Base de dados: Homicídios

Este post é na verdade parte de um post que, por sua vez, é parte de uma ideia. Tudo começou com discussões políticas a respeito da violência. Então resolvi dar uma olhada nos dados. No final das contas não encontrei as correlações que imaginava. De toda forma, como tive todo o trabalho de pesquisa e produção, vou deixar disponível para quem tiver interesse.

Neste post específico está a construção da base de dados. Os gráficos estão no outro post.

Inicialmente é necessário carregar os seguintes pacotes:

library(tidyverse)
library(reshape2)
library(xlsx)
library(stargazer)

A base de dados que estou utilizando é a de homicídios por municípios, disponível no atlas da violência. Escolhi a variável homicídios, pois era a única disponível por municípios. Além disso, é uma importante proxy para violência.

HOM <- read.csv2(
  "Municípios/Violência/homicidios-1996-01-15-2016-01-15.csv",
  encoding = "UTF-8")
stargazer(HOM, type = "html", digit.separator = "", digits = 0)

População

Em seguida, fui atrás dos dados populacionais, pois no atlas só tinham as opções de homicídios e taxa de homicídios. Pensando em retrospectiva, poderia ter calculado a população com essas informações, ao invés de ter feito todo o trabalho que vou mostrar em seguida. O consolo é que o burro é o que aprende mais. :-(

De toda forma, foi o que fiz. Busquei as informações populacionais no ipeadata.

POP <- read.csv2("Municípios/População/ipeadata[11-10-2018-07-17].csv",
                 skip = 1, encoding = "UTF-8")
POP <- POP[,1:21]
stargazer(POP[1:5,], type = "html", summary = F,
          digit.separator = "", digits = 0)

Mais uma vez, pensando em retrospectiva, foi um trabalho desnecessário, mas seguimos. A base importada do ipeadata vem com os anos em colunas, isso não ajuda, pois na base HOM, os anos são uma variável só. Assim, tive que utilizar a função melt do pacote reshape2 que faz esse trabalho de transformar colunas em uma única coluna. Infelizmente, também tive que inserir os anos em número, pois eles ficaram com o formato tipo: X1998.

POP2 <- melt(POP, variable.name =  "Ano",
              id.vars = c("Sigla", "Código", "Município"))
POP2$Ano <- c(rep(1998,5596),rep(1999,5596),rep(2000,5596),
              rep(2001,5596),rep(2002,5596),rep(2003,5596),
              rep(2004,5596),rep(2005,5596),rep(2006,5596),
              rep(2008,5596),rep(2009,5596),rep(2011,5596),
              rep(2012,5596),rep(2013,5596),rep(2014,5596),
              rep(2015,5596),rep(2016,5596),rep(2017,5596))
stargazer(POP2[1:5,], summary = F,
          type = "html", digit.separator = "", digits = 0)

Outro problema é que a base do IPEA não possui dados dos anos de 2007 e 2010. Para simplificar inseri a média aritimética dos anos de 2006 e 2008 no ano de 2007. Embora reconheça que isso está longe de ser uma metodologia adequada, acredito que ela gere poucos problemas.

POPtemp <- POP2 %>% 
  filter( Ano == 2006) %>%
  select("Sigla","Código","Município")
POPtemp$Ano <- 2007
POPtemp$value <-  as.integer(
  as.matrix((POP2 %>% filter(Ano == 2006) %>% select(value) +
               POP2 %>% filter(Ano == 2008) %>% select(value))/2
    ))
  
POP2 <- rbind(POP2,POPtemp)
stargazer(POP2, type = "html", digit.separator = "", digits = 0)

Já para o ano de 2010, existe o censo de 2010. Assim, por mais que acredite que a média aritmética seja uma substituição simplificada que gere poucos prejuízos à análise, se existem dados censitários, é sempre melhor utilizá-los.

Estes dados peguei no atlas do desenvolvimento humano no Brasil. Haviam outras bases, como a do IBGE, mas meu problema era que precisava que a base viesse com os códigos dos municípios. Do contrário daria ainda mais trabalho para conseguir juntar tudo.

Como importei os dados em formato Excel, utilizei a função read.xlsx, mas sinceramente é melhor transformar em “csv”, pois a leitura é muito lenta.

Pop2010 <- read.xlsx("Municípios/População/AtlasBrasil_Consulta.xlsx",
                     sheetIndex = 1,
                     header = T,
                     encoding = "UTF-8")
Pop2010 <- Pop2010 %>% 
  filter( Código %in% POP2$Código) %>% 
  mutate(Ano = 2010)

colnames(Pop2010) <- c("Código", "Município", "value","Ano")

POP2 <- select(POP2, Código, Município, Ano, value)
Pop2010 <- select(Pop2010, Código, Município, Ano, value)
POPtemp <- rbind(POP2,Pop2010)
stargazer(POPtemp[1:5,], summary = F,
          type = "html", digit.separator = "", digits = 0)

Agora é inserir os dados populacionais na tabela de homicídios.

HOM <- merge(HOM, 
             select(POPtemp, Código, Ano, value), 
             by.x = c("cod","período"), 
             by.y = c("Código", "Ano"), 
             all.x = T, all.y = F)

names(HOM) <- c("cod", "Ano","Município","Homicídios","População")

Para gerar a taxa de homicídios é necessário dividir os homicídios pela população e multiplicar por 100 mil. Assim a taxa representa a quantidade de homicídios por município a cada mil habitantes.

HOM <- mutate(HOM, TaxaHom = (Homicídios / População)*100000)

Estados

Outra informação que percebi que seria útil e estava faltando na base eram os estados dos municípios. Pensei em utilizar um for loop, mas ouvi dizer que o R não é adequado para tal utilização. Como já estava meio cansado, resolvi simplificar escrevendo um monte de linhas.

HOM$UF <- NA
HOM$UF[HOM$cod < 1200000] <- "RO"         
HOM$UF[HOM$cod < 1300000 & HOM$cod > 1200000] <- "AC"
HOM$UF[HOM$cod < 1400000 & HOM$cod > 1300000] <- "AM"
HOM$UF[HOM$cod < 1500000 & HOM$cod > 1400000] <- "RR"
HOM$UF[HOM$cod < 1600000 & HOM$cod > 1500000] <- "PA"
HOM$UF[HOM$cod < 1700000 & HOM$cod > 1600000] <- "AP"
HOM$UF[HOM$cod < 1800000 & HOM$cod > 1700000] <- "TO"

HOM$UF[HOM$cod < 2200000 & HOM$cod > 2100000] <- "MA"
HOM$UF[HOM$cod < 2300000 & HOM$cod > 2200000] <- "PI"
HOM$UF[HOM$cod < 2400000 & HOM$cod > 2300000] <- "CE"
HOM$UF[HOM$cod < 2500000 & HOM$cod > 2400000] <- "RN"
HOM$UF[HOM$cod < 2600000 & HOM$cod > 2500000] <- "PB"
HOM$UF[HOM$cod < 2700000 & HOM$cod > 2600000] <- "PE"
HOM$UF[HOM$cod < 2800000 & HOM$cod > 2700000] <- "AL"
HOM$UF[HOM$cod < 2900000 & HOM$cod > 2800000] <- "SE"
HOM$UF[HOM$cod < 3000000 & HOM$cod > 2900000] <- "BA"

HOM$UF[HOM$cod < 3200000 & HOM$cod > 3100000] <- "MG"
HOM$UF[HOM$cod < 3300000 & HOM$cod > 3200000] <- "ES"
HOM$UF[HOM$cod < 3400000 & HOM$cod > 3300000] <- "RJ"
HOM$UF[HOM$cod < 3600000 & HOM$cod > 3400000] <- "SP"

HOM$UF[HOM$cod < 4200000 & HOM$cod > 4100000] <- "PR"
HOM$UF[HOM$cod < 4300000 & HOM$cod > 4200000] <- "SC"
HOM$UF[HOM$cod < 4400000 & HOM$cod > 4300000] <- "RS"

HOM$UF[HOM$cod < 5100000 & HOM$cod > 5000000] <- "MS"
HOM$UF[HOM$cod < 5200000 & HOM$cod > 5100000] <- "MT"
HOM$UF[HOM$cod < 5300000 & HOM$cod > 5200000] <- "GO"
HOM$UF[HOM$cod < 5400000 & HOM$cod > 5300000] <- "DF"

E o mesmo para as regiões.

HOM$Região <- NA
HOM$Região[HOM$cod <2000000] <- "NORTE"
HOM$Região[HOM$cod >2000000 & HOM$cod <3000000] <- "NORDESTE"
HOM$Região[HOM$cod >3000000 & HOM$cod <4000000] <- "SUDESTE"
HOM$Região[HOM$cod >4000000 & HOM$cod <5000000] <- "SUL"
HOM$Região[HOM$cod >5000000 & HOM$cod <6000000] <- "CENTRO-OESTE"

Em seguida gerei a base de dados com a função write.csv2 e a deixei disponível no meu github.

A leitura e alguns gráficos estão no outro post.