Análise espacial dos determinantes socioeconômicos dos homicídios no Estado de Pernambuco Spatial analysis of socioeconomic determinants of homicide in Brazil

OBJETIVO: Investigar a associação entre variáveis socioeconômicas e taxas de homicídio, considerando a localização espacial dos indicadores. MÉTODOS: Utilizou-se o método de estudo ecológico. A variável dependente foi taxa de homicídio da população masculina de 15 a 49 anos, residente nos municípios do Estado de Pernambuco, em 1995 a 1998. As variáveis independentes referem-se a: índice de condições de vida, renda familiar per capita, desigualdade de Theil, índice de Gini, renda média do chefe de família, índice de pobreza, taxa de analfabetismo, densidade demográfica.Utilizou-se teste de correlação espacial determinado pelo Índice de Moran, regressão múltipla, Conditional Auto Regressive (CAR) e a função Loess, como modelo de detecção de tendência especial. RESULTADOS: Os indicadores taxa de analfabetismo e índice de pobreza explicaram 24,6% da variabilidade total das taxas de homicídio, cuja associação foi inversa. O índice de Moran revelou autocorrelação espacial entre os municípios. O modelo de regressão espacial que melhor se adequou ao estudo foi o CAR, que confirmou a associação entre índice de pobreza, analfabetismo e homicídio. CONCLUSÕES: A relação inversa observada entre os indicadores socioeconômicos e homicídios pode expressar determinado processo que propicia melhoria das condições de vida, e está atrelado predominantemente a condições geradoras de violência, como a do tráfico de drogas.OBJECTIVE: To investigate the association between homicide rates and socio-economic variables taking into account the spatial site of the indicators. METHODS: An ecological study was conducted. The dependent variable was the rate of homicides among the male population aged 15 to 49 years, residing in the districts of the State of Pernambuco from 1995 to 1998. The independent variables were an index of the living conditions, per capita family income, Theil inequality index, Gini index, average income of the head of the family, poverty index, rate of illiteracy, and demographic density. The following techniques were used in the analysis: a spatial autocorrelation test determined by the Moran index, multiple linear regression, a spatial regression model (CAR) and a generalized additive model for the detection of spatial trend (LOESS). RESULTS: The illiteracy and the poverty index explained 24.6% of the total variability of the homicide rates and there was an inverse relationship. Moran´s I statistics indicated spatial autocorrelation between municipalities. The multiple linear regression model best fitted for the purposes of this study was the Conditional Auto Regressive (CAR) model. The latter confirmed the association between the poverty index, illiteracy and homicide rates. CONCLUSIONS: The inverse association observed between socio-economic indicators and homicides may be expressing a process that propitiates improvement in living conditions and that is linked predominantly to conditions that generate violence, such as drug traffic