Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10362/94903 |
Resumo: | Dissertation presented as the partial requirement for obtaining a Master's degree in Geographic Information Systems and Science |
id |
RCAP_26eb565c2414eb682efd6843bcf1bef2 |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/94903 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Modelação dos padrões da criminalidade no Rio Grande do Sul, BrasilSistemas de Informação GeográficaTaxa de rouboRegressão EspacialRegressão Geograficamente PonderadaRegressão de PoissonGeographical Information SystemsRobbery rateSpatial RegressionPoisson RegressionGeographically Weighted RegressionDissertation presented as the partial requirement for obtaining a Master's degree in Geographic Information Systems and ScienceO Brasil possui altas taxas de criminalidade, sendo a taxa de homicídios uma das mais altas do mundo. Apesar de permanecer com valores baixos em relação aos restantes estados, o Rio Grande do Sul teve um crescimento preocupante nas taxas de criminalidade nos últimos anos. Este trabalho tem por objetivo investigar os padrões espaciais da criminalidade nos municípios do Rio Grande do Sul, sobretudo da taxa de roubo e de homicídio, assim como os processos que influenciam esses padrões. Para tal, foram investigados diferentes modelos de regressão, tanto lineares (OLS – Ordinary Least Squares e GWR – Geographically Weighted Regression) quanto de Poisson (regressão global de Poisson, GWPR – Geographically Weighted Poisson Regression e GWPR semi-paramétrico). A análise exploratória revelou que não há evidência nem de autocorrelação espacial nem de heterogeneidade espacial da taxa de homicídios, por isso não se justificou a sua análise através de modelos de regressão espacial. Já os resultados da taxa de roubos, pelo contrário, apontam a existência de ambas características. Na sequência foram estimados diversos modelos de regressão para a taxa de roubo. Entre os modelos lineares, OLS e GWR, o modelo GWR obteve uma performance melhor. Porém, em ambos modelos, os resíduos apresentaram autocorrelação espacial, o que quebra a premissa de independência no caso do OLS e indicia um modelo GWR mal especificado. Foram então implementados modelos de regressão de Poisson, os quais são adequados à modelação de dados de contagem e taxas. O modelo GWPR apresentou um melhor ajustamento do que o modelo global de Poisson e do que os modelos GWPR semi-paramétricos. Os resultados indicam que os fatores população, renda, ocupação, educação e ambiente familiar são importantes para explicar as causas da taxa de roubo no Rio Grande do Sul, e que o grau de relevância de cada um deles varia espacialmente.Brazil has high crime rates, with the homicide rate being one of the highest in the world. Despite remaining low compared to other states, Rio Grande do Sul has had a worrying growth in crime rates in recent years. This study aims to investigate Rio Grande do Sul's crime patterns, especially the robbery and homicide rates, as well as the processes that influence these patterns. For this purpose, different regression models were investigated, both linear (OLS – Ordinary Least Squares, and GWR – Geographically Weighted Regression) and Poisson models (global Poisson regression, GWPR – Geographically Weighted Poisson Regression, and semiparametric GWPR). Exploratory analysis revealed that there is no evidence of either spatial autocorrelation or spatial heterogeneity of the homicide rate, so their analysis through spatial regression models was not justified. The results of robbery rate, in contrast, point to the existence of both features. Following, several spatial regression models for robbery rate were estimated. Among the linear models, OLS and GWR, the GWR model had a better performance. However, the residuals presented spatial autocorrelation in both models, which contradicts the assumption of independence of OLS, and indicates a poorly specified GWR model. Poisson regression models were then implemented, as they are appropriate to model count and rate data. The GWPR model had a better fit than the global Poisson regression and also than the semiparametric GWPR models. The results indicate that population, income, occupation, education and family environment are important factors to explain the robbery rate in Rio Grande do Sul, and their degree of relevance varies in space.Costa, Ana Cristina Marinho daRUNBarth, Fernanda Krás Borges2020-03-24T20:52:25Z2020-02-212020-02-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/94903TID:202468372porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T04:42:54Zoai:run.unl.pt:10362/94903Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:38:08.942177Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
title |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
spellingShingle |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil Barth, Fernanda Krás Borges Sistemas de Informação Geográfica Taxa de roubo Regressão Espacial Regressão Geograficamente Ponderada Regressão de Poisson Geographical Information Systems Robbery rate Spatial Regression Poisson Regression Geographically Weighted Regression |
title_short |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
title_full |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
title_fullStr |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
title_full_unstemmed |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
title_sort |
Modelação dos padrões da criminalidade no Rio Grande do Sul, Brasil |
author |
Barth, Fernanda Krás Borges |
author_facet |
Barth, Fernanda Krás Borges |
author_role |
author |
dc.contributor.none.fl_str_mv |
Costa, Ana Cristina Marinho da RUN |
dc.contributor.author.fl_str_mv |
Barth, Fernanda Krás Borges |
dc.subject.por.fl_str_mv |
Sistemas de Informação Geográfica Taxa de roubo Regressão Espacial Regressão Geograficamente Ponderada Regressão de Poisson Geographical Information Systems Robbery rate Spatial Regression Poisson Regression Geographically Weighted Regression |
topic |
Sistemas de Informação Geográfica Taxa de roubo Regressão Espacial Regressão Geograficamente Ponderada Regressão de Poisson Geographical Information Systems Robbery rate Spatial Regression Poisson Regression Geographically Weighted Regression |
description |
Dissertation presented as the partial requirement for obtaining a Master's degree in Geographic Information Systems and Science |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-03-24T20:52:25Z 2020-02-21 2020-02-21T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10362/94903 TID:202468372 |
url |
http://hdl.handle.net/10362/94903 |
identifier_str_mv |
TID:202468372 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137997933772800 |