Publicação

Modelação longitudinal das trajetórias criminais: ofensores de criminalidade económica

Detalhes bibliográficos
Resumo:	As trajetórias criminais, ao longo do tempo, podem revelar padrões dinâmicos e complexos, em função do tipo de criminalidade e do seu contexto (Farrington, 1986), como é o caso da evolução tecnológica (FARIA et al., 2013), sendo este fenómeno espelhado na criminalidade económica (crime de colarinho branco) e no seu conceito, que tal como nos sugere a literatura científica se diferencia da criminalidade comum (ou também denominados crimes de rua) (e.g. Weisburd e Waring, 2004, Piquero e Weisburd, 2009). Assim, a compreensão dos perfis longitudinais dos ofensores envolvidos em crimes económicos, no contexto penal português, é fundamental para promover intervenções mais adaptadas e eficazes, orientadas para a reinserção social e para a prevenção. Este estudo reflete, também, a importância da aplicação das metodologias estatísticas operacionalizadas em função ao contexto real criminal, contribuindo, assim, para o avanço do conhecimento criminológico deste fenómeno do crime económico com base nas evidências empíricas. Este estudo visa modelar retrospetivamente as trajetórias criminais de uma amostra de 890 indivíduos, acompanhados pela DGRSP no âmbito de solicitações judiciais, ao longo de um período de follow-up de 10 anos (2013 a 2022), utilizando modelos de dados longitudinais de contagem. Assim, para capturar a natureza dos dados longitudinais e a relação com variáveis preditoras como idade, sexo, tempo, entre outras, selecionadas pelo método seleção forward, ajustou-se inicialmente um modelo de Poisson, uma vez que a literatura científica sugere que os ofensores cometem crimes de acordo com um processo de Poisson (Nagin & Land, 1993). Desta feita, utilizou-se o package glmmTMB para ajustar um modelo de Poisson de efeitos mistos, sendo posteriormente o melhor modelo - interação da variável tempo com a idade -, submetido a testes de sobredispersão e de zeros inflacionados. Assim, verificou-se que o modelo ajustado de Poisson era insuficiente para ajustar a grande quantidade de zeros na variável resposta, além de existir evidências de sobredispersão. Como alternativa demonstrada pela literatura científica recorreu-se aos modelos de regressão de Zeros Inflacionados. Inicialmente, ajustando dois modelos de regressão de Poisson de Zeros Inflacionados (ZIP): um com a parte Binomial constante e outro em que esta parte refletia o percurso criminal individual. Por fim, de forma a lidar com a sobredispersão do modelo que melhor se ajustava ao contexto do fenómeno criminal, recorreu-se a um modelo de regressão Binomial Negativa de Zeros Inflacionados (ZINB). Adicionalmente, foi utilizada uma metodologia para modelar os grupos de trajetórias ao longo do tempo do follow-up, Modelação de Trajetórias Baseada em Grupos (GBTM), recorrendo-se ao package crimCV, já computado no R por Nielsen. O ajustamento deste modelo misto ZIP para dados longitudinais, permitiu identificar diferentes padrões de trajetórias criminais ao longo follow-up, proporcionando uma visão mais detalhada de como se agregam os casos por criminalidade económica ao longo dos anos na amostra.
Autores principais:	Requeijo, Carla Susana Sampaio
Assunto:	Trajetórias criminais Dados longitudinais de contagem Criminalidade económica Modelo de regressão de Poisson de Zeros Inflacionados Modelo de regressão Binomial Negativa de Zeros Inflacionados glmmTMB Modelação de Trajetórias Baseada em Grupos crimCV Criminal trajectories Longitudinal count data Economic crime Zero-Inflated Poisson regression model Zero-Inflated Negative Binomial regression model Group-Based Trajectory Modeling
Ano:	2025
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade do Minho
Idioma:	português
Origem:	RepositóriUM - Universidade do Minho

Descrição
Resumo:	As trajetórias criminais, ao longo do tempo, podem revelar padrões dinâmicos e complexos, em função do tipo de criminalidade e do seu contexto (Farrington, 1986), como é o caso da evolução tecnológica (FARIA et al., 2013), sendo este fenómeno espelhado na criminalidade económica (crime de colarinho branco) e no seu conceito, que tal como nos sugere a literatura científica se diferencia da criminalidade comum (ou também denominados crimes de rua) (e.g. Weisburd e Waring, 2004, Piquero e Weisburd, 2009). Assim, a compreensão dos perfis longitudinais dos ofensores envolvidos em crimes económicos, no contexto penal português, é fundamental para promover intervenções mais adaptadas e eficazes, orientadas para a reinserção social e para a prevenção. Este estudo reflete, também, a importância da aplicação das metodologias estatísticas operacionalizadas em função ao contexto real criminal, contribuindo, assim, para o avanço do conhecimento criminológico deste fenómeno do crime económico com base nas evidências empíricas. Este estudo visa modelar retrospetivamente as trajetórias criminais de uma amostra de 890 indivíduos, acompanhados pela DGRSP no âmbito de solicitações judiciais, ao longo de um período de follow-up de 10 anos (2013 a 2022), utilizando modelos de dados longitudinais de contagem. Assim, para capturar a natureza dos dados longitudinais e a relação com variáveis preditoras como idade, sexo, tempo, entre outras, selecionadas pelo método seleção forward, ajustou-se inicialmente um modelo de Poisson, uma vez que a literatura científica sugere que os ofensores cometem crimes de acordo com um processo de Poisson (Nagin & Land, 1993). Desta feita, utilizou-se o package glmmTMB para ajustar um modelo de Poisson de efeitos mistos, sendo posteriormente o melhor modelo - interação da variável tempo com a idade -, submetido a testes de sobredispersão e de zeros inflacionados. Assim, verificou-se que o modelo ajustado de Poisson era insuficiente para ajustar a grande quantidade de zeros na variável resposta, além de existir evidências de sobredispersão. Como alternativa demonstrada pela literatura científica recorreu-se aos modelos de regressão de Zeros Inflacionados. Inicialmente, ajustando dois modelos de regressão de Poisson de Zeros Inflacionados (ZIP): um com a parte Binomial constante e outro em que esta parte refletia o percurso criminal individual. Por fim, de forma a lidar com a sobredispersão do modelo que melhor se ajustava ao contexto do fenómeno criminal, recorreu-se a um modelo de regressão Binomial Negativa de Zeros Inflacionados (ZINB). Adicionalmente, foi utilizada uma metodologia para modelar os grupos de trajetórias ao longo do tempo do follow-up, Modelação de Trajetórias Baseada em Grupos (GBTM), recorrendo-se ao package crimCV, já computado no R por Nielsen. O ajustamento deste modelo misto ZIP para dados longitudinais, permitiu identificar diferentes padrões de trajetórias criminais ao longo follow-up, proporcionando uma visão mais detalhada de como se agregam os casos por criminalidade económica ao longo dos anos na amostra.