FUNDAÇÃO GETÚLIO VARGAS
ESCOLA DE PÓS-GRADUAÇÃO
EM ECONOMIA
Pedro Henrique Butelli
O Impacto das UPPs sobre a Performance
Escolar no Rio de Janeiro
Rio de Janeiro
2012
1
Pedro Henrique Butelli
O Impacto das UPPs sobre a Performance
Escolar no Rio de Janeiro
Dissertação submetida à Escola de PósGraduação em Economia como requisito parcial para a obtenção do grau de Mestre em
Economia.
Orientador: Marcelo Côrtes Neri
Rio de Janeiro
2012
Ficha catalográfica 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.
Dissertação (Mestrado) - Fundação Getúlio Vargas, Escola de PósGraduação em Economia.
Orientador: Marcelo Côrtes Neri.
Inclui Bibliografia.
I. Neri,
1.Avaliação Educacional. 2.Unidade de Polı́cia Pacificadora (Rio de Janeiro, RJ).
Marcelo Côrtes. II. Fundação Getúlio Vargas. Escola de Pós- Graduação
em Economia. III. Tı́tulo.
CDD - 332
Pedro Henrique Butelli
O Impacto das UPPs sobre a Performance
Escolar no Rio de Janeiro
Dissertação submetida à Escola de Pós-Graduação em Economia
como requisito parcial para a obtenção do grau de Mestre em Economia.
E aprovada em 17/09/2012 pela banca examinadora
Marcelo Côrtes Neri
EPGE/FGV
Cecı́lia Machado
EPGE/FGV
Daniel R. de C. Cerqueira
IPEA
Rio de Janeiro
2012
Resumo
Este trabalho tem como objetivo analisar mudanças de curto prazo na
performance escolar relacionadas à implantação das UPPs na cidade do
Rio de Janeiro. Avaliamos o efeito da ocupação policial pré-UPP 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 caracterı́sticas 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 perı́odos 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.
PALAVRAS CHAVE: Avaliação Educacional. Unidade de Polı́cia Pacificadora. Avaliação de Impacto.
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.
Ao CNPq pelo apoio financeiro.
1
Contents
1 Introdução
3
2 Literatura
5
2.1
Revisão de Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 Contexto Institucional
5
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
7 Conclusão
21
2
O Impacto das UPPs sobre a performance escolar no RJI
Pedro Henrique Butelli1
EPGE - FGV/RJ
Abstract
Este trabalho tem como objetivo analisar mudanças de curto prazo na performance escolar relacionadas à implantação 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-emdiferenças 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
I Dissertação
de Mestrado em Economia - EPGE/FGV-RJ.
Email address: [email protected] (Pedro Henrique Butelli)
1 Candidato a Doutor em Economia pela EPGE - Fundação Getúlio Vargas - RJ
3
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 comportamento 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.
O artigo está organizado da seguinte forma: a seção 2 faz uma breve revisão de artigos cujos objetivos são relacionados aos nossos; a seção 3 descreve o contexto institucional, incluindo descrições sobre a política de UPPs e as
origens do tráfico de drogas no Rio de Janeiro, dados sobre criminalidade e violência nesta cidade, e uma análise
de possíveis efeitos deste ambiente violento sobre a performance escolar dos alunos afetados. A seção 4 descreve os
dados, a 5 apresenta a metodologia utilizada, a seção 6 apresenta os resultados obtidos e a seção 7 conclui.
4
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.
Em Rocha, Monteiro [2011], é verificado o efeito causal da violência, medida pelos conflitos envolvendo traficantes,
na performance escolar de alunos do ensino público, medida pelas notas na Prova Brasil (PB). A identificação
depende do fato de os conflitos não estarem relacionados com as características socioeconômicas dos alunos, sendo
estas correlacionadas com suas notas. Com isso, os autores esperam separar o efeito sobre a performance escolar
gerado pela violência do efeito gerado pelas características socioeconômicas. Os autores não analisam nenhum
efeito direto das UPPs sobre a educação, capturando apenas o efeito da diminuição de conflitos armados nos
arredores das escolas, uma medida específica de violência, sobre as notas dos alunos que nelas estudam. Nosso
trabalho difere deste pelo fato de usarmos um tratamento mais abrangente, capturando assim efeitos não só da
diminuição de qualquer tipo de violência pela política de UPPs, mas também de outros efeitos gerados pela expulsão
dos traficantes das comunidades. Assim, não nos limitamos a capturar efeitos apenas da diminuição de conflitos
armados mas também de ameaças, agressões, roubos, assassinatos ou qualquer outro tipo de violência causada por
traficantes. Além disso, nossa base de dados nos permite analisar os efeitos em períodos mais próximos à ocupação,
pois temos acesso aos resultados dos alunos a cada dois meses, enquanto na Prova Brasil só temos resultados
bienais. Assim, podemos analisar o impacto quase instantâneo das UPPs e sua evolução no curto prazo, algo que
não seria possível se tivéssemos limitados a uma periodicidade bimestral das notas.
5
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
A implantação de Unidades de Polícia Pacificadora (UPPs) representa uma tentativa do Estado de retomar em
caráter definitivo o poder sobre áreas que foram dominadas pelo tráfico a fim de possibilitar o desenvolvimento
socio-econômico destas localidades. Este é um projeto da Secretaria Estadual de Segurança Pública do Rio de
Janeiro (SESEG-RJ) que se baseia na idéia de que a implantação de uma unidade de polícia comunitária e a
consequente expulsão dos traficantes de drogas farão com que seja possível a consolidação da permanência do
6
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 policiamento 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)
9. Formiga (01/07/2011, com ocupação policial em 11/06/2010)
10. Andaraí (28/07/2010, com ocupação policial em 06/2010)
7
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
escolar 2 . 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 Para
maiores informações sobre a história e estrutura organizacional das facções criminosas, uma boa referência é Dowdney (2003).
8
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
Observando os dados de crimes por 100.000 habitantes construídos a partir dos valores disponibilizados pelo Instituto de Segurança Pública do Rio de Janeiro (ISP) mensalmente para a cidade do Rio de Janeiro, podemos
observar que alguns tipos de crimes apresentam uma mudança de tendência após a implementação das primeiras
9
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 Novamente, temos que este resultado é robusto à escolha dos períodos sob as mesmas condições do caso anterior.
10
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 comunidade 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
As estatísticas de crimes são provenientes do ISP. Escolhemos esta fonte devido à deterioração, a partir de 2007,
da qualidade das estatísticas de homicídios coletadas por orgãos como o Sistema de Informação sobre Mortalidade
11
(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.
As informações sobre cada escola indicam o bairro em que está localizada, nos permitindo usar a lista de bairros
distantes em até 2 quilômetros de cada UPP, criada por Frischtak, Mandel (2012), para definir um aluno sob
tratamento como um aluno que estuda em uma escola que está em um desses bairros.
12
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 encontradas 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 inauguradas 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
As tabelas 1 e 2 indicam como o tratamento está distribuído pelos indivíduos em termos de suas características.
Cada linha corresponde a uma característica, e os valores em cada coluna correspondem à proporção dos grupos
do tratamento e do controle que têm essa característica. Notamos que homens e mulheres estão representados por
praticamente a mesma proporção nos grupo de tratamento e controle (em torno de 48,5% e 51,5%) respectivamente,
assim como os indivíduos que dizem ter alguma religião, representando 68,6% em ambos os grupos. Em relação à
raça, temos que os indivíduos negros ou brancos têm maior representatividade no grupo de tratamento, enquanto
os pardos têm um grupo com representativade 5 pontos percentuais (pp) menor, enquanto amarelos e indígenas são
igualmente representados em ambos os grupos. Isto significa que é mais comum encontrarmos indivíduos brancos
13
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).
No entanto, assim como em Autor (2003), o tratamento dificilmente é antecipado em mais de um período pois no
nosso caso a operação nem sempre é divulgada previamente e, se houver divulgação, esta é feita com dias (e não
14
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 escola s
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 s que está em um bairro situado a
menos de 2km de uma UPP cuja ocupação policial já ocorreu receberão status de tratamento Dit = 1.
5.1. Pressupostos sobre os termos de erro
Assuma que a nota Yit de um aluno i no período t seja Yit = α + βDit + Uit , com Dit = 1 se o indivíduo i estiver
sob influência de uma UPP no período t. Neste caso, estaríamos assumindo que o termo de erro Uit seria 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 forma U1it = ηi + εit e U0it = 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 erros Uit :
1. U1 = U0 |X: estaremos assumindo que o efeito do tratamento, condicional a X, é igual para todos os indivíduos. 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 em Xit .
2. U1 6= U0 |X e E(U1 −U0 |D, X) = 0 : Será um pressuposto válido quando, por exemplo, existem não-observáveis
dos alunos que estão correlacionadas com o status de tratamento, mas U1it − U0it = ηi não é utilizado como
parte do critério que influencie D.
15
3. U1 6= U0 |X e U1 − U0 ajuda a prever D : Nesse caso o estimador de diferenças-em-diferenças seria viesado, já
que este necessita da condição E(U1 − U0 |D, X) = 0 e esta é quebrada por U1 − U0 ajudar 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 que E(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 de ηi 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 que E(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 características 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 de t, 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
O critério que costuma ser apontado com maior frequência como o guia para a instalação de UPPs diz respeito à
violência da região em que a favela candidata a receber uma UPP se encontra. No entanto, analisando as unidades
16
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 a ηi .
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.
A motivação citada por Frischtak e Mandel de que as UPPs são instaladas em áreas importantes para as Olimpíadas
de 2016 reforça a argumentação de independência entre a decisão de instalar uma UPP e fatores correlacionados à
performance escolar . Por mais que as UPPs tenham se iniciado antes da confirmação de vitória na candidatura
a sediar as Olimpíadas, temos que lembrar que o projeto de candidatura se inicia bem antes, com a construção
de um argumento pela comissão olímpica de que a cidade está apta a sediar os jogos. Portanto, as UPPs não se
enquadram somente no projeto de diminuição de violência para as Olimpíadas, mas serve como um sinal de que a
cidade está de fato se tornando mais segura e tomando atitudes em direção do controle maior da segurança pública.
Portanto, apontar o fato de que algumas UPPs foram instaladas antes do anúncio de que a cidade sediaria os jogos
não seria, através de um argumento de causalidade de Granger, suficiente para excluir as Olimpíadas como um
17
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 que U1 − U0
não ajuda a prever a concessão de tratamento a um indivíduo, podemos começar estimando o seguinte modelo de
DD:
Yit = α + β1 Dit + β2 T ratamentoi + β3 Dit · T ratamentoi + γXit + εit
(1)
com Yit representando a nota do aluno i no bimestre t, Dit é uma dummy que assume o valor 1 caso o indivíduo
i esteja sendo tratado no período t, 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 o β3 . 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)
onde N otaits é a nota do aluno i, que estuda na escola s, no exame realizado no bimestre t, U P Pst é uma dummy
que indica se a escola s está sob influência de uma UPP no período t, e Xi é um vetor de características observáveis
18
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, que εts seja
independente do status de tratamento U 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 , com ϕts 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.
Seja N ota(U P Pts )its como a nota do aluno i no período t e escola s que depende do status de tratamento U 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 contrafactual N ota(0)its |(U P Pts = 1), e por isso precisamos comparar a nota dos indivíduos 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)
onde Λ = E(N ota(0)its |U P Pts = 1) − E(N ota(0)its |U P Pts = 0) é o viés gerado pela correlação entre ϕts e U 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
O fato de termos resultados de provas em períodos anteriores e posteriores à aplicação do tratamento nos permite
usar uma formulação que engloba um teste de Granger e a avaliação de diferenças entre efeitos em cada período
19
(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
Dit+k δk + δ0 Dst +
k≥−7
6
X
Dit+k δk + εit
(7)
k≥1
com αi e ρt representam efeitos fixos de aluno e tempo, respectivamente, e Dit+k é uma dummy indicando a presença
P−1
de uma UPP influenciando o indivíduo i no período t + k. Logo, k≥−7 Dit+k 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 em k
P6
períodos, e k≥1 Dit+k 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 há k períodos. Assim como em Autor (2003),
os coeficientes δ k , 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.
Para o modelo 1 utilizando apenas os alunos mais velhos (i.e, os que estavam na 5ª série em 2010 e passaram
para a 6ª em 2011), os resultados são bem mais fortes. Sem o uso de efeitos fixos, podemos ver na tabela 5 que o
grupo de tratamento sofreu um impacto positivo de 0.1 e 0.17 desvio-padrão nas notas de matemática e português,
respectivamente, o que indica uma diferença na evolução das notas entre os períodos pré e pós-tratamento e entre
os grupos de controle e tratamento de cerca de 3 décimos. Com a inclusão dos efeitos fixos, podemos ver na tabela
6 que os impactos passam a ser 0.14 e 0.22 para matemática e português, respectivamente, o que representa um
aumento da nota de português de 0.5 ponto para o grupo de tratamento em comparação com a evolução da nota
do grupo de controle.
20
Para o modelo 2, o impacto das UPPs fica em geral menos significativo com a inclusão de efeitos fixos e a correção
para clustering, 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
Quando analisamos um modelo de diferenças-em-diferenças para todos os alunos de 2ª à 6ª série o efeito imediato
de uma UPP não se apresenta com clareza. No entanto, existem evidências de que a performance escolar dos alunos
21
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:
growth of employment outsourcing.
The contribution of unjust dismissal doctrine to the
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. URL http://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.
[4] Daniel R. de C. Cerqueira. Mortes violentas nao esclarecidas e impunidade no rio de janeiro. Economia Aplicada,
March 2012.
22
[5] Luke Dowdney. Criancas do Trafico: Um estudo de caso de crianças em violencia armada organizada no Rio
de Janeiro. Sete Letras, 2003. URL http://www.comunidadesegura.org.br/files/criancasdotrafico.pdf.
[6] Claudio Frischtak e Benjamin Mandel.
rio.
Crime, house prices and inequality:
The effects of upps in
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.
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.
Notas de Português Pré−UPP
0
0
kdensity PB_MAT
.05
.1
kdensity PB_POR
.05
.1
.15
.15
.2
Notas de Matemática Pré−UPP
0
2
4
6
8
10
0
2
4
x
Controle
6
8
x
Tratamento
Controle
23
Tratamento
10
URL
Figura 1: Densidades das notas de matemática e português por status de tratamento
2000
250
1500
200
1000
150
500
100
0
50
0
01jan2002
Lesão Corporal Dolosa
2500
Homicídio Doloso
01jan2004
01jan2006
01jan2008
01jan2010
01jan2012 01jan2002
01jan2004
01jan2006
data
Zona Sul
Zona Oeste
01jan2008
01jan2010
01jan2012
data
Zona Norte
Baixada
Zona Sul
Zona Oeste
Zona Norte
Baixada
Figura 2: Crimes violentos por 100.000 habitantes, por zona
1000
60
500
40
0
20
0
01jan2002
Roubo a Transeunte
1500
Roubo a Residência
01jan2004
01jan2006
01jan2008
01jan2010
01jan2012 01jan2002
01jan2004
01jan2006
data
Zona Sul
Zona Oeste
01jan2008
01jan2010
01jan2012
data
Zona Norte
Baixada
Zona Sul
Zona Oeste
Zona Norte
Baixada
#
Figura 3: Roubos a residências e transeuntes por 100.000 habitantes, por zona
24
Roubo em Coletivo
01jan2002
0
0
100
100
200
200
300
400
300
Roubo de Aparelho Celular
01jan2004
01jan2006
01jan2008
01jan2010
01jan2012 01jan2002
data
Zona Sul
Zona Oeste
01jan2004
01jan2006
01jan2008
01jan2010
data
Zona Norte
Baixada
Zona Sul
Zona Oeste
Figura 4: Roubos de aparelho celular e em coletivos por 100.000 habitantes, por zona
25
Zona Norte
Baixada
01jan2012
Tabelas
Percentual da Amostra por Status de Tratamento
Controle
Col %
Tratamento
Col %
Total
Col %
Cor
Preta
Branca
Parda
Amarela
Indı́gena
NA
Total
10.1
34.9
50.7
0.2
0.1
4.0
100.0
10.2
39.4
46.1
0.2
0.1
4.0
100.0
10.1
35.7
49.9
0.2
0.1
4.0
100.0
Sexo
Feminino
Masculino
NA
Total
48.4
51.6
0.0
100.0
48.6
51.4
0.0
100.0
48.4
51.5
0.0
100.0
Religião
Não
Sim
NA
Total
11.1
68.6
20.2
100.0
10.4
66.7
22.9
100.0
11.0
68.3
20.7
100.0
Nascido no RJ
Não
Sim
NA
Total
5.6
94.2
0.2
100.0
7.7
92.0
0.3
100.0
5.9
93.8
0.3
100.0
N
994,941
197,947
1,192,888
Percentual da Amostra
83.4
16.6
100
Tabela 1: Caracterı́sticas da amostra - Cor, Sexo, Religião e Status de Imigrante,
por status de tratamento.
26
Percentual da Amostra por Status de Tratamento
Controle
%
Tratamento
%
Total
%
Escolaridade Mãe
Analfabeta
Primeiro grau incompleto
Primeiro grau
Segundo grau
Superior
NA
Total
1.6
29.4
35.4
20.5
1.0
12.1
100.0
1.7
34.0
28.5
15.3
0.9
19.7
100.0
1.6
30.2
34.2
19.7
1.0
13.3
100.0
Escolaridade Pai
Analfabeto
Primeiro grau incompleto
Primeiro grau
Segundo grau
Superior
NA
Total
1.6
23.8
30.0
17.1
1.2
26.4
100.0
1.8
27.0
23.6
12.0
1.0
34.5
100.0
1.6
24.3
29.0
16.2
1.2
27.7
100.0
Estrutura Familiar
Completa
Incompleta
NA
Total
48.0
51.9
0.1
100.0
44.7
55.1
0.2
100.0
47.5
52.4
0.1
100.0
994,941
83.4
197,947
16.6
1,192,888
100
Tamanho da Amostra
Percentual da Amostra
Tabela 2: Caracterı́sticas da amostra - escolaridade dos pais e estrutura familiar,
por status de tratamento.
27
(1)
(2)
(3)
(4)
MAT
POR
MAT
POR
-0.0187***
-0.0246***
0.00134
0.00536
(0.00448)
(0.00448)
(0.00463)
(0.00459)
-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)
0.0196***
0.0190***
0.182***
0.377***
(0.00347)
(0.00347)
(0.0312)
(0.0309)
N
N
S
S
294,721
294,721
294,695
294,695
0.000
0.000
0.049
0.067
Variaveis
D
Tratamento
Constante
Controles
Obs
R-quadrado
Tabela 3: Resultados do Modelo 1 sem efeitos fixos, para a amostra completa.
As colunas 1 e 3 indicam os efeitos sobre as notas padronizadas de Matemática,
e as colunas 2 e 4 para as de Português. Desvios-padrão entre parênteses.
*** p<0.01, ** p<0.05, * p<0.1
28
(1)
(2)
(3)
(4)
MAT
POR
MAT
POR
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)
Variaveis
D=0 X Tratamento=0
D=1 X Tratamento=1
Constant
Controles
Obs
R-quadrado
0
0
0
0
(0)
(0)
(0)
(0)
0.0285***
0.0256***
0.0291***
0.0245***
(0.00939)
(0.00939)
(0.00944)
(0.00944)
0.0710***
0.0581***
0.273**
0.000167
(0.00834)
(0.00834)
(0.133)
(0.133)
N
N
S
S
294,721
294,721
294,695
294,695
0.866
0.866
0.866
0.866
Tabela 4: Resultados do Modelo 1 com efeitos fixos, para a amostra completa
As colunas 1 e 3 indicam os efeitos sobre as notas padronizadas de Matemática,
e as colunas 2 e 4 para as de Português. Desvios-padrão entre parênteses.
*** p<0.01, ** p<0.05, * p<0.1
29
(1)
(2)
(3)
(4)
MAT
POR
MAT
POR
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)
Variaveis
D=0 X Tratamento=0
0
0
0
0
(0)
(0)
(0)
(0)
0.137***
0.214***
0.106***
0.172***
(0.0174)
(0.0174)
(0.0175)
(0.0173)
0.0272***
0.0284***
2.517***
2.996***
(0.00723)
(0.00721)
(0.0744)
(0.0734)
N
N
S
S
Obs
80,336
80,336
80,329
80,329
R-quadrado
0.001
0.002
0.093
0.114
D=1 X Tratamento=1
Constante
Controles
Tabela 5: Resultados do Modelo 1 sem efeitos fixos, para alunos da 5ª e 6ª series
As colunas 1 e 3 indicam os efeitos sobre as notas padronizadas de Matemática,
e as colunas 2 e 4 para as de Português. Desvios-padrão entre parênteses.
*** p<0.01, ** p<0.05, * p<0.1
30
(1)
(2)
(3)
(4)
MAT
POR
MAT
POR
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)
Variaveis
D=0 X Tratamento=0
0
0
0
0
(0)
(0)
(0)
(0)
0.134***
0.210***
0.144***
0.216***
(0.0191)
(0.0198)
(0.0194)
(0.0201)
0.0373***
0.0259**
0.366
-0.168
(0.0126)
(0.0131)
(0.242)
(0.251)
N
N
S
S
Obs
80,336
80,336
80,329
80,329
R-quadrado
0.881
0.872
0.882
0.873
D=1 X Tratamento=1
Constante
Controles
Tabela 6: Resultados do Modelo 1 com efeitos fixos, para alunos de 5ª e 6ª series
As colunas 1 e 3 indicam os efeitos sobre as notas padronizadas de Matemática,
e as colunas 2 e 4 para as de Português. Desvios-padrão entre parênteses.
*** p<0.01, ** p<0.05, * p<0.1
31
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)
-0.109***
-0.0495***
0.0189
0.0823***
-0.0443
0.0508
-0.0443
0.0508
Lag -1
(0.0168)
(0.0168)
(0.0186)
(0.0184)
(0.0400)
(0.0390)
(0.0618)
(0.0590)
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)
-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)
-0.00391
(0.0278)
-0.00515
(0.0279)
0.235***
(0.0328)
0.240***
(0.0325)
-0.00531
(0.0457)
0.0533
(0.0446)
-0.00531
(0.0989)
0.0533
(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)
(0.104)
(0.115)
(0.112)
354,887
354,736
(0.0339)
32
354,736
(0.107)
354,887
354,736
354,736
354,736
354,736
0.001
0.001
0.048
0.671
0.688
0.671
0.688
Ocupação
Lag +5
Lag +6
Obs
R-quadrado
0.065
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.
Desvio-padrão entre parênteses. *** p<0.01, ** p<0.05, * p<0.1
Resultados do Modelo 2 para alunos que estavam na 3ª série em 2010 e na 4ª série em 2011
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
Notas
MAT
POR
MAT
POR
MAT
POR
MAT
POR
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)
-0.0687***
-0.130***
0.0135
0.00564
0.0397
-0.0342
0.0397
-0.0342
Lag -1
Ocupação
Lag +1
(0.0113)
(0.0113)
(0.0133)
(0.0131)
(0.0325)
(0.0324)
(0.0690)
(0.0681)
-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)
-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)
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 +2
Lag +5
Lag +6
-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)
0.0130
(0.0167)
0.0222
(0.0167)
0.0783***
(0.0220)
0.114***
(0.0217)
0.0128
(0.0358)
-0.0605*
(0.0357)
0.0128
(0.0976)
-0.0605
(0.103)
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
0.00801***
0.0189***
1.013***
1.367***
0.365***
0.395***
0.365**
0.395***
(0.00196)
(0.00196)
(0.0330)
(0.112)
(0.175)
(0.151)
385,935
385,728
(0.0326)
33
385,728
(0.112)
385,935
385,728
385,728
385,728
385,728
0.001
0.002
0.069
0.089
0.660
0.663
0.660
0.663
Obs
R-quadrado
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.
Desvio-padrão entre parênteses. *** p<0.01, ** p<0.05, * p<0.1
Resultados do Modelo 2 para alunos que estavam na 4ª série em 2010 e na 5ª série em 2011
Notas
Lag -6
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
MAT
POR
MAT
POR
MAT
POR
MAT
POR
-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)
-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)
-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)
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)
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)
-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)
0.0524***
(0.0164)
0.0266
(0.0164)
0.130***
(0.0223)
0.110***
(0.0221)
0.0644
(0.0404)
-0.0997**
(0.0420)
0.0644
(0.0895)
-0.0997
(0.101)
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
0.00320
0.0165***
1.779***
2.146***
0.157
0.256**
0.157
0.256**
(0.00200)
(0.00200)
(0.0357)
368,086
368,086
367,930
(0.0354)
34
367,930
0.001
0.002
0.070
Lag -1
Ocupação
Lag +1
Lag +2
Lag +5
Lag +6
Obs
R-quadrado
0.085
(0.125)
(0.130)
(0.138)
(0.120)
367,930
367,930
367,930
367,930
0.625
0.594
0.625
0.594
Tabela 9: Resultados do Modelo 2 para alunos que estavam na 4ª série em 2010 e na 5ª 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.
Desvio-padrão entre parênteses. *** p<0.01, ** p<0.05, * p<0.1
Resultados do Modelo 2 para alunos que estavam na 5ª série em 2010 e na 6ª série em 2011
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
Notas
MAT
POR
MAT
POR
MAT
POR
MAT
POR
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)
0.0184
0.0540***
0.133***
0.122***
-0.00468
0.0358
-0.00468
0.0358
Lag -1
(0.0115)
(0.0114)
(0.0137)
(0.0136)
(0.0215)
(0.0219)
(0.0529)
(0.0485)
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)
Ocupação
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)
0.0134
(0.0166)
-0.00663
(0.0165)
0.166***
(0.0227)
0.121***
(0.0226)
0.0820***
(0.0297)
0.144***
(0.0303)
0.0820
(0.0976)
0.144
(0.0909)
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
0.0111***
0.00549***
2.555***
2.832***
0.125
-0.0959
0.125
-0.0959
(0.00204)
(0.00203)
(0.0381)
(0.109)
(0.102)
(0.121)
354,474
354,308
(0.0378)
35
354,308
(0.106)
354,474
354,308
354,308
354,308
354,308
0.001
0.002
0.089
0.103
0.601
0.584
0.601
0.584
Lag +6
Obs
R-quadrado
Tabela 10: Resultados do Modelo 2 para alunos que estavam na 5ª série em 2010 e na 6ª 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.
Desvio-padrão entre parênteses. *** p<0.01, ** p<0.05, * p<0.1
Impacto das UPPs − 2a e 3a séries
−.15
−.15
−.1
−.1
−.05
−.05
0
0
.05
.05
Impacto das UPPs − 2a e 3a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
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.
Impacto das UPPs − 2a e 3a séries
−.1
−.1
0
0
.1
.1
.2
.2
.3
.3
Impacto das UPPs − 2a e 3a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 6: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 2ª e 3ª séries,
controlando pelas covariadas.
36
Impacto das UPPs − 2a e 3a séries
−.1
−.2
−.1
0
0
.1
.1
.2
.2
Impacto das UPPs − 2a e 3a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
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.
Impacto das UPPs − 2a e 3a séries
−.2
−.2
−.1
−.1
0
0
.1
.1
.2
.2
.3
Impacto das UPPs − 2a e 3a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 8: Impacto das UPPs nas notas de matemática (à esquerda) e português, controlando por covariadas, efeitos
fixos e clustering a nível de escola.
37
−.15
−.15
−.1
−.1
−.05
−.05
0
0
.05
Impacto das UPPs − 3a e 4a séries
.05
Impacto das UPPs − 3a e 4a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 3ª e 4ª séries. A linha
vertical indica o período da ocupação policial, no lag 0.
Impacto das UPPs − 3a e 4a séries
−.1
−.05
0
0
.05
.1
.1
.15
.2
.2
Impacto das UPPs − 3a e 4a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 10: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 3ª e 4ª séries,
controlando pelas covariadas.
38
−.05
−.05
0
0
.05
.05
.1
.1
.15
Impacto das UPPs − 3a e 4a séries
.15
Impacto das UPPs − 3a e 4a séries
−5
0
id
Estimativa do Impacto
5
−5
0
id
IC 95%
Estimativa do Impacto
5
IC 95%
Figura 11: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 3ª e 4ª séries,
controlando por covariadas e inserindo efeitos fixos.
Impacto das UPPs − 3a e 4a séries
−.2
−.2
−.1
−.1
0
0
.1
.1
.2
.2
.3
Impacto das UPPs − 3a e 4a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 12: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 3ª e 4ª séries,
controlando por covariadas, efeitos fixos e clustering a nível de escola.
39
Impacto das UPPs − 4a e 5a séries
−.2
−.1
−.15
0
−.1
.1
−.05
0
.2
.05
Impacto das UPPs − 4a e 5a séries
−10
−5
0
5
−10
−5
id
0
5
id
Estimativa do Impacto
IC 95%
Estimativa do Impacto
IC 95%
Figura 13: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 4ª e 5ª séries. A
linha vertical indica o período da ocupação policial, no lag 0.
Impacto das UPPs − 4a e 5a séries
−.1
−.05
0
0
.05
.1
.1
.2
.15
Impacto das UPPs − 4a e 5a séries
−10
−5
0
5
−10
id
Estimativa do Impacto
−5
0
5
id
IC 95%
Estimativa do Impacto
IC 95%
Figura 14: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 4ª e 5ª séries,
controlando pelas covariadas.
40
Impacto das UPPs − 4a e 5a séries
−.4
−.1
−.3
−.05
0
−.2
.05
−.1
.1
0
.15
Impacto das UPPs − 4a e 5a séries
−5
0
5
−5
0
id
5
id
Estimativa do Impacto
IC 95%
Estimativa do Impacto
IC 95%
Figura 15: mpacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 4ª e 5ª séries,
controlando por covariadas e inserindo efeitos fixos.
Impacto das UPPs − 4a e 5a séries
−.2
−.4
−.3
−.1
−.2
0
−.1
.1
0
.1
.2
Impacto das UPPs − 4a e 5a séries
−5
0
5
−10
id
Estimativa do Impacto
−5
0
5
id
IC 95%
Estimativa do Impacto
IC 95%
Figura 16: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 4ª e 5ª séries,
controlando por covariadas, efeitos fixos e clustering a nível de escola.
41
Impacto das UPPs − 5a e 6a séries
−.2
−.2
−.15
−.1
−.1
−.05
0
0
.05
.1
Impacto das UPPs − 5a e 6a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 17: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 5ª e 6ª séries. A
linha vertical indica o período da ocupação policial, no lag 0.
Impacto das UPPs − 5a e 6a séries
−.05
−.1
0
0
.05
.1
.1
.15
.2
.2
Impacto das UPPs − 5a e 6a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 18: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 5ª e 6ª séries,
controlando pelas covariadas.
42
Impacto das UPPs − 5a e 6a séries
−.3
−.2
−.2
−.1
−.1
0
0
.1
.1
.2
.2
Impacto das UPPs − 5a e 6a séries
−5
0
id
Estimativa do Impacto
5
−5
0
id
IC 95%
Estimativa do Impacto
5
IC 95%
Figura 19: mpacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 5ª e 6ª séries,
controlando por covariadas e inserindo efeitos fixos.
.2
0
−.2
−.4
−.4
−.2
0
.2
.4
Impacto das UPPs − 5a e 6a séries
.4
Impacto das UPPs − 5a e 6a séries
−5
0
id
Estimativa do Impacto
5
−5
IC 95%
0
id
Estimativa do Impacto
5
IC 95%
Figura 20: Impacto das UPPs nas notas de matemática (à esquerda) e português, para alunos de 5ª e 6ª séries,
controlando por covariadas, efeitos fixos e clustering a nível de escola.
43