- PII
- S042473880023015-5-1
- DOI
- 10.31857/S042473880023015-5
- Publication type
- Article
- Status
- Published
- Authors
- Volume/ Edition
- Volume 58 / Issue 4
- Pages
- 17-28
- Abstract
-
CPI indexes.
- Keywords
- trust index, corruption perception index, topological model, corruption scale, regression analysis, statistical criteria
- Date of publication
- 07.12.2022
- Number of purchasers
- 10
- Views
- 375
Введение
Категории «общественное доверие» и «коррупция» принадлежат к числу наиболее обсуждаемых в научной литературе. Однако вопросы, касающиеся взаимосвязи между ними, остаются дискуссионными. Принято считать, что в странах с низким уровнем развития коррупционных отношений наблюдается более высокий уровень общественного доверия. И наоборот: при высокой коррупционной составляющей уровень общественного доверия ниже. В то же время имеется ряд примеров, когда такое соотношение не соблюдается. Так, относительно высокие масштабы коррупции (традиционные, например, для ряда стран Юго-Восточной Азии) часто сопровождаются высоким уровнем доверительных отношений, что обусловлено сложившимися в этих государствах культурно-историческими традициями: коррупционная составляющая, присутствующая в осуществляемых транзакциях, является в этих случаях институциональной нормой.
Это же касается и динамического аспекта данного вопроса: тренды, наблюдающиеся при изменении рассматриваемых категорий, зачастую бывают противоречивыми. В частности, излишний рост доверительности отношений может сопровождаться не ожидаемым падающим трендом уровня коррупции, а приводить к росту масштабов этого явления ввиду снижения уровня общественного контроля.
Очевидно, что рассматриваемые экономические феномены взаимообусловлены и характеризуются наличием сложной системы прямых и обратных связей.
В статье рассматривается гипотеза о нелинейном характере зависимости между уровнем общественного доверия и масштабами коррупции; осуществляется проверка гипотезы на наличие эмпирических данных; выявляются особенности поведения этой функции на отдельных участках в области ее определения.
Основные понятия и обзор литературы
Аналитический обзор научных работ, посвященных исследованию категорий общественного доверия и коррумпированности социально-экономической деятельности, свидетельствует о наличии ряда нерешенных проблем.
Во-первых, в большинстве публикаций и доверительные, и коррупционные отношения, как правило, рассматриваются изолированно, т.е. без учета взаимной связи данных общественных явлений. Между тем рассматриваемые феномены, как уже указывалось, связаны, и система их взаимосвязей сложна и нелинейна. Имеющаяся в разработках ниша делает актуальным исследование именно аспекта взаимной связи данных общественных феноменов.
Во-вторых, проблемы измерения уровней общественного доверия и масштабов коррупции, и в особенности количественной оценки тесноты взаимосвязи между ними, относятся к числу наименее разработанных.
Понятия доверия и коррумпированности входят в круг категорий, наиболее часто изучаемых в рамках неоинституционального направления экономической науки.
«Доверие» представляет собой сложное и многогранное понятие, для которого пока не существует единого определения. Термин «доверие» был впервые введен в 1964 г. экономистом и философом Ф. Фукуямой, который обозначил его в своих работах «как ожидание того, что члены данного сообщества будут вести себя нормально и честно, проявляя готовность к взаимопомощи в соответствии с общепризнанными нормами» (Фукуяма, 2004). Важность этого феномена как фактора экономического роста отмечена лауреатами Нобелевской премии Дж.Ю. Стиглицем (Стиглиц, 2005) и К. Эрроу (Arrow, 1972). В настоящее время данный феномен активно исследуется большим числом ученых: (Д.А. Авдеевой, А.В. Беляниным, Ю.Л. Веселовым, И.В. Глушко (Глушко, 2016), В.Е. Дементьевым (Дементьев, 2004), В.П. Зинченко, А.Б. Купрейченко, А.К. Ляско (Ляско, 2003, 2019), Б.З. Мильнером, В.Л. Тамбовцевым, А.Н. Татарко, Дж. Акерлофом, С. Кови, Б. Шо и др.
Коррумпированность общества означает подверженность (склонность) экономических субъектов коррупции, под которой обычно понимается использование должностным лицом возможностей и связей в целях личной выгоды и противоречащее законодательству и моральным установкам. Этимологически этот термин восходит к латинским словам corrumpere (растлевать) и corruptio (подкуп, продажность, порча, разложение)1.
Анализ данной экономической категории производится в трудах многих российских исследователей (Сатаров, 2007; Нисневич, Стукал, 2012; Мысловский, 2007; Быкова, 2012; Руденко, 2017; Яковлев, 1999; Балог, 2015; Балог, Троян, 2016; Буров, 2011; Гуров, 2006; Елисеева, Бурова, 2001; Попов, Тарасов, 2005; Суворов, Балаев, 2011; и др.).
Если общественное доверие рассматривается обычно как позитивный фактор, содействующий интенсивности осуществляемых в бизнесе транзакций и обеспечивающий экономический рост (Arrow, 1972), то коррумпированность считается негативным фактором, тормозящим экономику. Однако не все так однозначно. Коррупция может выполнять в различных системах управления как замещающие, так и стимулирующие функции. В частности, в ряде случаев коррупционные механизмы являются своеобразными драйверами принятия важных решений и могут компенсировать отсутствие адекватных легитимных экономических механизмов. В тех случаях, когда решение принимается в неэффективно действующей управленческой структуре, коррупция выполняет стимулирующие функции, играя роль смазки в целях более эффективной работы бюрократического аппарата (Полтерович, 1998).
Важным вопросом является количественное измерение рассматриваемых категорий доверия и коррупции. В настоящее время разработан комплекс методов, необходимых для количественного измерения уровня доверия экономических субъектов различных иерархий, обзор которых содержится в работах (Егорова, Королева, 2020; Егорова, Смулов, Королева, 2021). Различные подходы к количественной оценке текущего и ожидаемого уровней доверия между экономическими агентами широко представлены в трудах современных отечественных и зарубежных авторов: А.Б. Аюрзанайн, В.В. Позняков, Д.А. Ерошин, С.В. Ефимова, П.В. Жаворонков, Д.М. Сафина, А.Н. Татарко, П.Дж. Зак, Д.Х. Ибрагимова, А.Л. Журавлев, Ф. Кифер, Е.В. Марушкина, И.А. Николаев, К. Ньютон, С. Нэк, Р. Ла Порта, Ф. Рут, Дж.Ф. Хеливелл и др.
На макроуровне для количественной оценки общественного доверия обычно используются два международных индекса — WVS (World Values Survey) и ETB (Edelman Trust Barometer).
Наиболее часто применяется индекс ETB, который и выбран для дальнейшего исследования. Этот индекс ежегодно составляется независимой коммуникационной фирмой Edelman и официально публикуется с 2000 г. в соответствующих отчетах2. Исследование доверия и надежности базируется на основе опросов респондентов различных социальных групп и слоев общества.
Для оценки развития в обществе коррупционных отношений применяется индекс восприятия коррупции (Corruption Perceptions Index, CPI) — показатель, ежегодно составляемый с 1995 г. международной неправительственной организацией «Transparency International» и отражающий уровень восприятия коррупции аналитиками и предпринимателями по 100-балльной шкале. Расчет индекса основывается на методе анкетирования и обработки ответов, полученных в процессе нескольких независимых опросов и выявляющих влияние коррупционных воздействий на бизнес и социальную деятельность. При этом в качестве респондентов участвуют международные финансовые и правовые эксперты. По содержанию и методике построения индекс восприятия коррупции является обратным по отношению к масштабам развития коррупционных отношений в конкретной стране и представляет собой оценку от 0 (максимальный уровень коррупции) до 100 (отсутствие коррупции)3.
Топологическая модель взаимосвязи доверия и коррупции
Для анализа взаимосвязи между уровнем доверия и коррумпированности общества авторами предложена топологическая модель, в которой связи между объектами или исследуемыми признаками отображаются в виде координатных данных.
Модель представлена множеством точек ( , ), где и получены в результате обработки статистических временных рядов индексов ETB и CPI как средних значений для рассматриваемого временного периода по 28 странам. При этом средние значения CPI формируют величину на оси абсцисс; а средние значения ETB — величину на оси ординат. Данная топологическая модель позволяет визуально анализировать зависимость и оценивать гипотезу о нелинейности имеющихся связей между уровнями доверия и коррупции.
В ходе исследования были построены два варианта топологической модели: 1) основной (для периода 2011–2021 гг.); 2) малый (для периода 2013–2019 гг.), которые представлены на рис. 1. Далее в работе используется преимущественно основной вариант как наиболее репрезентативный. Эмпирические данные для основного и малого вариантов топологической модели приведены в табл. 1. Несмотря на разницу в охвате периода времени (11 лет и 7 лет), оба варианта модели дают схожую картину, что свидетельствует об устойчивости полученных результатов4. Сопоставление основного и малого вариантов топологической модели позволяет выявить некоторые тенденции в динамике исследуемых процессов. Наиболее существенное смещение в положении на координатной плоскости приходится на относительно небольшое число стран, представленных в табл. 1, что свидетельствует об активности происходящих в них трансформаций, влияющих на уровень доверия и коррупции (пандемия, экономические санкции, внешнеэкономическая политика, борьба с коррупцией). К числу таких стран относятся: Аргентина (рост уровня доверия), Малайзия (снижение уровня доверия), Нидерланды (рост уровня доверия, снижение масштабов коррупции), Россия (рост уровня доверия) и т.д. В табл. 2 представлены данные о пяти странах с наиболее высоким по модулю изменением индексов ETB и CPI ( и ).
Таблица 1. Эмпирические данные для построения топологической модели: средние значения индексов ETB и CPI
Страна | 2011–2021 гг. | 2013–2019 гг. | ||
ETB | CPI | ETB | CPI | |
Австралия | 50 | 79 | 48 | 79 |
Аргентина | 49 | 37 | 47 | 37 |
Бразилия | 54 | 39 | 51 | 39 |
Великобритания | 44 | 78 | 45 | 79 |
Германия | 47 | 80 | 47 | 80 |
Гонконг | 52 | 77 | 52 | 75 |
Индия | 70 | 38 | 71 | 39 |
Индонезия | 70 | 36 | 70 | 36 |
Ирландия | 41 | 73 | 40 | 74 |
Испания | 44 | 60 | 43 | 59 |
Италия | 49 | 47 | 47 | 47 |
Канада | 55 | 81 | 55 | 81 |
Китай | 75 | 40 | 75 | 39 |
Колумбия | 52 | 37 | 52 | 37 |
Малайзия | 58 | 49 | 57 | 50 |
Мексика | 60 | 31 | 59 | 31 |
Нидерланды | 59 | 84 | 57 | 83 |
ОАЭ | 70 | 69 | 70 | 70 |
Польша | 39 | 59 | 39 | 60 |
Россия | 35 | 28 | 37 | 28 |
Сингапур | 66 | 86 | 65 | 85 |
США | 49 | 72 | 50 | 73 |
Турция | 43 | 42 | 43 | 43 |
Франция | 45 | 70 | 45 | 70 |
Швеция | 42 | 87 | 43 | 87 |
ЮАР | 46 | 43 | 45 | 44 |
Южная Корея | 46 | 57 | 45 | 56 |
Япония | 40 | 74 | 39 | 74 |
Источник: составлено авторами по данным сайтов компаний “Edelman” и “Transparency International”. Таблица 2. Страны, имеющие наибольшее смещение на координатной плоскости сравнении основного и малого вариантов топологической модели (отдельно для индексов ETB и CPI)
Изменение уровня коррупции | Изменение уровня доверия | ||
Страна | Страна | ||
Гонконг | 2 | Бразилия | 3 |
Испания | 1 | Нидерланды | 3 |
Южная Корея | 1 | Италия | 2 |
Сингапур | 1 | Аргентина | 2 |
Китай | 1 | Австралия | 2 |
В соответствии с данными табл. 1–2 значениями, индикатор CPI подвержен меньшей динамике, чем ETB, что свидетельствует о большей инерционности коррупционной составляющей и о сложностях ее преодоления. В то же время на рис. 1 имеются стационарные точки, не изменяющие своего положения на координатной плоскости, которые соответствуют странам: Германия, Индонезия, Канада, Колумбия, Франция.
а) б)
Рис. 1. Топологическая модель: средние значения уровня доверия (ETB) и индекса восприятия коррупции (CPI) по странам: а) основной вариант; б) малый вариант.
Источник: составлено авторами по данным сайтов компаний “Edelman” и “Transparency International”.
Визуальный анализ обоих вариантов топологической модели позволяет сделать следующие выводы.
- Полученное множество точек представляет собой некое «облако», имеющее небольшой отрицательный наклон к оси абсцисс, а также выраженную нижнюю границу, где происходит их сгущение. В левой части «облака» находятся «проблемные» страны с наиболее высоким уровнем коррумпированности экономики (Аргентина, Бразилия, Индия, Индонезия, Китай, Колумбия, Мексика, Россия и др.). В правой части — государства, где коррупционная компонента играет значительно меньшую роль (Германия, Канада, Нидерланды, Сингапур и др.).
- Нижняя граница облака, наблюдающаяся в диапазоне значений CPI ≈ 40–80, может рассматриваться как аттрактор наиболее часто наблюдаемых значений уровня доверия: индекс ETB составляет ≈ 40–50 (на рис. 1 эта граница отмечена пунктирной линией).
- Конфигурация облака подтверждает нелинейный характер функции и наличие зон, где эта функция предположительно изменяет свою производную. На полученном множестве точек можно выделить три зоны, где происходит смена тренда функции y, которые характеризуются диапазонами с низкими, средними и высокими значениями CPI.
Так, для основного варианта топологической модели наблюдается следующая картина. В первой зоне (CPI ≈ 20–40) со странами Россия — Мексика — Аргентина — Колумбия — Бразилия — Мексика — Индонезия — Индия — Китай при снижении уровня коррумпированности растет уровень доверия. Причем в отдельных странах этой зоны (государства Юго-Восточной Азии — Китай, Индия, Индонезия) достаточно высокий уровень коррупции сосуществует с очень высоким уровнем доверия, что, по-видимому, связано с культурно-историческими традициями и менталитетом населения.
Такой же тренд функции y наблюдается и в зоне с высоким значением CPI > 70: Япония — Ирландия — Швеция — Великобритания — Франция — Германия — США — Австралия — Гонконг — Канада — Нидерланды — Сингапур. Для этих стран характерна наиболее благоприятная ситуация: низкий уровень коррупции сочетается с высоким уровнем доверия, растущим при снижении коррупционной компоненты.
В зоне средних значений (CPI ≈ 40–70) имеется обратная тенденция: снижение уровня доверия сопровождается уменьшением уровня коррупции. Такая связь может быть интерпретирована как результат действия антикоррупционных программ, в результате чего повышаются общественные требования к транспарентности производимых экономическими агентами транзакций, возрастает значимость аудита и контроля в предпринимательской деятельности, а также роль судебно-юридических процедур, которые замещают практику доверительных отношений. Иными словами, в этом случае снижение уровня общественного доверия может выступать как инструмент борьбы с коррупционной деятельностью.
Таким образом, анализ топологических моделей, представленных на рис. 1, опровергает представление о том, что высокий уровень доверия всегда связан с низким уровнем коррупции и растет вместе с ее снижением. Данное утверждение справедливо лишь для определенных интервалов области определения функции y. Высокий уровень доверия может сочетаться с высоким уровнем коррупции, а само доверие может выступать как инструмент для регулирования коррупционной составляющей и ее снижения.
- На множестве точек (x, y), представляющих топологическую модель в ее обоих вариантах, выделяются периферийные точки, не соответствующие общему порядку на координатной плоскости размещенных точек. Так, для основного варианта топологической модели эти точки соответствуют трем странам-аутсайдерам:
России (чрезвычайно низкий уровень доверия при высокой коррупции); Швеции (сочетание очень низкого уровня доверия при наиболее низких значениях коррупционной составляющей); Объединенным Арабским Эмиратам (очень высокая степень доверия при среднем уровне коррупции).
При исключении этих точек из рассмотрения выявляется общая закономерность в расположении точек на координатной оси. Приближенно вид функции y может быть описан горизонтальной по отношению к оси абсцисс «лежачей» S-образной кривой, различные участки которой могут быть интерполированы некоторыми нелинейными функциями; однако этот вопрос требует специального рассмотрения (рис. 2). Рис. 2. Топологическая модель: средние значения уровня доверия (ETB) и индекса восприятия коррупции (CPI) для основного варианта (2011–2021 гг.) без включения стран-аутсайдеров
Источник: составлено авторами по данным сайтов компаний “Edelman” и “Transparency International”.
Интервальный Метод
Для выявления особенностей поведения функции на отдельных участках области ее определения использован интервальный метод. Его специфика в данном случае состоит в том, что диапазоны изменения переменных задаются не только по оси абсцисс (для х), но и для оси ординат (для у). Таким образом формируются диапазонные коридоры, пересечение которых дает подмножество изучаемых точек (х,у), принадлежащее топологической модели, представленной на рис. 2. Этот метод (далее – метод диапазонных коридоров, МДК) позволяет отсекать крайние значения индексов CPI и ETB и более четко выявлять тренды их изменения. При сужении диапазонов МДК дает уточнение поведения функции в ее средней зоне (нижней части границы «облака», помеченной пунктиром на рис. 1а), что представляет особый интерес.
В целях удобства интерпретации результатов в работе введен индекс масштаба коррупции (индекс CPI), сформированный на базе индекса CPI. Соотношение между этими индексами:
,(1)
где CI — индекс масштабов коррупции; CPI — индекс восприятия коррупции. То есть предполагалось, что
(2)
где
Применение МДК позволило получить следующие варианты.
Вариант 1 (ETB ≈ 30–50, CI ≈ 20–75) включал 15 стран: Австралия, Аргентина, Великобритания, Германия, Ирландия, Испания, Италия, Польша, Россия, США, Турция, Франция, ЮАР, Южная Корея и Япония.
Вариант 2 (ETB ≈ 30–60, CI ≈ 30–70) — 12 стран: Аргентина, Бразилия, Испания, Италия, Колумбия, Малайзия, Мексика, Польша, Турция, Франция, ЮАР и Южная Корея.
Вариант 3 (ETB ≈ 30–50, CPI ≈ 30–70) — восемь стран: Аргентина, Испания, Италия, Польша, Турция, Франция, ЮАР и Южная Корея.
Далее с учетом сделанных предпосылок методом линейной регрессии выявляется общий тренд функции для вариантов 1–3.
Результаты регрессионного анализа, характеризующего чувствительность уровня доверия к изменению индекса коррупции в группе стран по каждому варианту, приведены в табл. 3.
Согласно полученным данным регрессионные модели имеют слабые статистические характеристики: низкие значения коэффициента детерминации (для модели первого варианта этот показатель близок к 0) и F-критерия Фишера опровергают гипотезу о качестве и надежности регрессий. Величины t-статистик Стьюдента и их доверительные табличные интервалы для каждого показателя также свидетельствуют о недостаточной надежности уравнений5. Возможно, такое обстоятельство обусловлено небольшим числом наблюдений, поскольку по вариантам рассматривалось ограниченное число стран.
В целом итоги данного этапа исследований могут быть объяснены особенностями МДК, который позволяет получить хорошие результаты при больших выборках и при отсутствии большого разброса данных. В противном случае (как это было в данном эксперименте) он отсекает значительную часть информации и сужает возможности получения статистически значимых зависимостей.
Таблица 3. Оценка параметров регрессионных моделей по вариантам 1, 2 и 3
Вариант | Регрессионная модель | Коэффициент детерминации | Статистика Фишера | t-статистика | |
t1 | t2 | ||||
1 | 0,04618 | 0,62933 | 15,7270 (0,00000) | –0,79331 (0,44184) | |
2 | 0,36401 | 5,72352 | 4,21663 (0,00178) | 2,39239 (0,03780) | |
3 | 0,15666 | 1,11459 | 6,73239 (0,00052) | 1,05574 (0,33173) |
Корреляционный анализ по странам
Результаты корреляционного анализа, выполненного на основе имеющихся динамических рядов индексов ETB и CPI по 28 странам за период 2011–2021 гг., представлены в табл. 4. Исследование осуществлялось с использованием коэффициентов ранговой корреляции Спирмена, которые позволяют выявлять статистическую взаимосвязь рассматриваемых случайных величин. Отрицательные значения этих коэффициентов свидетельствуют о наличии отрицательной связи между исследуемыми переменными: с уменьшением коррупционной составляющей в этих странах происходит рост доверия.
Таблица 4. Степень связи уровня доверия с индексом коррупции
Страна | Корреляция между ETB и CI | Страна | Корреляция между ETB и CI |
Австралия | –0,113492 | Малайзия | –0,346248 |
Аргентина | 0,519443 | Мексика | –0,396445 |
Бразилия | –0,206568 | Нидерланды | –0,827352 |
Великобритания | 0,249556 | ОАЭ | 0,016239 |
Германия | 0,450693 | Польша | –0,065218 |
Гонконг | –0,109190 | Россия | 0,306978 |
Индия | –0,664535 | Сингапур | –0,182467 |
Индонезия | –0,262310 | США | –0,350091 |
Ирландия | 0,058645 | Турция | 0,586464 |
Испания | 0,365038 | Франция | 0,425725 |
Италия | 0,392558 | Швеция | –0,738794 |
Канада | 0,017854 | ЮАР | 0,014389 |
Китай | 0,096073 | Южная Корея | –0,242896 |
Колумбия | 0,358886 | Япония | –0,810857 |
Источник: составлено авторами.
Полученные коэффициенты свидетельствуют, что:
низкая степень взаимосвязи, либо ее отсутствие (от 0 до 0,5) между уровнем доверия и индексом коррупции характерна для Австралии, ОАЭ, ЮАР, стран Южной Америки (Бразилия, Колумбия), а также большинства государств Европы (Великобритания, Германия, Ирландия, Испания, Италия, Польша, Россия, Франция), регионов Восточной (Гонконг, Китай, Южная Корея) и Юго-восточной Азии (Индонезия, Малайзия, Сингапур), стран Североамериканского континента (Канада, Мексика, США); средняя и высокая степени (от 0,5 до 0,9) взаимосвязей доверия и коррупции наблюдаются у государств Южной Америки (Аргентина), некоторых представителей европейского континента (Нидерланды, Турция, Швеция) и стран Юго-Восточной Азии (Индия, Япония).
Поскольку в группы государств с низким и высоким уровнем статистической связи попали как благополучные, так и неблагополучные в экономическом и политическом отношении страны, можно сделать вывод о том, что данные факторы благополучия не играют важной роли в формировании изучаемой статистической связи и уровне ее тесноты.
Особый интерес представляет внутристрановой регрессионный анализ для каждой из 28 стран, которому посвящен следующий этап исследования.
Регрессионный анализ по странам
Результаты регрессионного анализа приведены в табл. 5. Таблица 5. Результаты регрессионного анализа и оценка параметров регрессионных моделей
Страна | Регрессионная модель | Коэффициент детерминации | Статистика Фишера | t-статистика | |
t1 | t2 | ||||
Австралия | 0,01288 | 0,11744 | 5,46899 (0,00040) | –0,34269 (0,73970) | |
Аргентина | 0,26982 | 3,32574 | 0,50926 (0,62282) | 1,82366 (0,10151) | |
Бразилия | 0,04267 | 0,40115 | 1,42109 (0,18900) | –0,63336 (0,54225) | |
Великобритания | 0,06228 | 0,59773 | 2,42088 (0,03856) | 0,77313 (0,45927) | |
Германия | 0,20313 | 2,29411 | –0,33257 (0,74708) | 1,51463 (0,16417) | |
Гонконг | 0,01192 | 0,10860 | 2,29804 (0,04715) | –0,32954 (0,74929) | |
Индия | 0,44161 | 7,11769 | 4,60912 (0,00127) | –2,66790 (0,02571) | |
Индонезия | 0,06881 | 0,66502 | 2,77728 (0,02150) | –0,81549 (0,43584) | |
Ирландия | 0,00344 | 0,03106 | 1,74982 (0,11408) | 0,17624 (0,86401) | |
Испания | 0,13325 | 1,38365 | 0,99483 (0,34581) | 1,17629 (0,26966) | |
Италия | 0,15410 | 1,63958 | 2,59840 (0,02881) | 1,28046 (0,23240) | |
Канада | 0,00032 | 0,00287 | 7,52008 (0,00004) | 0,05357 (0,95845) | |
Китай | 0,00923 | 0,08385 | 2,05684 (0,06984) | 0,28956 (0,77871) | |
Колумбия | 0,12880 | 1,33056 | 0,16172 (0,87510) | 1,15350 (0,27842) | |
Малайзия | 0,11989 | 1,22597 | 2,84345 (0,01929) | –1,10723 (0,29691) | |
Мексика | 0,15717 | 1,67829 | 2,73781 (0,02293) | –1,29549 (0,22739) | |
Нидерланды | 0,68451 | 19,5271 | 11,5834 (1,03983) | –4,41895 (0,00167) | |
ОАЭ | 0,00026 | 0,00237 | 1,55294 (0,15486) | 0,04872 (0,96220) | |
Польша | 0,00425 | 0,03844 | 1,24328 (0,24518) | –0,19607 (0,84891) | |
Россия | 0,09424 | 0,93636 | –0,46020 (0,65629) | 0,96766 (0,35850) | |
Сингапур | 0,03329 | 0,30997 | 6,41239 (0,00012) | –0,55675 (0,59127) | |
США | 0,12256 | 1,25715 | 4,83045 (0,00093) | –1,12123 (0,29121) | |
Турция | 0,34394 | 4,71826 | 1,66327 (0,13062) | 2,17215 (0,05791) | |
Франция | 0,18124 | 1,99226 | –0,25602 (0,80369) | 1,411474 (0,19173) | |
Швеция | 0,54582 | 10,8158 | 7,83154 (0,00003) | –3,28874 (0,00940) | |
ЮАР | 0,00021 | 0,00186 | 0,75678 (0,46853) | 0,043171 (0,96651) | |
Южная Корея | 0,05900 | 0,56428 | 3,02961 (0,01426) | –0,75118 (0,47173) | |
Япония | 0,65749 | 17,2765 | 7,79688 (0,00003) | –4,15650 (0,00246) |
Источник: составлено авторами.
Анализ представленных в табл. 5 данных свидетельствует о том, что наиболее приемлемые величины коэффициента детерминации зафиксированы у регрессионных моделей, построенных для Нидерландов, Швеции и Японии. На оценку качества и надежности данных моделей указывают и достаточно высокие значения F-критерия Фишера. Таким образом, указанные страны относятся к группе, имеющей низкий уровень коррупционной составляющей, и находятся в правой части топологической модели, отображенной на рис. 1a в зоне, где со снижением уровня коррупции происходит рост уровня доверия.
Заключение
- Топологическая модель, характеризующая взаимосвязь между уровнем доверия и коррумпированности общества на основе международных индексов ETB и CPI, рассчитанных для 28 стран и построенная для различных интервалов времени (2011–2021 гг.) и (2013–2019 гг.), дает в обоих случаях схожую картину размещения точек на координатной плоскости, что свидетельствует об устойчивости результатов. Выявлены страны с относительно стабильным соотношением рассматриваемых индексов (Германия, Индонезия, Канада, Колумбия, Франция) и страны, где это соотношение существенно меняется (Австралия, Аргентина, Бразилия, Гонконг, Италия, Нидерланды).
- Анализ топологической модели свидетельствует о наличии зон низкого, среднего и высокого уровня коррупции, для которых тип связи между рассматриваемыми переменными и характеризующий соотношение между индексами значительно различается. В целом общая картина размещения на плоскости точек, определяющих положение различных стран в выбранных координатах, приближается к горизонтальной S-образной кривой.
- Функция существенно нелинейна. Об этом свидетельствует как визуальный анализ расположения точек на плоскости, так и отсутствие статистически значимого результата при применении методов диапазонных коридоров и линейных регрессий для анализа отдельных зон кривой .
- Анализ динамических рядов на интервале (2011–2021 гг.) позволил получить для ряда стран (Нидерланды, Швеция и Япония) статистически значимые линейные регрессии, отражающие зависимость уровня доверия от масштабов коррупции.
- Дальнейшее исследование зависимости следует проводить на основе привлечения нелинейных функций, а также использования репрезентативных данных, которые могут быть получены как за счет увеличения длины временных рядов, так и посредством расширения перечня стран, для которых рассчитываются индексы доверия ETB и восприятия коррупции CPI.
References
- 1. Arrow K.J. (1972). Gifts and Exchanges. Philosophy & Public Affairs, 1, 4, 343–362.
- 2. Balog M.M. (2015). Measuring of corruption: Problems and main approaches. Bulletin of the Pskov State University. Ser. «Economics, Law and Management», 2, 75–80 (in Russian).
- 3. Balog M.M., Troyan V.V. (2016). Basic approaches to the definition and measurement of corrup-tion. ETAP: Economic Theory, Analysis, Practice, 2, 53–65 (in Russian).
- 4. Burov V.Y. (2011). Existing problems of studying the shadow economy. News of the Irkutsk State Economic Academy, 3, 1–8 (in Russian).
- 5. Bykova V.A. (2012). Methods for measuring corruption. Domestic notes, 2 (47) (in Russian).
- 6. Glushko I.V. (2016). Trust and distrust as social practices of Russian society. Rostov-on-Don: Fund of Science and Education (in Russian).
- 7. Gurov M.P. (2006). Shadow economy and economic crimes in modern Russia. Bulletin of St. Pe-tersburg University of the Ministry of Internal Affairs of Russia, 4 (32), 300–308 (in Rus-sian).
- 8. Dementiev V.E. (2004). Trust is a factor in the functioning and development of a modern market economy. Russian Economic Journal, 8, 46–65 (in Russian).
- 9. Egorova N.E., Koroleva E.A. (2020). Lending to Russian small businesses: Transformation of the traditional banking model into a partnership model. Economic Journal of the Higher School of Economics, 24 (2), 53–84 (in Russian).
- 10. Egorova N.E., Koroleva E.A., Gorlov A.V. (2020). Using a topological model and statistical me-thods to study the relationship between levels of trust and corruption. Drucker's Bulletin, 6 (38), 4–18 (in Russian).
- 11. Egorova N.E., Smulov A.M., Koroleva E.A. (2021). Transformation of the model of interaction between small industrial enterprises and banks based on increasing the level of trust. Moscow: CEMI RAS. 146 p. (in Russian).
- 12. Eliseeva I.I., Burova N.V. (2001). An approach to measuring the shadow economy in the regions. Scientific Works of the Russian-European Center for Economic Policy, 2–12 (in Russian).
- 13. Fukuyama F. (2004). Trust: Social virtues and the path to prosperity. Moscow: AST Publishing House, Ermak (in Russian).
- 14. Lyasko A.K. (2003). Trust and transaction costs. Voprosy Ekonomiki, 1, 42–58 (in Russian).
- 15. Lyasko A.K. (2019). The role of trust relations in competitive innovation-oriented strategic al-liances. Economic Science of Modern Russia, 4 (87), 39–52 (in Russian).
- 16. Myslovsky E.N. (2007). Corruption in Russia: Crime or way of life? Investigator, 8, 42–53 (in Russian).
- 17. Nisnevich Y.A., Stukal D.K. (2012). Many-sided corruption and its measurement in the studies of international organizations. World Economy and International Relations, 3, 83–90 (in Rus-sian).
- 18. Polterovich V.M. (1998). Factors of corruption. Economics and Mathematical Methods, 3, 34, 30–39 (in Russian).
- 19. Popov Yu.N., Tarasov M.Yu. (2005). Shadow economy in the system of market economy. Moscow: Delo (in Russian).
- 20. Rudenko V.N. (2017). The problem of measuring corruption: are objective international corruption ratings possible? Bulletin of the Ural Institute of Economics, Management and Law, 2, 22–31 (in Russian).
- 21. Satarov G.A. (2007). How to measure and control corruption. Voprosy Ekonomiki, 1, 4–10 (in Russian).
- 22. Stiglitz J.Y. (2005). Roaring nineties. Disintegration seeds. Moscow: Sovremennaya ekonomika i pravo (in Russian).
- 23. Suvorov B.V., Balaev A.S. (2011). Bribery as a system and an integral part of corruption: concept, social and criminal-legal characteristics and issues of improving Russian criminal legislation. Bulletin of Economics, Law and Sociology, 2, 157–165 (in Russian).
- 24. Yakovlev A.A. (1999). Shadow activity of enterprises and restrictions on economic growth. In: G.B. Kleiner (ed.). Ways to stabilize the Russian economy. Moscow: Informelektro, 175–187 (in Russian).