para os alunos que estudam em escolas próximas à Rocinha e Vidigal. Estas externalidades, se restritas somente à Zona Sul, não afetariam os resultados de outras escolas localizadas nas outras regiões da cidade e explicariam este impacto antecipado sem por em cheque a interpretação dos efeitos das outras UPPs.

Note que em geral existe uma leve mudança de média das notas pré e pós-ocupação. Esta mudança na nota média dos indivíduos tratados sugere um efeito positivo (mesmo que pequeno em módulo) e persistente das UPPs sobre a performance escolar, o que seria confirmado com a expansão de nossas séries de tempo para incluirmos notas de mais provas pós-UPP.

7. Conclusão

(28)

mais velhos, particularmente os que cursavam a 5ª e 6ª séries, seja afetada positivamente pelas UPPs. Este fato nos indica que, além dos efeitos imediatos da redução da percepção de violência (que implicaria na maior presença dos professores e por isso, notas mais altas de seus alunos), existem efeitos únicos para os alunos em idade de entrar para o tráfico, talvez pela exclusão de uma possibilidade de “carreira” destes indivíduos ou pela diminuição da pressão social no ambiente escolar que era causada por indivíduos ligados ao tráfico.

Este artigo se beneficiaria substancialmente da obtenção de uma série temporal mais longa para a comparação de notas de mais bimestres. A constante instalação de UPPs durante todo o período estudado também pode dificultar a avaliação do impacto de UPPs específicas no caso da existência de externalidades e de contaminação do tratamento entre várias regiões. O ideal seria obter dados para um período de tempo longo após o fim da implantação de todas as UPPs, a fim de obter o impacto do tratamento sem a interferência de eventos de pacificação que dificultem a separação dos efeitos no tempo e no espaço de cada unidade pacificadora individual.

Algumas extensões para este artigo envolvem analisar não só as notas em testes padronizados como a frequência escolar dos alunos, e usar diferentes definições de tratamento, definindo o aluno como tratado se este morar (ao invés de estudar) em uma área de UPP, ou flexibilizando o conceito de distância ao avaliarmos quais indivíduos são afetados por cada unidade. Além disso, é válido buscarmos diferentes estratégias de identificação que não dependam dos pressupostos feitos neste paper, o que pode fazer com que a interpretação do efeito causal seja mais robusta.

Bibliografia

[1] David H. Autor. Outsourcing at will: The contribution of unjust dismissal doctrine to the growth of employment outsourcing. Journal of Labor Economics, 21(1):1–42, January 2003. URL

http://ideas.repec.org/a/ucp/jlabec/v21y2003i1p1-42.html.

[2] Laura Chioda, Joao M. P. de Mello, and Rodrigo R. Soares. Spillovers from conditional cash transfer programs: Bolsa familia and crime in urban Brazil. IZA Discussion Papers 6371, Institute for the Study of Labor (IZA), February 2012. URLhttp://ideas.repec.org/p/iza/izadps/dp6371.html.

[3] Daniel R. de C. Cerqueira. Causas e consequencias do crime no brasil. Economia Aplicada, 16(2):901–935, 2012.

(29)

[5] Luke Dowdney. Criancas do Trafico: Um estudo de caso de crianÃ§as em violencia armada organizada no Rio de Janeiro. Sete Letras, 2003. URLhttp://www.comunidadesegura.org.br/files/criancasdotrafico.pdf.

[6] Claudio Frischtak e Benjamin Mandel. Crime, house prices and inequality: The effects of upps in rio. FRB of New York Staff Report 542, Federal Reserve Board of New York, January 2012. URL

http://ssrn.com/abstract=1995795.

[7] Joana Monteiro e Rudi Rocha. Neighborhood violence and school achievement: Evidence from rio de janeiro’s drug battles. Working Paper, June 2011.

[8] Gayla Margolin and Elana B. Gordis. The effects of family and community violence on children.Annual Review of Psychology, 51(1):445–479, 2000.

[9] Petra E. Todd. Evaluating Social Programs with Endogenous Program Placement and Selection of the Treated, volume 4 of Handbook of Development Economics, chapter 60, pages 3847–3894. Elsevier, 2008. URL

http://ideas.repec.org/h/eee/devchp/5-60.html.

Apêndice A Gráficos

As linhas verticais vermelhas indicam a data de implantação da primeira UPP no morro Santa Marta.

0

.05

.1

.15

kdensity PB_MAT

0 2 4 6 8 10

x

Controle Tratamento

Notas de Matemática Pré−UPP

0

.05

.1

.15

.2

kdensity PB_POR

0 2 4 6 8 10

x

Controle Tratamento

(30)

Figura 1: Densidades das notas de matemática e português por status de tratamento 0 50 100 150 200 250

01jan2002 01jan2004 01jan2006 01jan2008 01jan2010 01jan2012 data

Zona Sul Zona Norte

Zona Oeste Baixada

Homicídio Doloso 0 500 1000 1500 2000 2500

Zona Sul Zona Norte

Zona Oeste Baixada

Lesão Corporal Dolosa

Figura 2: Crimes violentos por 100.000 habitantes, por zona

0

20

40

60

Zona Sul Zona Norte

Zona Oeste Baixada

Roubo a Residência

0

500

1000

1500

Zona Sul Zona Norte

Zona Oeste Baixada

Roubo a Transeunte

#

(31)

0

100

200

300

400

Zona Sul Zona Norte

Zona Oeste Baixada

Roubo de Aparelho Celular

0

100

200

300

Zona Sul Zona Norte

Zona Oeste Baixada

Roubo em Coletivo

(32)

Tabelas

Percentual da Amostra por Status de Tratamento

Controle Tratamento Total

Col % Col % Col %

Cor

Preta 10.1 10.2 10.1

Branca 34.9 39.4 35.7

Parda 50.7 46.1 49.9

Amarela 0.2 0.2 0.2

Ind´ıgena 0.1 0.1 0.1

NA 4.0 4.0 4.0

Total 100.0 100.0 100.0

Sexo

Feminino 48.4 48.6 48.4

Masculino 51.6 51.4 51.5

NA 0.0 0.0 0.0

Total 100.0 100.0 100.0

Religi˜ao

N˜ao 11.1 10.4 11.0

Sim 68.6 66.7 68.3

NA 20.2 22.9 20.7

Total 100.0 100.0 100.0

Nascido no RJ

N˜ao 5.6 7.7 5.9

Sim 94.2 92.0 93.8

NA 0.2 0.3 0.3

Total 100.0 100.0 100.0

N 994,941 197,947 1,192,888

Percentual da Amostra 83.4 16.6 100

(33)

Percentual da Amostra por Status de Tratamento

Controle Tratamento Total

% % %

Escolaridade M˜ae

Analfabeta 1.6 1.7 1.6

Primeiro grau incompleto 29.4 34.0 30.2 Primeiro grau 35.4 28.5 34.2 Segundo grau 20.5 15.3 19.7

Superior 1.0 0.9 1.0

NA 12.1 19.7 13.3

Total 100.0 100.0 100.0

Escolaridade Pai

Analfabeto 1.6 1.8 1.6

Primeiro grau incompleto 23.8 27.0 24.3 Primeiro grau 30.0 23.6 29.0 Segundo grau 17.1 12.0 16.2

Superior 1.2 1.0 1.2

NA 26.4 34.5 27.7

Total 100.0 100.0 100.0

Estrutura Familiar

Completa 48.0 44.7 47.5

Incompleta 51.9 55.1 52.4

NA 0.1 0.2 0.1

Total 100.0 100.0 100.0

Tamanho da Amostra 994,941 197,947 1,192,888

Percentual da Amostra 83.4 16.6 100

(34)

(1) (2) (3) (4)

Variaveis MAT POR MAT POR

D -0.0187*** -0.0246*** 0.00134 0.00536

(0.00448) (0.00448) (0.00463) (0.00459) Tratamento -0.0738*** -0.0742*** 0.0179* 0.0575*** (0.00701) (0.00701) (0.00947) (0.00938)

D=0 X Tratamento=0 0 0 0 0

(0) (0) (0) (0)

D=1 X Tratamento=1 0.0739*** 0.0832*** 0.0483*** 0.0542*** (0.00858) (0.00858) (0.00891) (0.00883)

Constante 0.0196*** 0.0190*** 0.182*** 0.377***

(0.00347) (0.00347) (0.0312) (0.0309)

Controles N N S S

Obs 294,721 294,721 294,695 294,695

R-quadrado 0.000 0.000 0.049 0.067

(35)

(1) (2) (3) (4)

D -0.0746*** -0.0641*** -0.0718*** -0.0618***

(0.00441) (0.00441) (0.00449) (0.00448) Tratamento -0.0976*** -0.0826*** -0.0759** -0.0409

(0.0271) (0.0271) (0.0324) (0.0324)

(0) (0) (0) (0)

D=1 X Tratamento=1 0.0285*** 0.0256*** 0.0291*** 0.0245*** (0.00939) (0.00939) (0.00944) (0.00944)

Constant 0.0710*** 0.0581*** 0.273** 0.000167

(0.00834) (0.00834) (0.133) (0.133)

Controles N N S S

Obs 294,721 294,721 294,695 294,695

R-quadrado 0.866 0.866 0.866 0.866

(36)

(1) (2) (3) (4)

D -0.0212** -0.0491*** -0.0143 -0.0410***

(0.00890) (0.00888) (0.00900) (0.00887) Tratamento -0.114*** -0.121*** -0.0458** -0.0282

(0.0149) (0.0149) (0.0187) (0.0185)

(0) (0) (0) (0)

D=1 X Tratamento=1 0.137*** 0.214*** 0.106*** 0.172*** (0.0174) (0.0174) (0.0175) (0.0173)

Constante 0.0272*** 0.0284*** 2.517*** 2.996***

(0.00723) (0.00721) (0.0744) (0.0734)

Controles N N S S

Obs 80,336 80,336 80,329 80,329

R-quadrado 0.001 0.002 0.093 0.114

(37)

(1) (2) (3) (4)

D -0.0189** -0.0240*** -0.000660 -0.00458

(0.00896) (0.00928) (0.00933) (0.00966) Tratamento -0.151*** -0.167*** -0.148*** -0.143*** (0.0392) (0.0407) (0.0421) (0.0436)

(0) (0) (0) (0)

D=1 X Tratamento=1 0.134*** 0.210*** 0.144*** 0.216*** (0.0191) (0.0198) (0.0194) (0.0201)

Constante 0.0373*** 0.0259** 0.366 -0.168

(0.0126) (0.0131) (0.242) (0.251)

Controles N N S S

Obs 80,336 80,336 80,329 80,329

R-quadrado 0.881 0.872 0.882 0.873

(38)

Resultados do Modelo 2 para alunos que estavam na 2ª série em 2010 e na 3ª série em 2011

(1) (2) (3) (4) (5) (6) (7) (8)

Notas MAT POR MAT POR MAT POR MAT POR

Lag -6 -0.0414*** -0.0345*** 0.0317** 0.0378** 0.0755* 0.112*** 0.0755 0.112* (0.0131) (0.0131) (0.0156) (0.0154) (0.0398) (0.0387) (0.0674) (0.0605) Lag -5 -0.0413*** -0.0133 0.0282* 0.0601*** 0.0692* 0.134*** 0.0692 0.134** (0.0131) (0.0131) (0.0156) (0.0154) (0.0397) (0.0387) (0.0656) (0.0600) Lag -4 -0.0548*** -0.0614*** 0.0187 0.00665 0.0563 0.0765** 0.0563 0.0765

(0.0131) (0.0131) (0.0155) (0.0154) (0.0397) (0.0387) (0.0665) (0.0579) Lag -3 -0.122*** -0.128*** -0.0476*** -0.0555*** -0.0202 -0.0136 -0.0202 -0.0136

(0.0111) (0.0111) (0.0137) (0.0136) (0.0392) (0.0382) (0.0637) (0.0599) Lag -2 -0.0851*** -0.0918*** -0.00504 -0.0134 0.00759 0.0185 0.00759 0.0185

(0.0106) (0.0106) (0.0129) (0.0128) (0.0390) (0.0380) (0.0621) (0.0537) Lag -1 -0.109*** -0.0495*** 0.0189 0.0823*** -0.0443 0.0508 -0.0443 0.0508

(0.0168) (0.0168) (0.0186) (0.0184) (0.0400) (0.0390) (0.0618) (0.0590) Ocupação 0.0227 0.0335** 0.152*** 0.140*** 0.0251 0.0700* 0.0251 0.0700

(0.0158) (0.0158) (0.0190) (0.0189) (0.0406) (0.0396) (0.0752) (0.0672) Lag +1 0.0340*** 0.0330** 0.150*** 0.132*** 0.0181 0.0453 0.0181 0.0453

(0.0129) (0.0129) (0.0173) (0.0172) (0.0404) (0.0394) (0.0758) (0.0717) Lag +2 -0.00741 -0.000224 0.110*** 0.105*** -0.0205 0.0132 -0.0205 0.0132

(0.0130) (0.0130) (0.0176) (0.0175) (0.0406) (0.0395) (0.0735) (0.0680) Lag +3 0.0124 -0.0282* 0.146*** 0.0872*** 0.000255 -0.0211 0.000255 -0.0211

(0.0145) (0.0145) (0.0197) (0.0196) (0.0411) (0.0401) (0.0791) (0.0784) Lag +4 -0.00683 0.0109 0.126*** 0.127*** -0.0430 -0.0130 -0.0430 -0.0130

(0.0133) (0.0133) (0.0194) (0.0192) (0.0413) (0.0403) (0.0796) (0.0775) Lag +5 -0.0290** 0.0238* 0.117*** 0.158*** -0.0525 0.0160 -0.0525 0.0160

(0.0138) (0.0138) (0.0202) (0.0200) (0.0415) (0.0405) (0.0842) (0.0839) Lag +6 -0.00391 -0.00515 0.235*** 0.240*** -0.00531 0.0533 -0.00531 0.0533

(0.0278) (0.0279) (0.0328) (0.0325) (0.0457) (0.0446) (0.0989) (0.0884)

Controles N N S S S S S S

Efeitos fixos N N N N S S S S

Clustering N N N N N N S S

Constante 0.00409** -0.000701 -0.284*** 0.128*** -0.248** -0.400*** -0.248** -0.400*** (0.00204) (0.00204) (0.0342) (0.0339) (0.107) (0.104) (0.115) (0.112)

Obs 354,887 354,887 354,736 354,736 354,736 354,736 354,736 354,736

R-quadrado 0.001 0.001 0.048 0.065 0.671 0.688 0.671 0.688

Tabela 7: Resultados do Modelo 2 para alunos que estavam na 2ª série em 2010 e na 3ª série em 2011 "Ocupação" indica o efeito imediato do tratamento no período da ocupação policial, enquanto os lags indicam o efeito do tratamento para períodos anteriores e posteriores à mesma.

(39)

(1) (2) (3) (4) (5) (6) (7) (8)

Lag -6 -0.0645*** -0.106*** 0.0373** 0.0571*** 0.0834** 0.0424 0.0834 0.0424 (0.0119) (0.0119) (0.0145) (0.0143) (0.0333) (0.0331) (0.0743) (0.0709) Lag -5 -0.111*** -0.105*** -0.0143 0.0559*** 0.0296 0.0413 0.0296 0.0413

(0.0119) (0.0119) (0.0145) (0.0143) (0.0333) (0.0331) (0.0752) (0.0731) Lag -4 -0.0711*** -0.0752*** 0.0300** 0.0881*** 0.0721** 0.0713** 0.0721 0.0713

(0.0120) (0.0120) (0.0145) (0.0143) (0.0333) (0.0331) (0.0724) (0.0682) Lag -3 -0.121*** -0.176*** -0.0289** -0.0225 0.00519 -0.0528 0.00519 -0.0528

(0.0122) (0.0122) (0.0145) (0.0143) (0.0330) (0.0328) (0.0703) (0.0683) Lag -2 -0.0789*** -0.157*** 0.00729 -0.0171 0.0461 -0.0458 0.0461 -0.0458

(0.0113) (0.0113) (0.0132) (0.0131) (0.0326) (0.0324) (0.0681) (0.0688) Lag -1 -0.0687*** -0.130*** 0.0135 0.00564 0.0397 -0.0342 0.0397 -0.0342

(0.0113) (0.0113) (0.0133) (0.0131) (0.0325) (0.0324) (0.0690) (0.0681) Ocupação -0.0118 -0.00243 0.0523*** 0.0977*** 0.0508 0.00906 0.0508 0.00906 (0.0152) (0.0152) (0.0177) (0.0175) (0.0338) (0.0337) (0.0794) (0.0759) Lag +1 -0.0452*** -0.0130 0.0194 0.0844*** 0.00290 -0.0219 0.00290 -0.0219

(0.0129) (0.0129) (0.0166) (0.0164) (0.0338) (0.0337) (0.0874) (0.0875) Lag +2 0.00442 -0.0228* 0.0664*** 0.0732*** 0.0553 -0.0316 0.0553 -0.0316

(0.0129) (0.0129) (0.0167) (0.0165) (0.0339) (0.0337) (0.0883) (0.0913) Lag +3 -0.0270** -0.0765*** 0.0401** 0.0222 0.0233 -0.0913*** 0.0233 -0.0913

(0.0134) (0.0133) (0.0174) (0.0172) (0.0341) (0.0339) (0.0895) (0.0946) Lag +4 0.0347** 0.0173 0.0911*** 0.0985*** 0.0312 -0.0568 0.0312 -0.0568

(0.0153) (0.0152) (0.0198) (0.0196) (0.0352) (0.0351) (0.0939) (0.0999) Lag +5 -0.0374** -0.0164 0.0242 0.0688*** -0.0376 -0.0963*** -0.0376 -0.0963

(0.0156) (0.0155) (0.0201) (0.0199) (0.0354) (0.0352) (0.0963) (0.109) Lag +6 0.0130 0.0222 0.0783*** 0.114*** 0.0128 -0.0605* 0.0128 -0.0605 (0.0167) (0.0167) (0.0220) (0.0217) (0.0358) (0.0357) (0.0976) (0.103)

Constante 0.00801*** 0.0189*** 1.013*** 1.367*** 0.365*** 0.395*** 0.365** 0.395*** (0.00196) (0.00196) (0.0330) (0.0326) (0.112) (0.112) (0.175) (0.151)

Obs 385,935 385,935 385,728 385,728 385,728 385,728 385,728 385,728

R-quadrado 0.001 0.002 0.069 0.089 0.660 0.663 0.660 0.663

Tabela 8: Resultados do Modelo 2 para alunos que estavam na 3ª série em 2010 e na 4ª série em 2011. "Ocupação" indica o efeito imediato do tratamento no período da ocupação policial, enquanto os lags indicam o efeito do tratamento para períodos anteriores e posteriores à mesma.

(40)

(1) (2) (3) (4) (5) (6) (7) (8)

Lag -6 -0.0168 -0.0853*** 0.0989*** 0.0159 0.0992*** -0.163*** 0.0992 -0.163* (0.0123) (0.0123) (0.0150) (0.0148) (0.0377) (0.0393) (0.0722) (0.0847) Lag -5 -0.0935*** -0.0967*** 0.00887 -0.00181 0.00602 -0.183*** 0.00602 -0.183** (0.0123) (0.0123) (0.0150) (0.0149) (0.0377) (0.0393) (0.0716) (0.0793) Lag -4 -0.0788*** -0.112*** 0.0234 -0.0176 0.0190 -0.198*** 0.0190 -0.198***

(0.0124) (0.0123) (0.0150) (0.0148) (0.0377) (0.0392) (0.0692) (0.0764) Lag -3 -0.0469*** -0.135*** 0.0540*** -0.0387*** 0.0522 -0.223*** 0.0522 -0.223***

(0.0125) (0.0125) (0.0149) (0.0147) (0.0373) (0.0388) (0.0635) (0.0691) Lag -2 -0.0804*** -0.167*** 0.000620 -0.0910*** 0.0110 -0.262*** 0.0110 -0.262***

(0.0116) (0.0116) (0.0137) (0.0136) (0.0370) (0.0385) (0.0629) (0.0723) Lag -1 -0.124*** -0.183*** -0.0494*** -0.109*** -0.0417 -0.282*** -0.0417 -0.282***

(0.0116) (0.0116) (0.0137) (0.0136) (0.0370) (0.0385) (0.0668) (0.0708) Ocupação -0.0188 -0.0464*** 0.0202 0.0292 0.0224 -0.107*** 0.0224 -0.107

(0.0161) (0.0161) (0.0187) (0.0186) (0.0387) (0.0403) (0.0672) (0.0771) Lag +1 0.0178 0.00801 0.0632*** 0.0725*** 0.0276 -0.0944** 0.0276 -0.0944

(0.0137) (0.0137) (0.0178) (0.0176) (0.0386) (0.0402) (0.0683) (0.0806) Lag +2 0.0213 -0.0172 0.0558*** 0.0397** 0.0152 -0.123*** 0.0152 -0.123

(0.0137) (0.0137) (0.0178) (0.0177) (0.0386) (0.0402) (0.0703) (0.0823) Lag +3 -0.0249* -0.0372*** 0.0128 0.0195 -0.0288 -0.143*** -0.0288 -0.143*

(0.0141) (0.0141) (0.0185) (0.0183) (0.0389) (0.0405) (0.0727) (0.0866) Lag +4 -0.00611 0.0276* 0.0690*** 0.113*** 0.0153 -0.0729* 0.0153 -0.0729

(0.0153) (0.0153) (0.0205) (0.0204) (0.0399) (0.0415) (0.0817) (0.0962) Lag +5 -0.00105 -0.0225 0.0680*** 0.0556*** 0.00924 -0.145*** 0.00924 -0.145

(0.0155) (0.0155) (0.0208) (0.0206) (0.0400) (0.0417) (0.0836) (0.102) Lag +6 0.0524*** 0.0266 0.130*** 0.110*** 0.0644 -0.0997** 0.0644 -0.0997 (0.0164) (0.0164) (0.0223) (0.0221) (0.0404) (0.0420) (0.0895) (0.101)

Constante 0.00320 0.0165*** 1.779*** 2.146*** 0.157 0.256** 0.157 0.256** (0.00200) (0.00200) (0.0357) (0.0354) (0.125) (0.130) (0.138) (0.120)

Obs 368,086 368,086 367,930 367,930 367,930 367,930 367,930 367,930

R-quadrado 0.001 0.002 0.070 0.085 0.625 0.594 0.625 0.594

(41)

(1) (2) (3) (4) (5) (6) (7) (8)

Lag -6 -0.152*** -0.154*** -0.0136 -0.0739*** -0.149*** -0.189*** -0.149** -0.189*** (0.0130) (0.0130) (0.0157) (0.0155) (0.0230) (0.0235) (0.0687) (0.0640) Lag -5 -0.160*** -0.166*** -0.0235 -0.0878*** -0.160*** -0.199*** -0.160** -0.199***

(0.0130) (0.0130) (0.0157) (0.0156) (0.0230) (0.0235) (0.0717) (0.0667) Lag -4 -0.137*** -0.147*** -0.00135 -0.0674*** -0.136*** -0.175*** -0.136* -0.175** (0.0131) (0.0130) (0.0157) (0.0155) (0.0230) (0.0234) (0.0733) (0.0686) Lag -3 0.0310*** 0.0144 0.179*** 0.101*** 0.0372* 0.00545 0.0372 0.00545 (0.0118) (0.0118) (0.0144) (0.0143) (0.0217) (0.0222) (0.0538) (0.0643) Lag -2 -0.0356*** 0.0135 0.0870*** 0.0879*** -0.0561*** -0.00534 -0.0561 -0.00534 (0.0112) (0.0112) (0.0135) (0.0134) (0.0214) (0.0218) (0.0562) (0.0485) Lag -1 0.0184 0.0540*** 0.133*** 0.122*** -0.00468 0.0358 -0.00468 0.0358

(0.0115) (0.0114) (0.0137) (0.0136) (0.0215) (0.0219) (0.0529) (0.0485) Ocupação 0.0261 -0.00747 0.137*** 0.0782*** 0.0579** 0.106*** 0.0579 0.106

(0.0179) (0.0179) (0.0202) (0.0200) (0.0269) (0.0274) (0.0690) (0.0734) Lag +1 -0.0374*** -0.0127 0.0810*** 0.0910*** 0.0196 0.138*** 0.0196 0.138*

(0.0144) (0.0144) (0.0182) (0.0181) (0.0269) (0.0275) (0.0891) (0.0715) Lag +2 -0.0459*** -0.0391*** 0.0654*** 0.0582*** 0.00535 0.106*** 0.00535 0.106

(0.0143) (0.0143) (0.0182) (0.0181) (0.0270) (0.0276) (0.0908) (0.0790) Lag +3 -0.102*** -0.0317** 0.0107 0.0669*** -0.0622** 0.114*** -0.0622 0.114

(0.0149) (0.0149) (0.0190) (0.0189) (0.0274) (0.0280) (0.0887) (0.0817) Lag +4 -0.000864 0.0380** 0.148*** 0.155*** 0.0549* 0.178*** 0.0549 0.178** (0.0153) (0.0153) (0.0210) (0.0209) (0.0288) (0.0294) (0.0878) (0.0880) Lag +5 0.0110 0.0283* 0.156*** 0.150*** 0.0683** 0.178*** 0.0683 0.178** (0.0155) (0.0155) (0.0212) (0.0211) (0.0291) (0.0297) (0.0917) (0.0864) Lag +6 0.0134 -0.00663 0.166*** 0.121*** 0.0820*** 0.144*** 0.0820 0.144

(0.0166) (0.0165) (0.0227) (0.0226) (0.0297) (0.0303) (0.0976) (0.0909)

Constante 0.0111*** 0.00549*** 2.555*** 2.832*** 0.125 -0.0959 0.125 -0.0959 (0.00204) (0.00203) (0.0381) (0.0378) (0.106) (0.109) (0.102) (0.121)

Obs 354,474 354,474 354,308 354,308 354,308 354,308 354,308 354,308

R-quadrado 0.001 0.002 0.089 0.103 0.601 0.584 0.601 0.584

(42)

−.15

−.1

−.05

0

.05

−5 0 5

id

Estimativa do Impacto IC 95%

Impacto das UPPs − 2a e 3a séries

−.15

−.1

−.05

0

.05

−5 0 5

id

Figura 5: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 2ª e 3ª séries. A linha vertical indica o período da ocupação policial, no lag 0.

−.1

0

.1

.2

.3

−5 0 5

id

−.1

0

.1

.2

.3

−5 0 5

id

(43)

−.2

−.1

0

.1

.2

−5 0 5

id

−.1

0

.1

.2

−5 0 5

id

Figura 7: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 2ª e 3ª séries, controlando por covariadas e inserindo efeitos fixos.

−.2

−.1

0

.1

.2

−5 0 5

id

−.2

−.1

0

.1

.2

.3

−5 0 5

id