UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS SOCIAIS APLICADAS DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS
ELIZEU MANIÇOBA DA SILVA FILHO
VIOLÊNCIA DOMÉSTICA CONTRA A MULHER E FATORES SOCIOECONÔMICOS: EVIDÊNCIAS PARA O RIO GRANDE DO NORTE
NATAL/RN 2018
ELIZEU MANIÇOBA DA SILVA FILHO
VIOLÊNCIA DOMÉSTICA CONTRA A MULHER E FATORES SOCIOECONÔMICOS: EVIDÊNCIAS PARA O RIO GRANDE DO NORTE
Monografia submetida à Coordenação do curso de Ciências Econômicas, do Centro de Ciências Sociais Aplicadas da Universidade Federal do Rio Grande do Norte, como re-quisito parcial para a obtenção do título de Bacharel em Ciências Econômicas.
Prof. Dr. Diego de Maria Andre
NATAL/RN 2018
Silva Filho, Elizeu Maniçoba da.
Violência doméstica contra a mulher e fatores
socioeconômicos: evidência para o Rio Grande do Norte / Elizeu Maniçoba da Silva Filho. - Natal, 2018.
41f.: il.
Monografia (Graduação em Ciências Econômicas) - Universidade Federal do Rio Grande do Norte, Centro de Ciências Sociais Aplicadas, Departamento de Ciências Econômicas.
Orientador: Prof. Dr. Diego de Maria André.
1. Economia Monografia. 2. Violência contra mulher Aspectos socioeconômicos Monografia. 3. Violência doméstica -Aspectos socioeconômicos - Monografia. 4. Pobreza - Monografia. I. André, Diego de Maria. II. Título.
RN/UF/CCSA CDU 33:364.632-055.2
Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial do Centro Ciências Sociais Aplicadas - CCSA
ELIZEU MANIÇOBA DA SILVA FILHO
VIOLÊNCIA DOMÉSTICA CONTRA A MULHER E FATORES SOCIOECONÔMICOS: EVIDÊNCIAS PARA O RIO GRANDE DO NORTE
Monografia submetida à Coordenação do curso de Ciências Econômicas, do Centro de Ciências Sociais Aplicadas da Universidade Federal do Rio Grande do Norte, como re-quisito parcial para a obtenção do título de Bacharel em Ciências Econômicas.
Aprovada em: 11 de Dezembro de 2018
BANCA EXAMINADORA
Prof. Dr. Diego de Maria Andre(Orientador) Universidade Federal do Rio Grande do Norte
(UFRN)
Prof. Dra Janaina da Silva Alves
UNIVERDADE FEDERAL DO RIO GRANDE DO NORTE (UFRN)
AGRADECIMENTOS
Obrigado, Deus, tudo que tenho e sou eu devo a ti!Obrigado, meus pais, vocês me motivam a continuar, fazem-me lembrar de onde vim e para onde quero ir.
Obrigado, Ruth e Raquel, vocês merecem tudo que eu puder fazer. Amo vocês! Obrigado, Andressa Medeiros, você é fundamental, o alicerce que eu preciso. Por trás de um grande homem, existe uma mulher melhor ainda! Você é. Amo você!
Ao meu grande amigo, Guilherme Diniz Irffi, te admiro muito. Obrigado por tudo sempre!
Ao meu orientador Diego. Para mim, um professor que sabe guiar pelos passos da pesquisa até os moribundos do curso de economia e os faz crescer, aprender e batalhar contra eles mesmos. Aos professores João Paulo, Igor e Janaina, vocês foram refúgio e guias.
Ao colega de turma, ao amigos que conquistei no decorrer de 5 anos. Porém, não posso deixar de agradecer a Leonardo Gabriel e a Samuel. Nos momentos de desespero, quando achei que ninguém poderia me ajudar, vocês foram essenciais. Jamais vou me esquecer. A Joelson, por ter me ajudado tantas vezes, e a Raul, amigo distante que me motiva todos os dias com ideias e positividade para encarar a vida dentro do banco.
RESUMO
O presente trabalho tem por objetivo identificar e quantificar o efeito determinantes das variáveis socioeconômicas sobre os números ocorrência registradas Estado do Rio Grande do Norte de violência doméstica contra a mulher. Para isso, utilizando a base de dados da secretária de segurança publica do Estado e dados do Censo Demográfico. Foram estimados modelos de contagem e comparados segundo critérios estatísticos. Comparado com outros modelos, o que melhor se ajustou foi o Binomial Negativo com inflação de zeros. Na especificação, foram consideradas variáveis socioeconômicas como renda per capita dos pobres, percentual de pobres, anos de estudos, índice de Gini e IDHM, que em alguma medida influencia de maneira positiva ou negativa no aumento do número de denúncia. A variável anos de estudo demonstrou ser significativa para os municípios sem ocorrência. As variáveis índice de Gini e Renda Per capita dos pobres apresentou sinal positivo como explicativas para o aumento do número de registro de ocorrência de violência contra a mulher. O sinal negativo para o IDHM reforça a literatura que municípios desenvolvidos têm maior probabilidade de ocorrer registro de violência contra mulher
Palavras-chave: Violência Contra Mulher. Violência Doméstica. Pobreza. Fatores Socioe-conômicos
ABSTRACT
The present work aims to identify and quantify the effect of socioeconomic determinants on the numbers recorded occurrence state of Rio Grande do Norte of domestic violence against women. To do this, using the database of the Secretary of public safety of the State and Census data. Count models were estimated and compared according to statistical criteria. Compared with other models, the best fit was the Negative Binomial with zero inflation. In the specification, were considered socioeconomic variables as per capita incomes of the poor, poor percentage, years of study, and Gini index IDHM, which to some extent positively or negative influence on the increase in the number of complaint. The years of study to be meaningful to the municipalities without occurrence. The Gini index variables and Per-capita income of the poor presented positive sign as to an increase in the number of explanatory of record of the occurrence of violence against women. The negative sign for the IDHM reinforces the literature that developed counties are more likely to occur in record violence against woman.
LISTA DE FIGURAS
Figura 3.1 – Modelo Ecológico Heise (1998) . . . 16
Figura 5.1 – Casos do RN . . . 25
Figura 5.2 – Dispersão de zeros . . . 26
LISTA DE TABELAS
Tabela 5.1 – Variáveis do Modelo . . . 24
Tabela 5.2 – Estatística Descritiva . . . 24
Tabela 7.1 – Estatística do modelo . . . 31
Tabela 7.2 – Teste de Dispersão . . . 31
Tabela 7.3 – Voung - Poisson Inflacionado x Binomial Inflacionado . . . 32
SUMÁRIO
1 INTRODUCÃO . . . 11
2 REVISÃO DE LITERATURA . . . 13
2.1 Uma introdução à Economia do crime e à violência contra a mulher 13 2.1.1 Entendendo a violência contra a mulher . . . 14
3 DETERMINANTES DA VIOLÊNCIA DOMÉSTICA CONTRA MU-LHER . . . 16
4 MODELOS ECONÔMICOS DE VIOLÊNCIA E SUAS CONSEQUÊN-CIAS PARA MULHER E ECONOMIA . . . 20
4.1 Impacto sobre a Saúde Mental . . . 20
4.2 Impacto sobre o mercado de Trabalho e produtividade . . . 21
5 BASE DE DADOS E ESTATÍSTICAS DESCRITIVAS . . . 23
5.1 Base de dados . . . 23
5.2 Estatísticas Descritivas . . . 24
6 MODELO ECONOMÉTRICO . . . 27
6.1 Modelos de Contagem . . . 27
6.1.1 Regressão de Poisson e Regressão Binomial Negativa . . . 27
6.2 Modelos de contagem para excessos de zeros . . . 28
6.2.1 Regressão de Poisson com Inflação de Zeros . . . 28
6.2.2 Modelo Binomial negativo inflacionado de zeros . . . 29
6.3 Escolha do Modelo . . . 29
7 RESULTADOS . . . 31
8 CONSIDERAÇÕES FINAIS . . . 35
1 INTRODUCÃO
A violência doméstica contra mulher é uma realidade presente em todo o mundo. Os danos à saúde das vítimas e os custos sociais e econômicos são incalculáveis, todavia cada vez mais as políticas públicas necessitam de evidência empírica para tomar decisões e pensar de maneira cada vez mais eficiente como solucionar os problemas da sociedade. Segundo Ellsberg et al. (2005), o Brasil era o 5° país com mais assassinato de mulheres, em um grupo de 83 da Organização Mundial da Saúde. Não obstante, ao analisar as últimas pesquisas, como de Cerqueira et al. (2018), foram registrados, em 2016, 4.645 mulheres assassinadas no país,ou seja, para cada 100 mil brasileiras, uma taxa de 4,5% homicídios.
Assim, buscar entender e mensurar a violência doméstica tem sido cada vez mais o interesse dos economistas. Porém, sabe-se que para melhor entender a violência contra mulher, é preciso um olhar multidisciplinar e ser aberto aos pequenos detalhes que podem passar despercebidos durante as pesquisas que usam apenas visões tradicionais para os fenômenos sociais. Fatores socioeconômicos são inúmeras vezes citados como possíveis causas da violência contra a mulher.
Este trabalho teve como objetivo principal entender como a violência doméstica pode ser afetada por variáveis socieconômicas. A escolha do fator socioeconômico como variáveis independentes se deu devido à necessidade mensurar como se comportam os registros de casos de ocorrência nos municípios do Rio Grande do Norte, no período de 2015 a 2017, quando são levando em consideração. Então, objetiva-se analisar os registros de ocorrência da violência a partir das variáveis socioeconômicas selecionadas.
Para isso, foi desenvolvido como análise central da revisão de literatura o modelo ecológico de Heise (1998), que analisa a violência doméstica contra a mulher a partir de espectro que perpassa o agressor e seus condicionantes, os relacionamentos, a comunidade e a sociedade. O agressor recebe maior atenção juntamente com o espectro da comunidade, essa última por ser a variável independente. A necessidade de maior investigação por parte do espectro do agressor é, principalmente, porque segundo Wailselfisz (2015) cerca de metade dos homicídios femininos no ano de 2013 foi perpetrada por familiares da vítima, tipificando casos de violência doméstica.
Devido à escassez de dados referentes à violência contra a mulher no Brasil, usou-se número de boletins de ocorrência registrados em todos os municípios do Rio Grande do Norte, no período de 2015 a 2017, obtidos na Secretaria de Estado da Segurança Pública e da Defesa Social (SESED), e para as variáveis explicativas, o trabalho utilizou o índice Gini, IDHM, Percentual de pobres, Média dos anos de estudos do município e Renda da população pobre. Para os dados socioeconômicos, nossa base de dados foi o Censo Demográfico.
12
Esses dados apresentam a peculiaridade de excessos de zeros para os municípios que não registraram ocorrência no período selecionado,assim foram testados modelos que explicassem os números registrados e os zeros. O modelo que melhor se ajustou foi o modelo binomial negativo com excesso de zeros. Assim, o presente trabalho está dividido em 7 capítulos, sendo o primeiro dedicado à presente introdução; o segundo capítulo apresenta uma breve introdução à economia do crime e à violência doméstica contra a mulher; o terceiro discorre sobre os determinantes da violência doméstica contra a mulher a partir do modelo ecológico de Heise (1998); o quarto apresenta uma breve revisão da literatura econômica sobre a violência doméstica; no quinto , tem-se a base de dados e as estatísticas descritivas; o sexto o modelo econométricos que para dados de contagens e com excesso de zeros, no sexto capítulo os resultados; e, por fim, no sétimo capítulo, apresenta-se a conclusão.
2 REVISÃO DE LITERATURA
2.1
UMA INTRODUÇÃO À ECONOMIA DO CRIME E À
VIO-LÊNCIA CONTRA A MULHER
É cada vez mais crescente o interesse dos economistas por variáveis específicas do dia a dia da sociedade, fugindo dos assuntos clássicos, como inflação, crescimento econômico e crises. Os estudos sobre criminalidade e violência começaram a ganhar relevância entre os economistas a partir da década de 60, a partir das publicações de , Fleisher (1963), Fleisher (1966), Leibowitz (1966) e Ehrlich (1973). Todavia, Becker (1968) e Ehrlich (1973) realizaram o amadurecimento, transformações teóricas e metodológicas que fizeram surgir o conceito de Economia do Crime.
De acordo com Becker (1968), a economia do crime está fundamentada na ideia de que os atos criminosos são atos racionais, ou seja, o agente que decide cometer atos ilícitos pode não sofrer de possíveis distúrbios psicológicos como o senso comum muitas vezes alega, e sim porque ponderou as possibilidades de perdas e ganhos. Entre essas possibilidades estão a probabilidade de ser capturado, o valor do bem e o grau de punição esperado uma vez que for capturado. A partir de todas essas variáveis, é analisado então o bem-estar em cometer ou não crime e, assim, mensura-se sua utilidade marginal com aquela ação. Nesse contexto, trabalhos que nasceram em Becker (1968) trouxeram inovações significativas no entendimento pleno das variáveis que afetam os agentes que cometem atos ilícitos (JR; FAJNZYLBER, 2001)
No Brasil, os estudos sobre criminalidade ganham relevância, principalmente com as crescentes manchetes das altas taxas de criminalidade que assolam o país. Cabe um destaque para o aumento dos crimes de homicídio, em que o Brasil alcançou a marca histórica de 62.517 homicídios no ano de 2016, segundo dados do Ministério da Saúde. Isso equivale a uma taxa de 30,3 mortes por 100 mil habitantes, ou seja, nos últimos dez anos, 553 mil pessoas perderam suas vidas devido à violência intencional no Brasil (CERQUEIRA et al., 2018).
Ao analisar os dados da violência contra a mulher, a realidade não muda. Segundo Ellsberg et al. (2005), o Brasil era o 5° país com mais assassinato de mulheres, em um grupo de 83 da Organização Mundial da Saúde. Não obstante, ao analisar as últimas pesquisas, como de Cerqueira et al. (2018)., foram registrados, em 2016, 4.645 mulheres assassinadas no país, ou seja, para cada 100 mil brasileiras, uma taxa de 4,5% homicídios.
14
2.1.1
Entendendo a violência contra a mulher
Apesar da crescente onda de estudos econômicos sobre criminalidade e violência dada as condições nacionais, continuam escassos os estudos que abordam o tema da violência contra a mulher. O Brasil ainda é um país atormentado por esse flagelo. De acordo com Wailselfisz (2015), no ano de 2009, o Brasil ocupava a sétima posição no ranking dos países com mais crimes cometidos contra a mulher. Os dados estatísticos são extremante preocupantes e mostram o longo caminho que precisa ser trilhado para encontrar as soluções e as formas de combater tal flagelo. O Brasil obteve na última década alguns avanços sociais consequentes da implantação de alguns dispositivos legais de combate à violência contra a mulher, como a Lei Maria da Penha (Lei 11.340/2006) e a Lei 13.642/2018, que criminalizam a divulgação e propagação de mensagens misóginas pela internet. Os recentes estudos têm mostrado que por mais significativas que tenham sido essas ações, os dados mostram que estamos longe de erradicar a violência doméstica do cotidiano da mulher brasileira (GARCIA; SILVA, 2018).
Para um melhor entendimento, será utilizado o conceito de violência doméstica como toda violência cometida contra a mulher em ambiente domiciliar. Essa definição se encaixa perfeitamente no conceito de violência contra a mulher descrita pela declaração da ONU sobre Violência (1993), que define violência contra a mulher como “[...] qualquer ato de violência baseada no gênero que resulte ou que potencialmente resulte em danos físicos, sexuais, psicológicos ou qualquer tipo de sofrimento nas mulheres”. Definido isso, tal fenômeno social tornou-se no decorrer do tempo o paradigma da violência contra a mulher: A violência nas relações afetivas-conjugais, também intitulada de violência doméstica ou familiar (SOARES, 1999).
Com isso, pesquisas têm sido desenvolvidas em economia com o intuito de tentar entender as causas e mensurar as consequências da violência doméstica contra a mulher. Cabendo destaque para os estudos de Sampaio (2017), que tiveram dois propósitos fundamentais:(a) Avaliar o desenho institucional do dispositivo Legal e (b) Mensurar como a Lei tem impactado os números da violência contra a mulher no Brasil, concluindo que houve redução de 10% nos números de homicídios de mulheres no Brasil. Já Junior (2015) desenvolveu o primeiro estudo empírico com o intuito de avaliar os possíveis efeitos da Lei Maria da Penha ao longo dos 8 anos subsequentes à implementação da Lei, chegando, então, à conclusão da necessidade de alguns entraves que ainda estão impedindo a máxima utilidade da Lei no decorrer do tempo.
Por último e não menos importante, a pesquisa sobre violência doméstica contra a mulher tem ganhado notoriedade no Nordeste em virtude de um grupo de pesquisa ligado à Universidade Federal do Ceará, em parceria com o Instituto Maria da Penha e Institute Advanced Study Toulouse. Iniciativa essa que ficou conhecida como Pesquisa de Condições Socioeconômicas e Violência Doméstica e Familiar contra a Mulher, Carvalho and Oliveira (2017) que tem como objetivos desenvolver uma base de dados longitudinais,
15
entender como são alocados os recursos, como o poder é definido dentro dos domicílios e, principalmente, como a violência tem se perpetuado nas relações sociais da família das mulheres nordestinas.
Alguns resultados preliminares já foram aferidos na primeira onda do estudo e destaca-se que 17,27% da população feminina entre 15 e 49 anos já foi vítima de violência física ao longo de sua vida e que a cidade do Natal, capital do Rio Grande do Norte, é a segunda cidade com maior índice de violência física contra a mulher (19,37%) e a terceira (8,38%) em violência sexual ao longo da vida. Ainda segundo (CERQUEIRA et al., 2018), o estado do Rio Grande do Norte mostra números preocupantes, em que houve aumento de 232,0% em homicídio no acumulado de 2005 a 2015. Quanto ao tema principal desta pesquisa, a realidade não é diferente. O estado do Rio Grande do Norte teve uma variação positiva de 138.7% no período de 2006 a 2016, ou seja, o RN é o estado mais violento para mulheres do Brasil nos últimos 10 anos quando analisamos a variação total.
3 DETERMINANTES DA VIOLÊNCIA
DO-MÉSTICA CONTRA MULHER
No presente trabalho, não há o intuito de revisar todas as correntes e ideias que envolvem o tema, e sim descrever e explicar as principais correntes de pesquisa em economia e em outras ciências que têm se atentado ao problema da violência doméstica contra a mulher. Quando se tenta compreender o fenômeno da violência contra a mulher, principalmente em ambiente doméstico, é muitas vezes citado como motivo principal a predominância do machismo na sociedade, que é resultado de uma ideia de superioridade do homem, que foi construída no decorrer da história, e que a violência é um meio de demonstrar controle e exercer o direito de ser superior. Com isso, o homem tornou-se dono das suas próprias ações e das suas próprias mulheres, que passaram a ser subjugadas e posse de seus homens (TAVARES; NERY, 2012).
Sabendo dessa multidimensionalidade, para melhor analisar todos os determinantes que fazem parte desse flagelo, partiremos do modelo ecológico de fatores associados de violência infligida pelo parceiro de Heise (1998) – Figura 3.1. O Modelo decompõe toda a realidade social que envolve a mulher em situação de violência com o intuito de melhor descrever cada classe e entender como a violência contra a mulher se manifesta. Nesse ponto não nos atentaremos apenas aos estudos e teorias econômicas, entraremos em outras ciências de maneira introdutória para melhor explicar a multifaces das variáveis que estão presentes na ocorrência de violência doméstica.
Figura 3.1 – Modelo Ecológico Heise (1998)
No primeiro espectro, em que o agressor é fator principal, o modelo avalia como variáveis que perpetuam na vida do agressor podem causar em alguma medida impacto sobre a mulher como possível alvo de violência doméstica. Algumas dessas variáveis são: ciúme,abuso de álcool, contato com violência no decorrer da infância, ser rejeitado pelo pai e até ser abusado quando criança, o que pode gerar e desencadear comportamentos agressivos e explicar o fenômeno da violência contra a mulher.
17
A pesquisa DATASENADO (2018) conduzida pelo Senado Federal chegou ao número alarmante de que 16% das mulheres que sofreram violência tiveram como justificativas do agressor o fator ciúme, ou seja, essa variável corrobora com a teoria de dominação masculina no tocante à posse e controle. Ainda nessa pesquisa, Carvalho and Oliveira (2017) a variável indicada pelas mulheres como principal indutor foi o abuso do álcool.
No Brasil, o consumo de álcool é de larga escala, sendo seu consumo em sua gigantesca maioria por homens, Garcia and Freitas (2015). Em estudo desenvolvido no Rio Grande do Sul, com vítimas de violência doméstica que fizeram boletins de ocorrência, demonstrou-se que o companheiro usava de maneira abusiva álcool em 84% dos casos, sendo apontados fatores que fazem do uso abusivo do álcool indutor da violência: tentativa de persuadir o agressor a parar de beber e impedir o ato sexual forçado por parte do agressor (VIEIRA et al., 2014). Cabe destacar ainda o estudo que avalia o impacto da proibição do álcool sobre os números de violência doméstica na Índia, tendo como resultado correlação positiva entre as variáveis. Os resultados sugerem que políticas que restringem o acesso ao álcool podem ajudar a reduzir a violência contra a mulher (LUCA et al., 2015).
Ainda sobre o primeiro espectro, existe uma variável muitas vezes menosprezada por estudos econômicos, é a concepção de a violência ser transmitida entre gerações. Um dos primeiros economistas a estudar o modelo de violência intergeração foi Pollak (2004). A estrutura teórica para tentar explicar o que é e como se perpetua a violência intergeracional resultou em uma nova perspectiva: a teoria do aprendizado social. De acordo com Smith-Marek et al. (2015) a criança quando exposta à violência, independente da sua forma, tenderá a repetir e assimilar aquele modelo de relação como padrão aceitável, compreendendo que a violência é ‘normal’ em uma relação. Quando adulto, existe grande probabilidade de se relacionar com parceiros que também tenham sofrido violência ou que aceita a violência como condição de sobrevivência do casal (HERZBERGER, 1996).
A Pesquisa de Condições Socioeconômicas e Violência Doméstica e Familiar contra a Mulher, Carvalho and Oliveira (2017) tem trazido à tona esses dados para a realidade das capitais nordestinas. Durante a infância, uma em cada cinco mulheres (20,1%) souberam de agressões físicas sofridas por suas mães. Desse grupo, 88.7% não apenas souberam, mas presenciaram agressões vividas por suas mães, sendo a capital do Rio Grande do Norte destaque com 25%. Não obstante, a capital potiguar se destaca (12%) como a mais violenta para as gestantes entre as capitais nordestinas, ou seja, a pesquisa tem demonstrado como a violência está sendo transmitida entre as gerações. Todavia, as consequências da exposição à violência não se restringem apenas às mulheres, mas também afetam os homens . Ainda segundo a pesquisa, 12,3% das mulheres informaram que seus parceiros e ex-parceiros souberam de agressões sofridas por suas mães durante a infância, tendo 85,2% deles presenciado (viu ou ouviu).
No espectro das relações, encontramos variáveis já discutidas como fatores do compor-tamento masculino, assim como o domínio financeiro do homem sobre a família. De acordo
18
com DATASENADO (2018), as brigas ou discussões correspondem a 19% dos motivos das agressões relatadas pela pesquisa. De acordo com a pesquisa de Oliveira (2010) fatores de menor frequência, muitas vezes menosprezados, representam 42% das ocorrências no Núcleo Integrado de Atendimento à Mulher – NIAM, em Campos dos Goytacazes, no estado do Rio de Janeiro. Entre esses fatores, destacam-se os problemas tanto do casal como familiar, os quais envolvem outras pessoas, como infidelidade, problemas psiquiátricos, recusa de separação, divórcio e problemas quanto à educação dos filhos, pensão alimentícia, jogos de azar, descoberta da homossexualidade do marido e a recusa da mulher em ter relações sexuais.
No espectro da comunidade, as principais variáveis do modelo são: isolamento das mulheres em situação de violência de outras mulheres, principalmente das mulheres de sua família, associação com pares violentos e fatores socioeconômicos, sendo esse último uma das principais hipóteses deste estudo. Existem variáveis essenciais para o entendimento dos fatores socioeconômicos que de fato trazem consequências diretas para o nível de violência, como o nível de desenvolvimento humano, a pobreza, a desigualdade de renda, dentre outras. Fatores como diferença salarial, dependência financeira, ausência de políticas públicas de transferências de renda, desemprego etc. são elementos que podem trazer consequências sobre os indicadores de violência contra a mulher, assim como a legislação, tal como a Lei Maria da Penha, que se configura como marco divisor de águas para as políticas públicas de combate à violência doméstica contra a mulher (BORGES, 2014).
O distanciamento das mulheres é entendido como distância impeditiva entre a vítima e familiares mais próximos. Essa distância pode ser um fator impeditivo ao ato de violência ou não, sendo também uma das principais responsáveis pelo ato de continuar na condição de vítima da violência doméstica, visto que as mulheres em situação de isolamento não encontram estímulos de familiares para deixar tal situação (NETTO et al., 2017).
Alguns estudos sobre esses fatores merecem um detalhamento maior, como o caso do acesso a políticas de transferências de renda. Hidrobo and Fernald (2013) desenvolveram um trabalho com o propósito de mensurar os impactos de um programa de transferência de renda desenvolvido no Equador. O estudo mostrou que o programa de transferência de renda para mulher com escolaridade acima do ensino básico pode propiciar melhores condições destas, no sentido de permanecer ou não no casamento. Desse modo, houve o poder de barganha das mulheres com maior escolaridade, o que acarretou em diminuição do percentual de violência.
Para o caso brasileiro, cabe o destaque para dois estudos que tentaram mensurar o real impacto de um programa de transferência de renda sobre variáveis de violência doméstica contra a mulher. Apesar de extremamente relevante, não existe consenso sobre a totalidade da eficiência da política como ferramenta contra a violência contra a mulher. Sabóia (2016) usando dados municipais de mortalidade feminina por causas externas para os anos de 2000 a 2010, encontrou uma relação negativa entre as variáveis, ou seja, maior
19
quantidade de mulheres participando do programa é um possível condicionante da queda nos números de feminicídio para o período. Essa linha tende a corroborar com a hipótese de Duflo (2012) e Lopez-Avila (2016) sobre a importância do empoderamento feminino como fundamental para o desenvolvimento econômico e social.
Contudo, Moreira et al. (2016) utilizando o modelo de avaliação de impacto com dados da PNAD 2009, encontrou algo bem diferente do estudo anteriormente citado. Os resultados do estudo dizem que a mulher beneficiária do programa de transferência de renda brasileiro tem 8,54% mais chance de sofrer violência por parte de seus parceiros ou ex-parceiros. Apesar de destoante dos trabalhos anteriormente citados, este trabalho corrobora com os resultados obtidos por Bobonis et al. (2013) por entender que o aumento da renda, por mais incremental que seja, pode desencadear aumento da possibilidade de agressão por parte do parceiro com o intuito de obter recursos da vítima.
Desemprego é outra variável que chama atenção. Alguns estudos apontam que o momento de desocupação ou ocupação do agressor e da vítima pode ser determinante para concretização ou não do ato de violência. Kyriacou et al. (1999) sugere como fator de risco o fato do parceiro íntimo estar desempregado ou em empregos temporários. Os resultados apontam para correlação positiva com incidência de violência contra a mulher, assim como o programa de transferência de renda, o fato do homem estar desempregado ser gerador de comportamentos agressivos com o intuito de obter recursos da parceira. Porém, para países mais desenvolvidos, como é o caso de alguns países europeus, em especial a Inglaterra e Países de Gales, o resultado tem sido o oposto: homens desempregados e dependentes da renda de sua esposa tendem a se abster de seus comportamentos abusivos por causa do incentivo econômico. Entretanto, caso a mulher fique desempregada ou tenha crises na estabilidade do seu emprego, esteja o homem desempregado ou não, a mulher torna-se vulnerável à violência (ANDERBERG; RAINER, 2013).
No último espectro, porém não menos importante, encontram-se fatores que relacionam as normas sociais e os padrões. Não é à toa que no modelo tal espectro seja intitulado de sociedade. As variáveis destacadas pelo modelo são: normas de concessão por parte dos homens, ou seja, controle sobre o comportamento feminino, aceitação social, principalmente por parte do parceiro, que a violência é o caminho para solução de conflitos. Isso acontece por causa dos papéis rígidos de gênero em relação ao comportamento da mulher e à condução do provedor da casa. Em certa medida, vários desses aspectos da sociedade já foram discutidos no presente trabalho. Apesar disso, compete destacar o estudo Ruiz-Pérez et al. (2004) sobre o comportamento de controle por parte do agressor. Esse estudo corrobora com a tese de que a violência é uma ferramenta de controle social com o intuito de acentuar a subordinação da mulher e fortalecer então os papéis sociais e patriarcado.
4 MODELOS ECONÔMICOS DE
VIOLÊN-CIA E SUAS CONSEQUÊNVIOLÊN-CIAS PARA
MULHER E ECONOMIA
Além do modelo teórico que envolve outros campos da ciência, é fundamental entender os modelos econômicos que explicam o processo de violência doméstica contra a mulher. Vale salientar que em alguma medida os modelos microeconômicos de violência contra a mulher englobam alguma das variáveis explicativas anteriormente citadas, por isso não se fazem necessários maiores detalhes sobre os motivos do impacto dessas variáveis no modelo. A visão econômica da violência contra a mulher começou a ser estudada a partir do modelo microeconômico de comportamento familiar de Becker (1965) em trabalho posterior Gary et al. (1981) e mais robusto. Ele tenta entender os comportamentos dos agentes familiares, como alocam tempo, as divisões de atividades domésticas, trabalho externo, como as decisões são tomadas, causa e consequência do aumento da força de trabalho das mulheres casadas na renda familiar, aumento da probabilidade de divórcios e mobilidade social sendo analisada de maneira intergeracional, entre outros assuntos.
Porém, foi de Tauchen et al. (1991) um dos primeiros trabalhos empíricos de análise da violência doméstica contra a mulher usando como variáveis independentes a variação da renda e emprego do casal. Os resultados mostraram que o aumento da renda da mulher apenas tem impacto negativo na violência quando há uma diferença na renda do casal. Por exemplo, se a renda do homem é baixa, então qualquer variação positiva na renda da mulher faz aumentar significativamente a violência. No entanto, se a renda masculina é alta e a feminina é baixa, então o aumento da renda da mulher pode diminuir significativamente a frequência da violência.
No modelo não cooperativo de Farmer and Tiefenthaler (1997), mostra-se que variáveis exógenas ao casamento podem impactar com a diminuição da incidência de violência doméstica. Os resultados fortalecem que ao aumentar as oportunidade econômicas, tem-se efeito negativo sobre a violência. Estem-se aumento de oportunidade não precisa tem-ser necessariamente aumento de renda. No estudo, a presença de instituições de caridade e hotéis próximos à incidência da violência, por serem pontos de apoio a mulher, desencoraja o comportamento violento do companheiro.
4.1
IMPACTO SOBRE A SAÚDE MENTAL
Os impactos da violência na saúde da mulher são em grande medida documentados e reformam o argumento da multidimensionalidade da violência. Apesar do senso comum
21
pensar apenas nas consequências físicas, o âmbito emocional é sem dúvida o mais afetado. As consequências da violência física contra a mulher perpassam uma gama de efeitos subsequentes, como distúrbio no sono, problemas alimentares, indisposição, além das queixas de dores pelo corpo, obesidade, síndrome do pânico e problemas intestinais como gastrite e úlcera (PARKER, 1990).
A saúde mental da vítima de violência é afetada de maneira direta, a quantidade de artigos que demonstram com riqueza de dados as consequências da violência psicológica contra a mulher é vasta. Tauchen et al. (1991) destaca a pesquisa Heise et al. (1999), que elenca como as principais consequências do estresse pós-traumático sintomas como depressão, ansiedade, fobias/transtorno do pânico, disfunção sexual, baixa autoestima, problemas de fertilidade e abuso de substâncias.
Quase duas décadas depois, o estudo ainda permanece atual, pois as recentes pu-blicações têm corroborado com os resultados, como o caso dos estudos de Pico-Alfonso (2005),Avdibegović and Sinanović (2006),Coker et al. (2002), Bonomi et al. (2006) e, no Brasil, Adeodato et al. (2005), esse último inserindo também outra variável consequente da violência, o desencadeamento do comportamento suicida, assim como em Ellsberg et al. (2008). Ribeiro et al. (2009) em estudo sobre a situação da saúde mental dos países em desenvolvimento, também chegou à conclusão de que entre a população feminina os principais sintomas foram depressão e transtorno de ansiedade consequente da violência sofrida em seus relacionamentos. De acordo com Carvalho and Oliveira (2017) algumas cidades do Nordeste apresentam dados relevantes sobre as consequências da violência. As cidades de Teresina, Aracajú e Natal apresentaram, respectivamente, 48%, 42% e 40% de suas populações femininas vítimas de violência doméstica, que responderam que o comportamento violento do parceiro desencadeou problemas para sua saúde mental. De acordo com Thornton (2014), a violência não apenas afeta a saúde mental da mulher, mas todos que estão em sua volta, principalmente as crianças.
4.2
IMPACTO SOBRE O MERCADO DE TRABALHO E
PRO-DUTIVIDADE
Quando a mulher sofre qualquer tipo de violência, sua produtividade no trabalho é afetada,como diz relatório da Prevention and Control (2003) Todos os anos, cerca de 8 milhões de dias de trabalho remunerado são perdidos nos Estados Unidos por causa da violência doméstica. Além disso, os custos para saúde e para economia do país giram em torno de US 4,1 bilhões e US1,8 bilhão, respectivamente. No Brasil, há a carência de dados sobre o impacto no mercado de trabalho e de como poderia impulsionar o crescimento econômico se conseguíssemos diminuir os custos da violência. Para fortalecer a hipótese dos impactos da violência sobre a economia, usaremos os recentes resultados da
22
pesquisa Carvalho and Oliveira (2017) que tem conseguido captar respostas inéditas para as pesquisas de violência no país.
As consequências da violência que afetam diretamente a saúde mental da mulher trazem consigo danos à produtividade no trabalho e custos para a economia como um todo. A proporção de mulheres que se dizem insatisfeitas com seus empregos e mulheres que repassam parte significativa de seus rendimentos para seus parceiros são significativamente maiores para mulheres que sofreram nos últimos 12 meses algum tipo de violência, Carvalho and Oliveira (2017). Apesar da violência ser um desencadeador da insatisfação com a ocupação atual, 23% das entrevistadas assumiram que deixaram de aceitar propostas de novas oportunidades por causa do parceiros. Essas evidências mostram como a violência tira a autonomia da mulher, seja sobre seus rendimentos, seja sobre suas escolhas profissionais.
A queda da produtividade da mulher como resultado da violência traz consigo con-sequências econômicas e sociais danosas para qualquer sociedade. A mulher que sofre violência tende a produzir menos, trabalhar menos, ganhar menos e ter menos acesso ao mercado de trabalho, e tais consequências precisam estar nas pautas de discussão sobre políticas públicas de segurança da mulher. Oni-Ojo et al. (2014) fala sobre alguns aspectos do modo perverso que a violência afeta a produtividade e o mercado de trabalho nigeriano. Já Sabia et al. (2013) mostra as consequências da violência sexual sobre rendimentos, horas trabalhadas e tenta demonstrar a probabilidade de a violência contra a mulher acontecer e afetar o mercado de trabalho. Paul (2016) fortalece ainda mais o referencial nesse trabalho citado sobre o modo como a violência se manifesta, principalmente quando o homem começa a perceber a perda do seu papel na família. O estudo ainda mostra as diversas formas em que a violência acontece, principalmente nas condições da mulher com alto escolaridade e renda maior ou homem em condição de desocupação.
Carvalho and Oliveira (2017) tem demonstrado o modo como a violência afeta o mercado de trabalho das mulheres do Nordeste Brasileiro, sendo esta uma das principais contribuições da pesquisa. A partir da autopercepção das mulheres ao serem perguntadas sobre o modo como a violência perpetrada por seus parceiros tem afetado seu trabalho, evidenciaram-se as consequências em variáveis, como horas a menos durante o expediente de trabalho representado por dias afastada do trabalho, queda na média de salário e menos tempo de empregabilidade em um mesmo posto de trabalho.
Os resultados mostram que, em média, 18 dias ao ano, as mulheres se afastam do trabalho por causa da violência. Os pesquisadores fizeram uma pequena simulação levando em consideração os valores médios de trabalho e horas, chegando a resultados alarmantes como as mulheres nordestinas que sofrem violência doméstica chegam a perder 985.986 dias por ano, em horas esse numero é 7,9 milhões a menos de trabalho. Os custos econômicos de massa salarial perdida gira em torno de 975 milhões perdidos por causa da violência no Brasil (CARVALHO; OLIVEIRA, 2017).
5 BASE DE DADOS E ESTATÍSTICAS
DES-CRITIVAS
5.1
BASE DE DADOS
Foram utilizados como dados de violência doméstica contra a mulher os registros de ocorrências(RO), obtidos através da Secretaria de Estado da Segurança Pública e da Defesa Social (Sesed), sendo os dados de boletins de ocorrência(BO) dos anos de 2012 a 2017. Todavia, por causa da melhor catalogação dos dados nos anos recentes, o trabalho foi desenvolvido com os dados de 2015 a 2017. O principal motivo desse refino nos dados se deu por causa da subnotificação das ocorrências de violência doméstica contra a mulher. Os motivos para o acontecimento da subnotificação perpassam desde dificuldade na operacionalização dos registros até fatores sociais, como a aceitação da violência como normal nas relações, a impunidade de agressores e até duvidar da palavra da vítima, culpabilizá-la ou até tentar persuadi-la a não dar continuidade à queixa, mostrando, assim, o despreparo dos agentes públicos no tratar dos dados e ocorrência.
Assim, o período selecionado não significa que não houve subnotificação, porém acredita-se que nos anos recentes houve mais intensificações sobre a importância dos dados para a melhoria dos serviços públicos e assim a capacitação por parte das instituições para o melhor registro e sua fidedignidade. Exemplo dessa subnotificação foi o estudo desenvolvido por Cerqueira et al. (2017) quanto aos dados de estupros no Brasil. De acordo com a pesquisa, houve um aumento de 84% no número de notificações de estupro no sistema de Informação de Agravos de Notificação (Sinan), contudo em que medida o aumento dos casos de estupro notificados se deve apenas à variação do fenômeno no país ou à diminuição na taxa de subnotificação, ocasionada pela expansão do sistema.
Para os dados socioeconômicos, foram utilizados dados do Censo Demográfico de 2010. Para estimar o modelo, as varáveis selecionadas foram: Anos de Estudos, IDH por município, percentual da população mais pobre e renda per capita dos pobres (aplicado log para medir a elasticidade da variação da renda). .
24
Tabela 5.1 – Variáveis do Modelo Variáveis Descrição
Ocorrência Quantidade de boletins de ocorrência re-gistrados de violência doméstica contra a mulher no período de 2015 a 2017.
Gini Medida de desigualdade comumente utili-zada para mensurar desigualdade de renda e sua distribuição. Varia entre 0 e 1, em que 0 corresponde à igualdade perfeita de renda e 1 a completa desigualdade da renda.
IDHM O índice de desenvolvimento humano muni-cipal mensura o desenvolvimento humano do município. O índice varia de 0 a 1, sendo quanto maior, melhor o desenvolvi-mento humano do município.
Anos de Estudos Média de anos de estudo da população do município.
Percentual de Pobres Percentual da população com renda cate-gorizado como pobre;
Renda Per Capita de Pobres Valor da renda média da população pobre do Município
Fonte: Elaboração Própria
5.2
ESTATÍSTICAS DESCRITIVAS
Para melhor descrever o comportamento das variáveis, a Tabela 5.2 apresenta as estatísticas descritivas da variável dependente e independente do modelo para todos os municípios do Rio Grande do Norte.
Tabela 5.2 – Estatística Descritiva
Média Desv-P Mín Mediana Max Ocorrência 35.14 184.86 0.00 3.00 2137.00 Gini 0.50 0.05 0.36 0.50 0.68 IDHM 0.61 0.04 0.53 0.61 0.77 Anos de Estudo 9.32 0.62 7.58 9.32 10.88 Percertual de pobres 0.35 0.10 0.10 0.37 0.56 Renda per capita de pobres 72.46 9.21 49.15 71.92 94.77 Fonte: Elaboração Própria
A variável Ocorrência é a variável dependente do modelo, que é representada por números de BO, sendo a média de 35 (BO) por município, porém o desvio padrão constata alta variabilidade entre municípios de 184 casos. A principal justificativa é a quantidade de zeros presentes nos dados.
25
O índice de Gini para os municípios do Rio Grande do Norte de 2015 a 2017 teve média de 0.50. O estado do Rio Grande do Norte apresenta média bem próxima da nacional que é 0.51, demonstrando a maneira que a desigualdade se comporta no estado. O IDHM para os municípios do Rio Grande do Norte foi de 0.61, ficando bem atrás do IDHM nacional 0,72. Percebe-se, dessa forma, a discrepância na qualidade de vida dos municípios do Rio Grande do Norte, quando se compara com a média nacional. A variável percentual de pobres descreve a quantidade percentual da população que se encontra em condição de pobreza (35%). Quando comparada a média nacional, 15%, também chamam atenção por ter mais do que o dobro da população pobre.
A variável média dos anos de estudos apresentou que 9,32 anos de estudo é a média da população dos municípios do Rio Grande do Norte. O estado apresenta média bem próxima da nacional que é 9,52 anos de estudos, média de todos os municípios do Brasil. Para a variável renda per capita dos pobres, os municípios apresentaram média domiciliar de R$ 72,46, não ficando muito distante da média nacional que é R$ 75,19. Assim, o estado apresenta dados de pobreza abaixo da média nacional, enfatizando a importância que os fatores socioeconômicos podem ter sobre os registros de ocorrência(RO).
Na Figura 5.1, é possível observar sua dispersão, demonstrando que 48 municípios dos 167 não apresentaram RO de violência doméstica contra a mulher nos últimos 3 anos. Apesar disso, entre os 119 municípios com ocorrência, o desvio padrão ainda permanece significativamente alto, também demonstrando a disparidade de ocorrência entre os municípios, principalmente entre aqueles com as maiores populações, principalmente a região metropolitana de Natal, região Alto do Seridó e Mato Grande. .
Número total de boletins de ocorrência por violência doméstica entre os anos de 2015 e 2017 Número de Boletins de Ocorrência Nenhum Caso 1 − 2 casos 3 − 5 casos 6 − 10 casos 11 − 20 casos 21 − 100 casos Mais de 100 casos 0 1 2 3 Km N
26
Os excessos de zeros são percebidos na Figura 5.1, sendo necessário analisar sua dispersão. Na Figura 5.2, a quantidade zeros é exposta, mostrando como se comportam os dados dos 48 municípios que não registraram nenhuma ocorrência no período de 2015 a 2017.
6 MODELO ECONOMÉTRICO
6.1
MODELOS DE CONTAGEM
Modelos em que a variável dependente são números inteiros não negativos,que não se encaixam nos modelos de regressões clássicas, sendo incorporada a classificação aos modelos de contagens. A principal característica desse tipo de modelo é descrever o número de vezes que um fenômeno ou evento é observado em um intervalo de tempo, dados com essas características são encontrados nos mais diversos campos das ciências (CAMERON; TRIVEDI, 2001); (WINKELMANN, 2000). Assim, para tratar esse tipo de dados, foram desenvolvidos modelos de contagens, sendo os principais: Modelo de Regressão de Poisson, Modelo de Regressão binomial Negativo.
6.1.1
Regressão de Poisson e Regressão Binomial Negativa
Regressão de Poisson foi criado por Wedderburn (1974), no processo de desenvolvimento do método da quase-verossimilhança. Todavia foi melhor descrita e aplicada por McCullagh (1983). A variável dependente segue a distribuição de Poisson, que significa que os dados devem possuir dispersão igual em torno da distribuição, ou seja, a média deve ser igual à variância, tal condicionalidade é conhecida como equidispersão (ELHAI et al., 2008). Assim, a regressão de Poisson é dada pela Equação:
P r(Y = y) = µ y · eµ
y! (6.1)
,
Sendo y uma variável aleatória que representa o número de vezes que o evento ocorreu e tendo distribuição de Poisson. Assim:
µi = E(Yi|Xi) = exp(Xi0β) (6.2)
Ou seja
f (Yi|Xi) =
µy · eµ
y! , para yi = 0, 1, 2... (6.3)
Apesar da facilidade de estimação, constata-se que a principal hipótese do modelo, µ = ν é dificilmente encontrada em dados de contagens, o que se percebe é uma superdispersão dos dados, ou seja quando a variância é maior que a média; ou uma subdispersão quando a variância é menor que a média. Com o intuito de amenizar os efeitos nos dados, foi desenvolvido o modelo de Regressão Binomial Negativo, que tenta modelar a superdispersão
28
dos dados, contudo quando esta é causada por excesso de zeros, o modelo não se ajusta muito bem. O modelo pode ser descrito como:
h(y|µ, α) = Γ(α
−1+ y)
Γ(α−1)Γ(y + 1) (6.4) para yi = 1, 2, 3, 4 , Sendo Γi a função Gamma, que é a distribuição do efeito aleatório
6.2
MODELOS DE CONTAGEM PARA EXCESSOS DE ZEROS
Além de rara a condicionalidade de média ser igual a variância, outro motivo que limita e até desqualifica os modelos de regressão de Poisson e modelo binomial negativo de serem os modelos hegemônico para os dados de contagem são os efeitos de superdispersão que são consequência do excesso de zeros, podendo ser: outliers, amostra apresentar correlação; excesso de zeros, dentre outros. Neste trabalho o fator causador da sobredispersão é o excesso de zeros. Segundo Lambert (1992) os dados nulos representados por zeros podem ter duas origem: a) Zeros estruturais: Ausência da característica determinante na população do estudo e b) Zeros amostrais: Ausência de característica na amostra/tempo(período de estudo).
Dessa forma, os modelos inflados de zero geram dois resultados que se complementam: um que se refere ao componente probit ou logit, para as variáveis infladas, para explicar a alta recorrência de zeros, a outra é uma regressão de poisson ou binomial negativa, para analisar os números que não há zeros, conhecida como a parte de contagem. Assim, os modelos têm se ajustado com essas novas condicionalidades para não enviesar os resultados por não conseguir captar os valores nulos. Com esse ajuste, os modelos se transformam em Regressão de Poisson com Inflação de Zero e Binomial Negativo com Inflação de Zero.
6.2.1
Regressão de Poisson com Inflação de Zeros
Para tentar solucionar o problema da superdispersão dos excesso de zeros, o modelo de Poisson com Inflação de zero propõe que os valores nulos podem ser gerados a partir de duas etapas, em que os componentes: a) representa a probabilidade dos valores iguais zero que segue uma distribuição binomial e b) representa a distribuição de Poisson, ajustada aos positivos maiores que zero inteiros. Os parâmetros da distribuição são medidos pela proporção de zeros (p) e pela média da distribuição Poisson λ excluindo-se os zeros. Assim, a função de distribuição é dada por:
P (Y = y) = p + (1 − p)e−λ , y = 0 (1 − p)e−λy·λ! y , y ≤ 0 (6.5)
Sendo y é a probabilidade do evento (y ≥ 0), p é a proporção de zeros e λ o parâmetro da média.
29
6.2.2
Modelo Binomial negativo inflacionado de zeros
Além da mudança da distribuição de probabilidade do modelo se comparado ao modelo anterior, o modelo binomial negativo tem melhor se ajustado aos dados de superdispersão de dados quando o principal motivo é o excesso de zeros, além de melhor analisar as diferenças existentes entre os zeros estruturais e os zeros amostrais. A probabilidade da observação ao assumir um valor diferente de zero é modelada pela distribuição Gama. Segundo Khamkong (2010) ao observar o comportamento da probabilidade, percebem-se mudanças nos valores de zeros que são captados pela distribuição GAMA.
P (Y = y) = p + (1 − p)1+λα1 1 α , y = 0 (1 − p) r(y+α1) r(1α)r(1+y) λα 1+λα y λα 1+λα 1λ , y ≥ 0 (6.6)
Sendo y é o número de probabilidade de acontecer tal evento (y ≥ 0), p é a proporção de zeros, λ é o parâmetro da média, σ é o parâmetro de dispersão e Γ é a função Gama.
6.3
ESCOLHA DO MODELO
Para melhor definir o modelo que se ajustará melhor aos dados, é preciso considerar o formato do dos dados. Souza (2011) adaptou o fluxograma(figura 6.1) de escolha de modelo de contagem, a partir de pressupostos básicos do dados.
Figura 6.1 –
fluxograma Souza (2011)
Além de avaliar qual modelo melhor se encaixa para a qualidade dos dados, é preciso testar o modelo com algumas estatísticas de teste. Para os modelos de contagem, Long and Freese ((2006)) indicam a utilização dos critérios AIC Akaike Information e BIC -Bayes Information Criterion. Estes consistem em analisar a qualidade dos modelos, seu
30
ajustes e seus parâmetros, produzindo um indicador de medida que pondera e qualifica o modelo, porém o AIC penaliza os parâmetros do modelo, enquanto o BIC penaliza os parâmetros tendo como base o número de observações. Outro teste bastante utilizado é conhecido como teste Vuong. (VUONG, 1989). Ele tem o intuito de melhor justificar a existência e a explicação superdispersão. Sua hipótese nula é de que o valor esperado da razão de verossimilhança das distribuições é zero, assim que ambas as distribuições estejam próximas do processo gerador dos dados. Rejeitar essa hipótese implica em assumir que apenas uma das distribuições (no caso a de inflação de zeros) é a mais adequada para o conjunto de dados a ser utilizado. A escolha do modelo de inflação de zeros através do teste de Voung respalda a hipótese de que a superdispersão pode ter sido causada pelo excessivo de zeros.
7 RESULTADOS
Assim, após constatado que os dados são categorizados, ou seja,podem ser interpretados como dados de contagens, fizeram-se necessários fazer alguns testes para mensurar e entender como os dados se comportam. O primero teste foi o Voung, no qual se compara os modelos de Poisson e Binomial negativa. Ao analisar os resultados do teste de máxima verossimilhança, AIC e BIC, o modelo Binomial negativa demonstra ter melhor ajuste para com os dados.
Na tabela 7.1 é apresentada a estatística a dos modelos, da Regressão de Poisson e da Binominal Negativa. A estatística foi inserida com o intuito de descrever o comportamento dos dados antes do diagnóstico de superdispersão, mesmo sabendo que o principal motivo seja excesso de zeros, assim, impossibilitando, desse modo, o ajuste ideal para os dois modelos.
Tabela 7.1 – Estatística do modelo
Poisson Binomial Negativa (Intercept) −25.43∗∗∗ −27.70∗∗ (1.26) (9.73) Gini 8.86∗∗∗ 11.67∗∗ (0.33) (3.87) IDHM 24.89∗∗∗ 9.59 (0.71) (7.88) Perc de Pobres 1.55∗∗∗ −0.97 (0.44) (3.61) log(Renda Per Cap Pobres) 1.82∗∗∗ 4.45∗
(0.25) (1.80) AIC 9992.23 1120.93 BIC 10007.81 1139.64 Max Vero -4991.11 -554.47 Deviance 9508.69 185.02 Num. obs. 167 167 ∗∗∗ p < 0.001,∗∗p < 0.01,∗p < 0.05
Tabela 7.2 – Teste de Dispersão Dados: Modelo de Poisson z = 1.7871, p-value = 0.03696 Estimativas: Dispersão = 174.7953
Na Tabela 7.2, mostram-se os resultados obtidos do teste de dispersão dos dados para a regressão de Poisson, apesar de a dispersão dos dados com excesso de zeros já ter
32
sido citada e demonstrada na Figura 5.2, porém no teste de dispersão da Tabela 7.2, o resultado comprova a evidência de superdispersão, com o valor da estimação quebrando o pressuposto do modelo de equidispersão. Assim, rejeitando a hipótese nula que consistia na igualdade entre a média e a variância da variável dependente, ou seja, a ausência de superdispersão. Com o teste, rejeitou-se a hipótese nula, assumindo que os textos apresentam superdispersão.
Tabela 7.3 – Voung - Poisson Inflacionado x Binomial Inflacionado AIC -3.302114 ZINB > ZIP 10.0004799
BIC -3.302114 ZINB > ZIP 10.0004800
No entanto, como a base de dados é composta também por excesso de zeros, como foi demonstrado a partir do teste de dispersão e da figura 5.2, faz-se necessário comparar e testar os parâmetros do modelo. Para isso será aplicado o teste de Vuong (1989), os testes de máxima verossimilhança, Voung e para os critérios AIC e BIC. Os critérios avaliam a qualidade e a quantidade de parâmetros. O AIC penalizando os parâmetros e o BIC penaliza os parâmetros com enfâse na amostra. Assim, quanto melhores forem seus melhores melhor.
Com o teste de Voung, constatou-se que o modelo binomial negativo com inflação de zeros (ZINB) é mais adequado que o modelo de Poisson com Inflação de zeros(ZIP). O resultado já era esperado dada a presença de superdispersão, assim como do excesso de zeros na base de dados. Para testes de Máxima Verossimelhança, AIC e BIC, o modelo de ZINB também demonstrou ser superior em todos os parâmetros.
Conforme os resultados obtidos, tanto o modelo de contagem quanto o modelo com inflação de zeros obtiveram resultados significativos e que corroboram com a literatura já citada. O modelo binomial negativo com excesso de zeros é dividido entre a regressão probit para os dados de inflação de zero e de uma regressão binomial negativa para os dados de contagens.
Assim, ao analisarmos o modelo probit, as variáveis anos de estudos e IDHM se mostraram significativos para explicar a possibilidade do município não apresentar registro de violência doméstica contra a mulher. Anos de Estudo com sinal positivo, constatou que nos últimos não houve ocorrência registrada e a média dos anos de estudos do município é uma variável explicativa significante. A interpretação da significância da variável pode ser explicada pelo não registro da incidência, pois acreditasse que quanto maior a média de anos de estudos da população do município, maior é consciência social dos direitos das mulheres, assim tornando-se mais fácil o registro. Todavia, o sinal positivo pode em primeiro momento levar ao entendimento de que quanto maior a média de anos de estudos, maior a probabilidade da não ocorrência, porém não se pode chegar a essa conclusão analisar a outra variável significativa.
33
Tabela 7.4 – Estatística do modelo
ZIP ZINB Modelo de contagem: (Intercept) −26.01∗∗∗ −30.58∗∗
(1.32) (11.34) Modelo de contagem: Gini 9.11∗∗∗ 12.40∗
(0.36) (5.04) Modelo de contagem: IDHM 22.07∗∗∗ 9.85
(0.77) (8.88) Modelo de contagem: Percentual de Pobres 1.92∗∗∗ −0.77 (0.44) (4.10) Modelo de contagem: Log(Renda PerCapita Pobres) 2.39∗∗∗ 5.00∗
(0.27) (2.26) Modelo Inflacionado: (Intercept) 1.85 −226.84∗
(7.16) (109.00) Modelo Inflacionado: Gini −2.86 84.30
(2.94) (46.03) Modelo Inflacionado:: IDHM −4.82 −113.14∗
(6.56) (56.29) Modelo Inflacionado:: Anos de Estudos 0.53∗∗ 15.09∗
(0.21) (7.55) Modelo Inflacionado:: Perce Pobres −0.56 −30.56
(2.74) (18.99) Modelo Inflacionado:l: Log(Renda Per Capita Pobres) −0.66 25.21
(1.31) (13.62) Modelo Inflacionado: Log(theta) −1.07∗∗∗
(0.12)
AIC 8133.53 1115.44
Log Max Verossi -4055.76 -545.72
Num. obs. 167 167
∗∗∗
p < 0.001,∗∗p < 0.01,∗p < 0.05
Para o IDHM, o sinal foi negativo, demonstrando uma relação inversa com a probabili-dade de pertencer ao grupo de municípios que apresentam nenhum registro de ocorrência no período selecionado. Assim, os municipios com melhores qualidade de vida, têm maior probabilidade de registro de ocorrência de violência doméstica contra a mulher. Uma possível explicação para isso é a existência de maior empoderamento feminino que dá à mulher mais liberdade para tomar a decisão de registrar o ocorrido, assim como redes de apoio acessíveis, acesso a hospital e o apoio da família. Entretanto, não se pode esquecer de que os municípios com maiores IDHM apresentam melhores condições para o registro adequado da ocorrência, consequência da subnotificação sempre presente nos dados, apresentando, assim, um possível aumento nos boletins de ocorrências(BO).
Para o modelo de contagem, as variáveis Gini e Renda per capita dos mais pobres obtiveram resultados positivos, com significância de 5%. O resultado positivo do índice de gini reforça a hipótese de quanto maior a desigualdade de renda, maior a incidência
34
de violência doméstica contra a mulher, assim como foi demonstrado por Rashada and Sharaf (2016) que políticas publicas que têm como objetivo a redução da desigualdade de renda ajudariam a reduzir o nível de violência contra as mulheres não praticada pelo parceiro íntimo geralmente em ambiente doméstico, como também a violência cometida por não parceiro.
A variável renda também demonstrou resultado positivo, que pode ser explicado pelo fato de as mulheres com acesso a nível de renda possuam mais autonomia para buscar ajuda e, assim, denunciar o agressor. A Renda Per Capita dos pobres apresentou sinal positivo no modelo de contagem. O sinal positivo mostra que qualquer variação na renda dos mais pobres nos municípios desencadeia o aumento do número de denúncia de violência. Uma das justificativas desse efeito é o empoderamento das mulheres com o aumento da renda. Sabemos que o indicador é municipal e o aumento da renda também acontece para os homens, assim o efeito pode ser duplo: homens com mais renda pode incidir mais violência para a mulher e a mulher com mais renda ganha autoridade para denunciar os possíveis maus-tratos.
8 CONSIDERAÇÕES FINAIS
O crescimento da violência, que cada vez mais ganha destaque nas páginas de jornais e documentários pelo mundo, também tem afetado a vida da mulher em seu ambiente doméstico. Entender como a violência contra mulher acontece e como a sociedade tem contribuído para isso foi o objetivo deste trabalho. Por mais que o presente estudo não tenha o perfil de revisão de literatura, foi feita revisão de teorias e perspectivas multidisciplinares para compreender todas as variáveis que podem impactar ou propagar o agravamento dos números de denúncias de violência doméstica.
Assim, usando dados de boletins de ocorrência por município do Rio Grande do Norte como variável dependente e dados socioeconômicos presentes no último censo demográfico no período de 2015 a 2017, foram estimados e testados alguns modelos a fim de escolher o que mais se adequasse ao perfil dos dados, uma vez que foi encontrada uma característica peculiar,que foi um número significativamente grande de zeros. Assim, a escolha do modelo de regressão binomial negativa com inflação de zeros aconteceu por testes e comparação entre os outros modelos estimados.
Para melhor compreender os dados, o nosso modelo que é um mix entre um modelo de contagem e outro para excesso de zeros tem como objetivo mensurar a probabilidade de o município fazer parte do grupo que apresenta nenhum registro. As variáveis explicativas foram IDHM, Gini, Anos de estudos, Renda per capita dos pobres e Percentual de pobres. Nossos resultados corroboram com as evidências empíricas presentes até o momento na literatura nacional e internacional, demonstrando que fatores socioeconômicos têm impactos sobre a violência doméstica contra a mulher. Para os municípios do Rio Grande do Norte, as variáveis se mostraram significantes e os resultados demonstraram que fatores socieconômicos podem aumentar ou diminuir a probabilidade de violência doméstica contra a mulher.
Nossos principais resultados foram o número de denúncias, representado por números de boletins de ocorrência, que podem ser impactados pela escolaridade das mulheres vítimas, assim como a renda per capita dos pobres e gini. Para o modelo Probit, este avalia a probaibilidade de o muncípio fazer parte do grupo em ocorrência no período de 2015 a 2017. Assim, os municípios com maior média de anos de estudos apresentam maior probabilidade de não ter registro de ocorrêcia. Ainda para o modelo de probabilidade, o IDHM apresentou sinal negativo, ou seja, municípios mais desenvolvidos têm maior probabilidade de não estarem presentes no grupo de munícipio que não registrou ocorrência. A possível explicação para isso é a existência de maior empoderamento feminino que dá mais liberdade para tomar a decisão de registrar o ocorrido, assim como redes de apoio acessíveis, acesso a hospital e o apoio da família.
36
Para as variáveis que estão presentes no modelo de contagem, binomial negativo, apenas duas se mostraram estatisticamente explicativas. O índice de Gini apresentou resultados positivos, com significância de 5%. O resultado positivo reforça a hipótese de quanto maior a desigualdade de renda, maior a incidência de violência doméstica contra a mulher. Para a Renda PerCapita dos mais pobres, constatou-se que qualquer variação na renda dos mais pobres nos municípios desencadeia o aumento do número de denúncias de violência. Uma das justificativas desse efeito é o empoderamento das mulheres com o aumento da renda, encorajando-as a denunciar as incidências de violência doméstica.
Nosso principal objetivo era mensurar os impactos dessa variáveis sobre a ocorrência de violência nos municípios potiguares e assim demonstrar a necessidade de pensar políticas públicas voltadas para o combate da violência doméstica. Além disso, espera-se que a perspectiva já citada e os resultados dos modelos econométricos sirvam como base para pesquisas futuras na relação entre violência doméstica contra a mulher e os fatores socieconômicos que são desencadeadores ou não. Alguns fatores limitantes desta pesquisa é a complexidade da interpretação dos resultados em razão do perfil contraditório das possibilidades da ocorrência da violência doméstica contra a mulher, assim como o acesso aos dados e suas limitações no que se refere à subnotificação e confiabilidade. Para trabalhos futuros, sugere-se o incremento de mais variáveis explicativas com o intuito de melhor explicar como se comporta a violência doméstica contra a mulher no Rio Grande do Norte.
REFERÊNCIAS
ADEODATO, V. G. et al. Qualidade de vida e depressão em mulheres vítimas de seus parceiros. Revista de Saúde Pública, SciELO Public Health, v. 39, p. 108–113, 2005. ANDERBERG, D.; RAINER, H. Economic abuse: A theory of intrahousehold sabotage.
Journal of Public Economics, Elsevier BV, v. 97, p. 282–295, jan 2013.
AVDIBEGOVIĆ, E.; SINANOVIĆ, O. Consequences of domestic violence on women’s mental health in bosnia and herzegovina. Croatian medical journal, Medicinska naklada, v. 47, n. 5, p. 730–741, 2006.
BECKER, G. S. A theory of the allocation of time. The economic journal, JSTOR, p. 493–517, 1965.
BECKER, G. S. Crime and punishment: An economic approach. In: The economic
dimensions of crime. [S.l.]: Springer, 1968. p. 13–68.
BOBONIS, G. J.; GONZÁLEZ-BRENES, M.; CASTRO, R. Public transfers and domestic violence: The roles of private information and spousal control. American Economic
Journal: Economic Policy, American Economic Association, v. 5, n. 1, p. 179–205, feb
2013.
BONOMI, A. E. et al. Intimate partner violence and women’s physical, mental, and social functioning. American Journal of Preventive Medicine, Elsevier BV, v. 30, n. 6, p. 458–466, jun 2006.
BORGES, B. P. da S. Violência contra a mulher: uma análise do caso brasileiro. Tese (Doutorado) — Faculdade de Economia, Administração e Contabilidade de São Paulo,
2014.
CAMERON, A. C.; TRIVEDI, P. K. Essentials of count data regression. A companion to
theoretical econometrics, Blackwell Oxford, v. 331, 2001.
CARVALHO, J. R.; OLIVEIRA, V. H. Pesquisa de condições socioeconômicas e violência
doméstica e familiar contra a mulher: prevalência da violência doméstica e impacto nas novas gerações. 2016. 2017.
CERQUEIRA, D.; COELHO, D. S. C.; MENDONÇA, H. F. de. Estupro no Brasil:
vítimas, autores, fatores situacionais e evolução das notificações no sistema de saúde entre 2011 e 2014. [S.l.], 2017.
CERQUEIRA, D. C. et al. Atlas da violência 2018. Instituto de Pesquisa Econômica Aplicada (Ipea), 2018.
COKER, A. L. et al. Physical and mental health effects of intimate partner violence for men and women. American journal of preventive medicine, Elsevier, v. 23, n. 4, p. 260–268, 2002.
DATASENADO, P. Violência doméstica e familiar contra a mulher. 2018.
https://www12.senado.leg.br/institucional/datasenado/arquivos/aumenta-numero-de-mulheres-que-declaram-ter-sofrido-violencia, v. 28, p. 10–17, 2018.
38
DUFLO, E. Women empowerment and economic development. Journal of Economic
Literature, American Economic Association, v. 50, n. 4, p. 1051–1079, dec 2012.
EHRLICH, I. Participation in illegitimate activities: A theoretical and empirical investigation. Journal of political Economy, The University of Chicago Press, v. 81, n. 3, p. 521–565, 1973.
ELHAI, J. D.; CALHOUN, P. S.; FORD, J. D. Statistical procedures for analyzing mental health services data. Psychiatry Research, Elsevier BV, v. 160, n. 2, p. 129–136, aug 2008. ELLSBERG, M. et al. Intimate partner violence and women's physical and mental health in the WHO multi-country study on women's health and domestic violence: an observational study. The Lancet, Elsevier BV, v. 371, n. 9619, p. 1165–1172, apr 2008. ELLSBERG, M. C. et al. Researching violence against women: practical guidelines for researchers and activists. Geneva: World Health Organization, 2005.
FARMER, A.; TIEFENTHALER, J. An economic analysis of domestic violence. Review
of Social Economy, Informa UK Limited, v. 55, n. 3, p. 337–358, sep 1997.
FLEISHER, B. M. The effect of unemployment on juvenile delinquency. Journal of
Political Economy, The University of Chicago Press, v. 71, n. 6, p. 543–555, 1963.
FLEISHER, B. M. The effect of income on delinquency. The American Economic Review, JSTOR, v. 56, n. 1/2, p. 118–137, 1966.
GARCIA, L. P.; FREITAS, L. R. S. de. Consumo abusivo de álcool no brasil: resultados da pesquisa nacional de saúde 2013. Epidemiologia e Serviços de Saúde, Instituto Evandro Chagas, v. 24, n. 2, p. 227–237, jun 2015.
GARCIA, L. P.; SILVA, G. D. M. d. Violência por parceiro íntimo: perfil dos atendimentos em serviços de urgência e emergência nas capitais dos estados brasileiros, 2014. Cadernos
de Saúde Pública, SciELO Public Health, v. 34, p. e00062317, 2018.
GARY, S. et al. A treatise on the family. NBER Books, 1981.
HEISE, L.; ELLSBERG, M.; GOTTEMOELLER, M. Ending violence against women.
Population reports, Department of Health, v. 27, n. 4, p. 1–1, 1999.
HEISE, L. L. Violence against women. Violence Against Women, SAGE Publications, v. 4, n. 3, p. 262–290, jun 1998.
HERZBERGER, S. D. Violence Within The Family: Social Psychological Perspectives. [S.l.]: Westview Press, 1996.
HIDROBO, M.; FERNALD, L. Cash transfers and domestic violence. Journal of Health
Economics, Elsevier BV, v. 32, n. 1, p. 304–319, jan 2013.
JR, A. F. A.; FAJNZYLBER, P. Violência e criminalidade. Microeconomia e sociedade no
Brasil. Rio de Janeiro: Contracapa/FGV, 2001.
KHAMKONG, M. Comparing models for fitting zero-inflated data. In: Proceedings of the
