Борьба с коррупцией в России

Размещено на http://www.allbest.ru/

Содержание

Введение

1. Описание данных

2. Эмпирическая стратегия

3. Результаты

4. Проверка стационарности

Заключение

Список литературы

Введение

Коррупция -- одна из важнейших проблем в современном мире. Вот уже более 20 лет в мире собирается Индекс Восприятия Коррупции (Corruption Perception Index), который оценивает средний уровень коррупции в странах на основе мнений аналитиков и предпринимателей. Было неоднократно показано, что этот рейтинг является смещенным и медленно реагирует на изменения внутри страны. Так, например, Theresa Thompson и Anwar Shah (2005) показали, что изменения в оценке CPI отстают от происходящих изменений внутри страны. Thomas и Eda Roca (2010) показывают, что CPI недооценивает коррупцию в авторитарных режимах и переоценивает её в демократических.

Несмотря на определенные сложности, связанные со способом измерения уровня коррупции, ученые продолжают изучение факторов, влияющих на коррупцию, и её влияние на экономическое развитие. Прежде всего, это связано с тем, что коррупция -- это объективно существующая, а во многих странах и очень острая проблема. Так, например, Россия сегодня занимает 131 место из 176 в рейтинге CPI с общим баллом 29 из 100 (по шкале 0 -- высочайший уровень коррупции,100 -- отсутствие коррупции). Однако, Россия -- страна, которая занимает самую большую территорию в мире. Эта огромная площадь разделена на 82 региона, которые отличаются друг от друга по площади, количеству населения, климатическим условиям и многим другим параметрам. Именно поэтому изучение уровня коррупции в отдельных регионах представляет интерес для исследований.

Однако необходимо отметить, что хорошей базы данных, аналогичной CPI, но на уровне отдельных регионов России не существует. Лишь однажды в 2004 году Transparency International подсчитала индекс восприятия коррупции в регионах России, но и это было проделано лишь для 40 регионов. Это исследование использовали в своей работе Phyllis Dininio и Robert W. Orttung (2004). Авторы разделили 40 регионов на 4 группы, основываясь на структуре производства в них, и показали, что коррупция в России, прежде всего, структурная, а не институциональная проблема, и уровень коррупции негативно зависит от численности населения и позитивно от богатства региона.

Отсутствие хороших баз данных связано с тем, что провести опрос сопоставимый по масштабу и качеству с CPI слишком дорого, сложно и времязатратно даже единожды. О том, чтобы подобный опрос происходил регулярно, например, ежегодно, не может идти и речи. Очевидно, что во многом изучение коррупции на уровне менее крупном, чем на уровне отдельных стран, требует поиска хороших прокси-переменных. Эта мысль неоднократно приходила на ум исследователям, и поэтому существует большое количество всевозможных прокси-переменных, которые были использованы в свое время.

Интересно посмотреть на прокси, которыми пользовались различные ученые. Так, например, Gьnther G. Schulze, Bambang Suharnoko Sjahrir и Nikita Zakharov (2013) использовали интересную аппроксимацию: они обратили внимание на количество заведенных дел по статье 290 уголовного кодекса РФ, которые заводятся за получение взятки должностным лицом. На мой взгляд, преимуществом этой аппроксимации является то, что коррумпированность судебных инстанций слабо влияет на этот показатель, поскольку чиновника всё ещё могут оправдать даже до суда через закрытие дела, например, по причине недостатка улик. Также, Pushan Dutt (2008) показал, что уровень зарплат чиновников может быть использован для измерения уровня коррупции. Для этого он оценивает вероятность того, что чиновник будет брать взятку, учитывая свою зарплату, которой он может лишиться. Однако в таком механизме может существовать несколько равновесий, и поэтому данный метод может быть использован лишь с некоторыми ограничениями.

Я считаю, что именно аппроксимация через дела, проходящие по статье 290, является наиболее удачной, однако, я считаю, что необходимо учесть другие факторы, влияние, которых может сказаться на коррумпированности региона. Именно поэтому, я хотел бы в своей работе использовать в качестве показателя, отображающего уровень коррупции в регионе именно число уголовных дел, заведенных по статье 290.

5 октября 2015 года в Москве на заседании Государственной Думы был принят Федеральный закон «О внесении изменений в отдельные законодательные акты Российской Федерации в части установления обязанности лиц, замещающих государственные должности и иных лиц сообщать о возникновении личной заинтересованности, которая приводит или может привести к конфликту интересов, и принимать меры по предотвращению или урегулированию конфликта интересов». Основная причина, по которой это было проведено -- это участившиеся случаи злоупотребления своим положение чиновников, которые оформляли активы на членов своей семьи, сами оставаясь невиновными. В рамках старого законодательства это не считалось конфликтом интересов. Если просмотреть рейтинг самых богатых супругов чиновников в России, составленный на основе открытых источников, то можно заметить, что ровно половина из них (25 из 50) проживают в Москве и Московской области. Как нетрудно заметить на остальные 80 регионов России в этом рейтинге приходится всего лишь 25 мест.

Можно предположить, что более близкие регионы к Москве должны быть более коррумпированными, поскольку, во-первых, являются экономически более активными и богатыми, а согласно некоторым работам упомянутыми мной, это способствует развитию коррупции. Во-вторых, более близкие к столице регионы могут быть использованы для сокрытия незаконных доходов коррумпированных агентов. Они могут выводить свои активы не только из страны, но и в соседние регионы, что приводит к появлению незаконных активов в них. Это увеличивает уровень коррупции в них. В-третьих, чиновники регионов, близких к Москве с большей вероятностью обладают полезными знакомствами, которые позволяют избежать расследований федеральных служб по борьбе с коррупцией, что также увеличивает уровень коррупции. В-четвертых, более отдаленные регионы обладают меньшими возможностями для развития коррупции, поскольку региональные антикоррупционные службы в них не ожидают поддержки от федеральных, что заставляет их более ответственно бороться с коррупцией.

Однако, следует принимать во внимание, что существует множество факторов, которые необходимо учесть, чтобы очистить эффект влияния удаленности региона. Прежде всего, это такие факторы, как валовой внутренний продукт, население региона, запасы и объем добычи наиболее важного для России природного ресурса -- нефти, так как в работе Shannon M. Pendergast, Judith A. Clarke и G. Cornelis van Kooten (2008) было показано, что наличие и добыча топлива (нефть) является фактором, замедляющим рост и потенциально увеличивающим коррупцию. Все эти факторы могут оказывать влияние на уровень коррупции в регионе, а, значит, их нужно будет добавить в качестве контрольных переменных при регрессионном анализе.

Данная работа базируется на более ранних работах, написанных в этой сфере, однако, моя работа первая, которая оценивает эффект удаленности региона от столицы на уровень коррупции. Также я использую прокси-переменную, которая позволяет оценить уровень коррупции во всех регионах России, а также не связана с субъективным мнением людей и может достаточно правдиво отображать реальный уровень коррупции. Эта переменная не испытывает большого влияния со стороны возможной коррумпированности прокуратуры, поскольку заведение дела -- это лишь первый шаг на пути судебного процесса. Дело может не дойти до вынесения приговора по многим причинам. Кроме того, оно должно быть заведено в кратчайшие сроки, что сильно снижает возможное отставание данных от реальных событий.

Данная работа построена следующим образом: во второй части описаны данные, которые я планирую использовать. В третьей части я описываю свою эмпирическую стратегию и составляю основное регрессионное уравнение, которое я буду оценивать в своей работе. В четвертой части находятся результаты моей работы. Пятая часть посвящена проверкам стационарности. Наконец, шестая часть данной работы -- заключение.

1. Описание данных

Данные, используемые в данной работе, являются панельными. В них собраны показатели за 2010-2016 года по 85 регионам России (с 2014 года в данные включены республика Крым и город Севастополь).

В этой работе основной переменной отображающей уровень коррупции является переменная Recorded_crime_290, которая представляет собой количество заведенных дел по статье 290 УК РФ «Получение взятки». Данные получены по 85 регионам (в том числе г. Москва, г. Санкт-Петербург, г. Севастополь) за 2010-2016 года. Источником этих данных является Портал правовой статистики Генеральной Прокуратуры РФ.

Основная объясняющая переменная dist: расстояние от региона до столицы России. Поскольку регионы различаются по площади, то в качестве этого расстояния я использую расстояние по прямой линии на карте от одной и той же точки Москвы до регионального центра. Для того, чтобы отразить разницу в размерах региона, я использую площадь, обозначенную переменной S. Данные по площади собраны на основании «Государственного (национального) доклада о состоянии и использовании земель в Российской Федерации в 2011 году (на 1 января 2012 года) Федеральной службы государственной регистрации, кадастра и картографии (Росреестр) Государственный (национальный) доклад о состоянии и использовании земель в Российской Федерации в 2011 году (на 1 января 2012 года) // Федеральная служба государственной регистрации, кадастра и картографии (Росреестр)».

Данные о населении pop каждого из регионов получены из данных Федеральной службы государственной статистики из документа «Предварительная оценка численности постоянного населения на 1 января 2016 года и в среднем за 2015 год». Полученные данные отображают население регионов в 2016 году.

Данные о добыче нефти в регионах России oil, oil_share. Первая является бинарной переменной, обозначающей производится ли добыча нефти в данном регионе (1 -- да, 0 -- нет). Вторая обозначает, какая доля общероссийской добычи в 2011 году была получена в административной единице. Данные взяты из Росстата и исследования РИА-Аналитика. Это один из наиболее важных факторов для контроля, поскольку нефть является одним из основных способов пополнения бюджета, и государственные власти должны обращать большее внимание на поступления в бюджет из данных регионов, а увеличение коррумпированности чиновников приводит к снижению доходов. Кроме того, регионы занимающиеся добычей полезных ископаемых, обычно являются более богатыми, что увеличивает возможности для личного обогащения чиновников.

Другая важная переменная grp представляет собой региональный уровень ВВП. Данные рассчитанные по регионам России получены на основании данных Федеральной службы государственной статистики за 2013 год. Это важная объясняющая переменная, поскольку более богатые регионы потенциально имеют большую возможность для злоупотребления своими полномочиями.

Наконец, бинарная переменная donor обозначает, является ли отдельный регион донором бюджета России, то есть, получает ли он из бюджета РФ меньше, чем он в него отдает. Информация об этом взята из «Закона о бюджете 2010-2012 от 02.12.2009» и «Закона о бюджете 2013-2016 от 2.12.2013». Эта переменная позволяет определить, какие регионы являются более сбалансированными с точки зрения расходов и доходов, а поскольку их не слишком много, то уровень коррумпированности чиновников там должен быть ниже. Государство будет более заинтересовано в контроле над чиновниками, которые влияют на поступления из самых доходных регионов.

2. Эмпирическая стратегия

Я изучаю эффект удаленности региона от столицы на уровень коррупции в регионе. В идеальном случае для этой цели необходимо было бы иметь измеренный в числовом выражении уровень коррупции в регионе. Однако не существует таких данных, равно как и объективного способа оценить уровень коррупции в отдельном регионе. Именно поэтому я буду использовать прокси-переменную количества зарегистрированных преступлений по статье 290 для того, чтобы оценить интересующий меня эффект.

Изначально необходимо проанализировать сводную статистику используемых данных, представленную в Таблице 1.

Таблица 1. Сводные статистические данные

Из таблицы можно заметить, что все используемые переменные обладают хорошей вариацией. Заметим, что площадь региона и ВРП (Валовой Региональный продукт) сильно смещены, и их среднее значительно отличается от медианного значения, поэтому было бы разумно использовать эти переменные в лог-форме.

Итоговое выражение, которое я собираюсь оценивать, имеет следующий вид; коррупция валовый региональный преступление

,

Перечисленные переменные необходимы для того, чтобы проконтролировать влияние уровня богатства региона на уровень коррупции в нем. Переменная T обозначает вектор регрессоров, отвечающих за эффекты времени. Я ожидаю, что коэффициенты перед такими переменными будут положительными, поскольку более богатые регионы имеют больше потенциальных возможностей для коррупционных схем. Соответственно, влияние логарифма площади на уровень коррупции в регионе должно быть положительным, так как в более крупных по площади регионах из-за большего количества региональных проектов, которые могут быть реализованы в его различных частях. Уровень валового регионального продукта должен влиять на уровень коррупции положительно, поскольку более богатые регионы обеспечивают больший запас средств, возможностей и различных предприятий для злоупотребления служебным положением. Я ожидаю, что размер населения должен положительно влиять на уровень коррупции, поскольку в более населенных районах должно быть больше компаний для обеспечения их потребностей. Большее число компаний может привести к появлению стимулов у компании к попыткам незаконно улучшить свое положение путем дачи взятки.

Тот факт, что регион является донором в государственный бюджет, должен влиять отрицательно на уровень коррупции в нем. Я исхожу из следующей интуиции: регионы-доноры важны для федеральных органов и правительства, поэтому федеральные и местные службы оказывают большее внимание по борьбе с коррупцией именно в этих регионах. Также, возможно, что региональные органы и службы успешно работают и, в том числе, борются с коррупцией в регионе, за счет чего регион становится менее коррумпированным и вероятность того, что он будет регионом-донором, растет. Доля добытой в регионе нефти должна влиять на уровень коррупции в регионе положительно, поскольку это один из основных способов пополнения как регионального, так и федерального бюджета. Соответственно, регионы, которые обеспечивают значительную долю доходов, обеспечивают высокую возможность злоупотребления своим служебным положением, поскольку выгода от получения взятки выше. Именно поэтому, регионы, в которых происходит добыча нефти, должны быть более коррумпированными. Однако наличие нефти в регионе само по себе не должно влиять на уровень коррупции в нём, поскольку неиспользуемые ресурсы не приносят никаких дополнительных доходов ни в бюджет, ни отдельным компаниям, поэтому не возникает стимулов для злоупотребления своим положением.

Также необходимо добавить фиксированные временные эффекты, поскольку на уровень коррупции в каждом регионе могут влиять множество общероссийских и общемировых факторов, такие как изменения в антикоррупционном законодательстве в 2013 году, изменение цены на нефть и многие другие. Именно поэтому, необходимо включить в регрессии постоянные временные эффекты. Помимо этого, нужно учесть, что между различными годами уровень коррупции в регионах может быть скоррелирован, поэтому необходимо использовать кластеризованные стандартные ошибки, чтобы учесть возможность этой корреляции. Она может быть объяснена тем, что регионы, которые однажды стали чересчур коррумпированными, не смогут изменить это быстро, поэтому в последующие года уровень коррупции будет скоррелирован.

3. Результаты

Я провел регрессионный анализ согласно описанной мной эмпирической стратегии. Итоговые результаты представлены в Таблице 2.1. Для начала рассмотрим коэффициент при главной объясняющей переменной удаленности от столицы (dist). В первой спецификации включены только постоянные эффект времени и одна объясняющая переменная. Коэффициент при главной объясняющей переменной значим на однопроцентном уровне. При добавлении контрольных переменных в регрессию коэффициент при переменной удаленности от столицы остается значимым на однопроцентном уровне, а абсолютное значение коэффициента несколько сократилось. 95% доверительный интервал для оцененного коэффициента -0.0016; -0.0079. Для среднего значения расстояния в 1763 километра оцененный эффект влияния удаленности от -2.82 до -13.92. Соответственно, удаленность от столицы объясняет от 4.9% до 19.5% от среднего уровня коррупции в регионе. Этот эффект экономически значим, и его необходимо принимать во внимание. Эффект площади региона на уровень коррупции в нем, согласно ожиданиям, также оказался положительным и значимым на пятипроцентном уровне.

Переменная, отвечающая за количество населения в регионе, выглядит одной из наиболее важных. Она также как и переменная удаленности является значимой на однопроцентном уровне. Гипотеза о том, что с увеличением населения в регионе растет и уровень коррупции в нем, подтвердилась. Это связано с тем, что большое число жителей требует большего количества «сопутствующих» агентов. Ими могут быть как отдельные фирмы, так и действия региональных властей, которые влияют на количество доступных проектов и, соответственно, возможностей для злоупотребления служебным положением и принятия взятки.

Валовой региональный продукт является значимым лишь в некоторых спецификациях. Наиболее вероятной причиной того, что «богатство» региона не позволяет предсказать уровень коррупции в нем, является то, что валовой внутренний продукт сам по себе не позволяет сделать вывод о потенциальной возможности для коррупционной деятельности, поскольку высокий ВРП может быть у совершенно разных регионов. Например, в регионе может быть множество мелких различных предприятий, которые обеспечивают высокий ВРП, а может быть несколько крупных, влияние которых на регион будет намного сильнее. Первая ситуация препятствует коррупции в регионе, поскольку размер взятки, который способен выплатить отдельный агент уменьшается, а риски, которые может понести человек в случае поимки (тюремный срок, потеря должности) не изменяются. Во втором случае ситуация обратная, именно поэтому эффект ВРП на уровень коррупции может быть незначим.

Тот факт, что регион является донором в государственный бюджет, как и ожидалось, понижает уровень коррупции в нем. Результат является значимым на пятипроцентном уровне во всех спецификациях. Этот эффект также экономически значителен, поскольку коэффициент равный -20.63 показывает, что средняя разница между регионом-донором и регионом-реципиентом достигает почти трети от среднего значения количества зарегистрированных преступлений. Это подтверждает гипотезу о том, что федеральные власти более заинтересованы в борьбе с коррупцией в них и могут более пристально следить за регионами-донорами, что в свою очередь приводит к ощутимому снижению коррумпированности региона.

Наконец, стоит отметить, что переменные, отвечающие за наличие и добычу нефти в регионе, оказались, в соответствии с ожиданиями, незначимыми и положительно значимыми соответственно. Чем большая доля нефти добывается в регионе, тем выше уровень коррупции в нем, поскольку регионы, в которых не только есть, но и добывается нефть, обеспечивают хорошую возможность для использования служебного положения и получения взяток. Это объясняется тем, что наличие крупных и прибыльных компаний на местном уровне повышает размер взятки, которую может получить чиновник. Это приводит к повышению возможных прибылей при неизменном уровне риска. Однако, само по себе наличие ценных природных ресурсов, которые не добываются и не приносят прибыли и не обеспечивают налоговых доходов в бюджет, не влияют на уровень коррупции в регионе, поскольку нет агентов, имеющих стимулы к даче взятки. Кроме того, это может быть объяснено тем, что недостаточно знать, что в регионе добывается или присутствует нефть, необходимо иметь представление об объемах добычи. Разные объемы могут очень сильно сказываться на уровне коррупции, поэтому простая бинарная переменная неспособна показать значимое различие в уровне коррупции между такими регионами.

Также, мы можем заметить, что в лог-линейной и лог-лог формах (Таблицы 2.2 и 2.3) результаты сохраняют свою значимость. Основная переменная, отвечающая за удаленность региона, сохраняет значимость во всех спецификациях, равно как и переменные, обозначающие «донорство» региона и уровень добычи нефти в регионе, сохраняют свою значимость. Это позволяет сказать, что результаты, полученные мной, проявляют устойчивость и не случайны. В дальнейшем, я хочу убедиться в этом при помощи проверок стационарности.

4. Проверка стационарности

Для начала заметим, что количество преступлений по статье 290 в Москве (от 258 до 627), расстояние до столицы (0 км), площадь (2511 км2) и размер населения (до 15 миллионов) сильно отличаются от среднего по выборке. Все это делает Москву как административную единицу нерепрезентативной в моей выборке, согласно сводным статистическим данным используемых мною переменных. Именно поэтому первая проверка стационарности, которую я хотел бы провести, -- исключение Москвы и повторная оценка тех же самых регрессий. Результаты расположены в Таблице А в Приложении А. Результаты сравнения коэффициентов и значимости коэффициентов в итоговой регрессии приведен в Таблице 3.

Таблица 3. Сравнение результатов после проверки на стационарность

Как можно заметить из результатов сравнения, исключение нетипичного наблюдения не повлияло на значимость коэффициентов. Однако произошло некоторое изменение коэффициентов, особенно заметное при переменной, отвечающей за площадь региона. Возможно, это связано с тем, что Москва как административная единица обладает сравнительно небольшой площадью, но при этом наиболее высоким уровнем коррупции. Это привело к тому, что оцененный эффект влияния площади увеличился. Все остальные коэффициенты изменились незначительно, что показывает, что результат, полученный мною, устойчив к удалению исключительных наблюдений.

Следующая проблема, которая могла бы иметь место в моей работе -- проблема того, что некоторые удаленные регионы России менее коррумпированы, например, из-за того что наиболее богатые и населенные регионы находятся в западной части России, а наиболее крупные по площади -- в восточной части. Именно поэтому может быть разумно проверить сохранится ли интересующий меня эффект отдельно для западной и восточной части России. Под западной частью России я подразумеваю, все регионы России расположенные к западу от Уральских гор. Итоговые результаты для западной и восточной части страны расположены в Приложении B и C соответственно. Сравнение финальных результатов для всей выборки и для отдельных частей страны находится в Таблице 4.

Как можно заметить в Таблице 4, объясняющая переменная удаленности от столицы сохраняет свою значимость, при этом сильно увеличиваясь в абсолютном значении для западной части России. Это связано с тем, что в западной части России расстояние между регионами в среднем меньше, а уровень коррупции выше, что приводит к увеличению влияния удаленности региона от столицы на уровень коррупции в нем.

В спецификации, посвященной западной части России, коэффициент при переменной, отвечающей за размер региона, оказались незначимым. Это, прежде всего, можно объяснить тем, что в западной части России вариация площади намного меньше, чем в целом по выборке. Также, возможно, площадь региона действительно не оказывает влияния на уровень коррупции в нем. Это может быть связано с тем, что площадь может не влиять уровень коррупции, а, например, быть скоррелированной с наличием полезных ископаемых (на большей площади более вероятно наличие нефти и её добыча). Таким образом, площадь региона не является переменной, при помощи которой можно хорошо предсказывать уровень коррупции.

Также можно заметить, что коэффициент при населении региона остался значимым на однопроцентном уровне, однако, изменения в абсолютном значении коэффициента можно объяснить разницей в населении восточной и западной части России. Большая часть населения проживает в европейской части России, из-за чего выборка становится смещенной вверх по данному параметру.

Валовой региональный продукт оказался незначимым для западной и восточной частей России, что вновь подтверждает тот факт, что само по себе знание валового продукта региона не помогает в оценке уровня коррупции. Я полагаю, что региональный продукт может быть связан с другими характеристиками, с учетом которых, два региона с одинаковым ВРП могут обладать разными возможностями для коррупционеров.

Коэффициент при переменной, отвечающей за наличие нефти в регионе, оказался значимым в западной части России в отличие от доли её добычи. Это связано с тем, что в западной части объем добычи нефти составляет менее 15 процентов от общероссийского, и он сосредоточен всего лишь в семи регионах практически равномерно. Именно поэтому объем добываемой нефти в этих регионах практически не дает информации отличной от информации, которую дает бинарная переменная наличия нефти. Таким образом, коэффициент при уровне добычи нефти в западном регионе оказался незначим.

Таблица 4. Сравнение результатов для западной и восточной частей России

Наконец, последняя проблема, которую я вижу в своей работе, -- проблема того, что удаленность на самом деле будет негативно влиять не только на уровень коррупции, но и на любые другие преступления. Именно поэтому я бы хотел проверить есть ли влияние того, что регион удален от столицы на количество убийств и количество мелких хулиганств. Я ожидаю, что количество убийств будет выше вдали от столицы, так как, согласно заявлению Министерства Здравоохранения от 10 сентября 2015 года, основная причина насильственной смерти в России -- это алкоголизм, а в удаленных регионах России проблема алкоголизма стоит наиболее остро. Эта та причина, по которой я считаю, что коэффициент при переменной удаленности от столицы должен быть значимым и положительным. Количество мелких хулиганств не должно зависеть от удаленности региона, поскольку мелких хулиганства являются преступлениями, которые совершаются не с целью личного обогащения как получение взятки, а значит, характеристики региона не должны влиять на количество таких преступлений. Этот тип преступлений может совершаться как в крупном городе таком, как Москва, так и в мелких городах с населением в несколько десятков тысяч. Я считаю, что удаленность региона не должна влиять на частоту совершаемых в нем преступлений по статье мелкое хулиганство, на нее должен влиять только размер населения региона.

Данные по числу заведенных дел по статье убийство и мелкое хулиганство получены также как и данные о делах, заведенных по статье получение взятки. Данные получены по 85 регионам (в том числе г. Москва, г. Санкт-Петербург, г. Севастополь) за 2010-2016 года. Источником этих данных является Портал правовой статистики Генеральной Прокуратуры РФ. Итоговые результаты данной проверки находятся в Таблице D и Таблице E соответственно. В Таблице 5 приведены итоговые результаты данного регрессионного анализа. Как можно заметить из таблицы, исходные предположения подтвердились, и поэтому мы можем считать, что связь удаленности региона с числом совершенных преступлений не является случайностью. Нельзя сказать, что более удаленные регионы обладают более плохой правоохранительной системой и просто заводят меньше дел по всем статьям. Как мы только что увидели, удаленные регионы могут, как превосходить по числу некоторых совершенных преступлений близкие к столице, так и проигрывать им или быть почти такими же.

Таким образом, я провел несколько проверок на стационарность, которые показали, что результаты, ранее полученные мной, устойчивы к ограничению выборки и исключению нетипичных наблюдений (выбросов), а также что эффект, полученный мной, не является общим эффектом влияния удаленности региона на уровень преступности.

Таблица 5. Эффект удаленности региона на различные виды преступлений

Заключение

Результаты, которые получены мной в этой работе имеют большое значение для борьбы с коррупцией в России. Из проведенного мной анализа становится понятно, что коррупция является проблемой, которая стоит практически перед каждым регионом. В каждом отдельном регионе коррупция возрастает по мере снижения его удаленности от столицы, роста добычи нефти и снижается для регионов, которые являются регионами-донорами. Таким образом, в отличие от более ранних исследований, мои результаты говорят о том, что сейчас наиболее высоким уровнем коррупции обладают наиболее населенные регионы.

Это может быть связано с тем, что в последнее время государственные органы по борьбе с коррупцией большее внимание обращали на удаленные регионы, поскольку раньше, согласно различным исследованиям, например, Phyllis Dininio и Robert W. Orttung (2004) на основании данных 2002 года показали, что менее населенные регионы являются более коррумпированы. Однако они проводили свое исследование на 40 регионах на данных 2002 года. С тех пор прошло уже много лет, и борьба с коррупцией в России продолжалась все это время. К началу 2010 года большинство более близких к столице регионов стали более коррумпированными во многом благодаря тому, что вероятность иметь полезные связи со столичными властями в них выше.

Для того чтобы более подробно проанализировать имеет ли место данная гипотеза необходимо провести дополнительные исследования. Необходимо собрать данные, по крайней мере, с 2002 года по 2016 и проверить произошло ли изменение в структуре наиболее коррумпированных регионов. Подобное исследование сможет определить, действительно ли произошла перемена в структуре наиболее коррумпированных регионов. Кроме того, возможно исследование, в котором можно провести проверку того является ли фактор удаленности региона от столицы влияющим на уровень коррупции для другой территориально крупной страны.

Кроме того, переменная удаленности от столицы может быть важным объясняющим фактором не только для уровня коррупции, но и для многих других явлений. Это можно заметить в проверках стационарности, проведенных мной.

Таким образом, я считаю, что удаленность региона от столицы -- это важный фактор, который является значимым как в экономическом, так и в эконометрическом смысле. Это один из тех факторов, которые необходимо учитывать в будущих работах, посвященных изучению коррупции, поскольку данный фактор способен объяснить порядка 10% процентов всей вариации уровня коррупции. Кроме того, полученные результаты прошли проверки стационарности, и влияние удаленности от столицы оказалось значимым во всех спецификациях и даже на других подвыборках.

Список литературы

1. Theresa Thompson and Anwar Shah. “Transparency International's Corruption Perceptions Index: Whose Perceptions Are They Anyway?.” Discussion Draft, Revised March 2005.

2. Shannon M. Pendergast, Judith A. Clarke and G. Cornelis van Kooten. “Corruption and the Curse of Natural Resources.” Department of Economics University of Victoria. Draft March 7, 2008.

3. Иван Голунов. «50 самых богатых жен чиновников России.» Republic, опубликовано 23.04.2013,

Размещено на Allbest.ru