نوع مقاله : مقاله علمی
نویسندگان
1 دانشجوی دکتری اقتصاد، پردیس بین المللی ارس، دانشگاه تهران، تهران، ایران
2 استاد گروه اقتصاد، دانشگاه تهران، تهران، ایران
چکیده
کلیدواژهها
عنوان مقاله [English]
نویسندگان [English]
Abstract
Previous studies in the corruption literature have introduced numerous variables as the determinants of corruption. This articles aims to evaluate the robustness of potential determinants of corruption by addressing the model uncertainty and endogeneitry. The results derived from an instrumental variable Bayesian model averaging analysis indicate that based on the data of 123 countries, rule of law, with a posterior inclusion probability (PIP) of 1 and posterior mean of 0.662 has the most important role in keeping corruption under control among 36 explanatory variables. Government effectiveness, with a PIP of 0.964 and posterior mean of 0.358 is another significant variable in curbing corruption. Also, with a PIP of 0.965 and posterior mean of -0.194 the Asia dummy variable tells that corruption is a serious problem in the Asia region. Further, confining the analysis to 95 developing countries reveals that rule of law with a PIP of 0.999 and posterior mean of 0.684 is the most critical variable in the fight against corruption.
کلیدواژهها [English]
1. مقدمه
بانک جهانی (2010) «فساد مالی[2]» را به عنوان یکی از مهمترین موانع توسعه اقتصادی معرفی کرده است. فساد مالی، سالانه هزینهای در حدود 40-20 میلیارد دلار به کشورهای کمدرآمد و 6/2 تیریلیون دلار به اقتصاد جهانی تحمیل میکند (بانک جهانی، 2010؛ سازمان همکاری و توسعه اقتصادی[3]، 2013).
این پژوهش، مولفههای تعیینکننده فساد مالی را بررسی میکند. در این حوزه، محققان بسیاری به بررسی نقش عوامل گوناگون اقتصادی، نهادی و جغرافیایی در تعیین گستره فساد مالی پرداختهاند. به عنوان مثال، جها و سارانگی[4] (2018) نقش حضور زنان در ساختار سیاسی، اوبرتی[5] (2018) نقش ساختار سیاسی سوسیالیستی و پینتو و ژو[6] (2016) نقش سرمایهگذاری مستقیم خارجی بر فساد مالی را بررسی کردهاند. هرچند ادبیات مربوط به فساد مالی بسیار غنی بوده و مطالعات تجربی زیادی زوایای پنهان آن را آشکار کردهاند؛ اما، محققان هنوز در مورد مولفههای اصلی و کنترلکننده فساد مالی به توافق جمعی دست نیافتهاند. بر همین اساس، سوال کلیدی و اساسی این پژوهش این است که از میان متغیرهای مختلف موثر بر فساد مالی، کدامیک نقش اصلی و مسلط را در تعیین فساد مالی بر عهده دارند؟
«نااطمینانی مدل»[7] از مهمترین دشواریهای مطالعات تجربی فساد مالی است. نااطمینانی مدل به وضعیتی اطلاق میشود که ادبیات اقتصادی عوامل متعددی را به عنوان مولفههای بالقوه موثر بر متغیر وابسته معرفی مینماید و محقق در مورد آن دسته از متغیرهای توضیحی که باید در سمت راست معادله اقتصادسنجی وارد شوند، دچار ناطمینانی است. «درونزایی»[8] متغیرهای توضیحی دیگر معضل پیشروی محققان در مطالعات تجربی پدیده فساد مالی است. این مشکل ناشی از رابطه متقابل فساد مالی و عوامل موثر بر آن است. به بیان دیگر، فساد مالی بر مولفههای موثر بر خود اثرگذار است. در این مقاله از رویکرد میانگینگیری بیزینی با متغیر ابزاری (IVBMA)[9] برای غلبه بر مشکلات یاد شده استفاده میشود. این روش، تلفیقی از دو رویکرد میانگینگیری بیزینی (BMA)[10] و «متغیر ابزاری»[11] است و توسط کارل و لنکوسکی[12] (2012) و کوپ، لئون-گونزالس و استراکان[13] (2012) معرفی شده است. هدف پژوهش این است که با استفاده از اطلاعات 123 کشور طی بازه زمانی 2010- 1991 میلادی، متغیرهای اصلی موثر بر فساد مالی از بین 36 متغیر توضیحی شناسایی شوند.
برای دستیابی به هدف، مقاله به این شکل سازماندهی میشود. در ادامه، در بخش دوم به بررسی اجمالی مطالعات صورت گرفته در زمینه شناسایی عوامل موثر بر فساد مالی پرداخته میشود. بخش سوم به معرفی رویکرد اقتصادسنجی اختصاص دارد. نتایج حاصل از پژوهش در بخش چهارم ارائه میشوند. در بخش پنجم، نتیجهگیری و پیشنهادهای سیاستی مقاله عرضه میشود.
2. ادبیات موضوع
ادبیات فساد مالی سرشار از نظرات و نتایج متنوع و گاه، ناسازگار در زمینه متغیرهای موثر بر فساد مالی است. در اینجا، به اجمال پیشینهای از تلاشهای صورت گرفته در زمینه شناسایی مولفههای موثر بر فساد مالی عرضه میشود.
2- 1. مبانی نظری
2- 1- 1. مولفههای اقتصادی
اقتصاددانان به این نتیجه دست یافتهاند که با افزایش درآمد کشورها، فساد مالی کاهش مییابد (سرا[14]، 2006). آزادی تجارت، متغیر مهم و تاثیرگذار دیگر این گروه میباشد. به طور کلی، مطالعات بر نقش مثبت افزایش آزادی تجارت و واردات در تحدید فساد مالی صحه گذاشتهاند (آریکان[15]، 2004؛ بادینجر و نیندل[16]، 2014). افزون بر این، سرمایهگذاری مستقیم خارجی (FDI)[17] مورد توجه محققان مختلف بوده است؛ گرچه هنوز تا دستیابی به توافق کلی در مورد رابطه FDI و فساد مالی فاصله وجود دارد (گاتی[18]، 2004؛ پینتو و ژو، 2016).
پدیده «نحسی منابع»[19] و رابطه وفور منابع طبیعی با فساد مالی از دیگر موارد قابل طرح در این گروه میباشد. به نظر میرسد بهرهمندی از منابع سرشار طبیعی به تشدید فساد مالی میانجامد (ناتسن، کوتسادام، اولسن و ویگ[20]، 2017).
همچنین، متغیر دیگری که نظر پژوهشگران را به خود معطوف کرده است، شهرنشینی است. هرچند، محققان این متغیر را به عنوان شاخصی از سطح توسعهیافتگی دانستهاند؛ اما تاکنون توافقی در مورد نوع رابطه آن با فساد مالی حاصل نشده است (گلسر و ساکس[21]، 2006؛ گوئل و نلسون[22]، 2010). دونگ و تورگلر[23] (2013) با بررسی پژوهشهای متعدد به این نتیجه دست یافتهاند که گسترش آموزش و تحصیلات اثر مثبتی بر کنترل فساد مالی دارد.
2- 1- 2. مولفههای نهادی
اغلب مطالعات، رابطهای معکوس بین اندازه دولت (که بیشتر به وسیله نسبت مخارج دولت به GDP اندازهگیری میشود) و فساد مالی ترسیم کردهاند (آل سینا و انگلتس[24]، 2005). افزون بر اندازه دولت، نتایج تحقیقات نشان میدهد افزایش کارآمدی دولت، متغیری مهم در کنترل فساد مالی است (درهر، کاتسوجیانیس و مککوریستون[25]، 2009). به علاوه، صاحبنظران بر نقش مثبت افزایش سطح دموکراسی در مقابله با فساد مالی تاکید دارند (کلستاد و ویگ[26]، 2016). همچنین، به نظر میرسد فساد مالی در کشورهایی که از نظام دموکراتیک کامل و راستینی برخوردار بوده و تجربه طولانیمدتی از برقراری دموکراسی واقعی دارند، کمتر است (پلگرینی[27]، 2011).
بیشتر تحقیقات پیشین بر اثر مثبت بهرهمندی اقشار جامعه از حقوق سیاسی به عنوان اهرم کنترلکننده فساد مالی تاکید کردهاند (برونتی و ودر[28]، 2003؛ ایواساکی و سوزوکی[29]، 2012). حفاظت هرچه بهتر از حقوق مالکیت افراد نیز به کاهش فساد مالی منجر میشود (لیما و دلن[30]، 2019). به علاوه، تاثیر مثبت گسترش آزادی رسانهها در تحدید فساد مالی مرکز توجه بسیاری از تحقیقات است (فریل، هاکو و نلر[31]، 2007).
یافتهها نشان میدهد حاکمیت قانون نیز در زمره عوامل اصلی کنترلکننده فساد مالی است (ایواساکی و سوزوکی، 2012). بنیان حقوقی کشورها از دیگر عوامل مهم به شمار میرود. به طور مشخص، «رویه عرفی»[32] در انگلستان اثر مثبتی بر کنترل فساد مالی دارد (سرا، 2006؛ تریسمن[33]، 2007).
برخی از پژوهشگران اذعان کردهاند که در مورد جهتگیری کلی نتایج مربوط به تمرکز ساختار سیاسی با فساد مالی نمیتوان به طور قاطع حکم صادر کرد (فن، لین و تریسمن[34]، 2009؛ دلآنو و تئوبالدلی[35]، 2015). علاوه بر این موارد، نظر غالب بر این است که افزایش تنوع قومی، زبانی و مذهبی موجب تشدید معضل فساد مالی میشود (شن و ویلیامسون[36]، 2005).
در حالی که نوع رابطه مولفه جمعیت با فساد مالی هنوز مشخص نیست، تحقیقات از تاثیر مثبت جمعیت پروتستان در کاهش فساد مالی حکایت دارند (ناک و آزفر[37]، 2003؛ سرا، 2006). توانمندسازی زنان و به خصوص تصدی مناصب سیاسی توسط آنان با فساد مالی رابطه عکس دارد (سوامی، ناک، لی و آزفر[38]، 2001؛ موکان[39]، 2008). در نهایت، استعمار قدرتهای خارجی بر محیط نهادی کشورهای مستعمره و سطح فساد مالی آنان اثرگذار است (عاصماوقلو، جانسن و رابینسون[40]، 2001). به طور کلی، کشورهای تحت قیمومیت انگلستان، به هنگام استقلال، محیط نهادی مناسبتری نسبت به دیگر کشورهای مستعمره داشتهاند (تریسمن، 2000؛ گوگسکوس و نوریچ[41]، 2006).
2- 1- 3. مولفههای جغرافیایی
لوپز- والکارسل، جیمنز و پردیگوئرو[42] (2017) و یو و نای[43] (2017) نشان دادهاند که فساد مالی دارای اثرات سرریز فضایی است و ویژگی «سرایت» یا «واگیر»[44] دارد. فساد مالی در یک منطقه مفروض بر فساد مالی مناطق مجاور اثرگذار بوده و از آنها اثر میپذیرد. به همین دلیل، در این پژوهش، پنج «متغیر مجازی»[45] برای مناطق جغرافیایی مختلف درنظر گرفته شده است.
2- 2. پیشینه تحقیق
در جدول (1) خلاصهای از بعضی مطالعات اخیر در راستای بررسی عوامل موثر بر فساد مالی ارائه شده است.
جدول 1. پیشینه تحقیق
مطالعات خارجی |
|
مطالعه |
توضیحات |
اکبری، بهرامیراد، کیمبروق[46] (2019) |
بر مبنای اطلاعات 65 کشور جهان و با تمرکز ویژه بر کشور ایتالیا و به کارگیری رویکرد متغیر ابزاری نشان دادند ازدواجهای فامیلی به تقویت خویشاوندگرایی، ایجاد حلقههای بسته اجتماعی و تشدید فساد مالی میانجامد. |
جها و سارانگی (2018) |
با استفاده از اطلاعات 91 کشور جهان و همچنین تمرکز بر 155 منطقه در 17 کشور اروپایی و با به کار بستن روش متغیر ابزاری نشان دادهاند حضور زنان در پارلمان موجب تحدید فساد مالی میشود. |
اوبرتی (2018) |
با استفاده از اطلاعات 64 کشور جهان نشان داد سوسیالیزم و سابقه مستعمره امپراطوری عثمانی بودن موجب تشدید معضل فساد مالی میشود. نتایج با استفاده از رویکرد متغیر ابزاری به دست آمده است. |
کاپاسو و سانتورو[47] (2018) |
بر مبنای دادههای 20 منطقه ایتالیا و با استفاده از مدل ARDL[48] نشان دادند انواع مخارج دولت، تاثیر متفاوتی بر فساد مالی دارند. به طور مشخص، مخارج مربوط به برنامههای تامین اجتماعی و گسترش آموزش موجب ایجاد انگیزه در کارگزاران حکومتی جهت درگیر شدن در فعالیتهای فسادانگیز میشوند. |
لوپز- والکارسل و همکاران (2017) |
با استفاده از اطلاعات 3413 شهرداری در اسپانیا و با به کارگیری مدل پروبیت فضایی نشان دادند فساد مالی دارای اثرات سرریز فضایی است و فساد مالی در هر منطقه، از فساد مناطق همجوار تاثیر میپذیرد. |
مطالعات داخلی |
|
باغچقی، خوشنودی و هراتی (1398) |
بر مبنای دادههای 59 کشور جهان و با به کارگیری روش تحلیلی «دادههای تابلویی»[49] نشان دادند حفاظت از حقوق مالکیت افراد و کاهش فساد مالی همبسته هستند. افزایش دموکراسی چنانچه همراه با تقویت حقوق مالکیت آحاد جامعه باشد، رابطه مثبتی با کاهش فساد مالی دارد. |
ادیبپور و کرباسیزاده (1397) |
شش کشور منطقه «منا»[50] (خاورمیانه و شمال آفریقا) را با استفاده از رویکرد دادههای تابلویی بررسی کردند. نتایج آنان حاکی از آن است که رانت نفتی همبستگی مثبتی با معضل فساد مالی دارد. همچنین، متغیرهای درجه باز بودن اقتصاد، دموکراسی و محیط نهادی، رابطه منفی با فساد مالی دارند. |
سپهردوست و برجیسیان (1397) |
با استفاده از دادههای 53 کشور نشان دادند دموکراسی، حقوق مالکیت، رشد اقتصادی و سرمایهگذاری رابطه منفی با فساد مالی دارند. از سوی دیگر، ضریب جینی و بیثباتی سیاسی رابطه مثبتی با فساد مالی دارند و افزایش این دو متغیر، مقارن با تشدید معضل فساد مالی است. |
مرادی، رهنما و حیدریان (1396) |
به بررسی عوامل موثر بر فساد مالی در دو گروه از کشورها در منطقه جنوب شرقی آسیا (11 کشور) و خاورمیانه (14 کشور) با به کارگیری روش Panel VAR اقدام نمودند. نتایج نشان داد در منطقه خاورمیانه، افزایش حاکمیت قانون، ثبات سیاسی و حق اظهار نظر و پاسخگویی به کاهش فساد مالی میانجامد. در مورد کشورهای جنوب شرق آسیا، افزایش کیفیت قوانین و مقررات و حق اظهار نظر و پاسخگویی با کاهش فساد مالی همراه است. |
منبع: گردآوری محقق
بررسی ادبیات اقتصادی نشان میدهد اکثر مطالعات تجربی انجام شده در زمینه شناسایی متغیرهای موثر بر فساد مالی، در فرایند مدلسازی از تعداد محدودی متغیرهای توضیحی استفاده کردهاند. ضرایب رگرسیونی حاصل از چنین مدلهایی ممکن است دچار «تورش»[51] ناشی از حذف متغیرهای اصلی[52] باشند. در همین راستا، نوآوری این پژوهش را میتوان رفع این شکاف تحقیقاتی تلقی نمود. بدین منظور در این مقاله، با به کارگیری تکنیک نسبتا جدید IVBMA به بررسی کمّی رابطه تعداد زیادی از متغیرهای توضیحی با شاخص فساد مالی پرداخته شده است.
3. روش تحقیق
با توجه به گستره موضوع، محققان از تکنیکهای اقتصادسنجی مختلفی بهره گرفتهاند؛ برای آگاهی از این تکنیکها به معرفی اهمّ آنها پرداخته میشود.
3- 1. میانگینگیری بیزینی
مشابه با سایر برآوردگرهای بیزینی این برآوردگر هم اطلاعات و عقاید پیشین محقق در مورد اجزای مجهول مدل را با اطلاعات حاصل از دادهها ترکیب میکند. اجزای کلیدی آن، تابع درستنمایی نمونه، توزیع پیشین برای پارامترهای رگرسیون مدل و توزیع پیشین برای فضای مدل است (مهرآرا و قبادزاده، 1395).
اگر فرض شود که مدل صحیح باشد؛ پس، تابع درستنمایی نمونه به کار رفته به وسیله مدل را میتوان به صورت زیر نوشت:
(1) |
اطلاعات پیشین در مورد پارامترهای مدل با در نظر گرفتن یک تابع پیشین غیرآگاهیبخش در مورد پارامترهای و واریانس خطا ، به علاوه یک تابع آگاهیبخش برای پارامترهای کمکی منجر به توزیع پیشین توام شرطی به شکل زیر میشود:
(2) |
که در آن، ماتریس واریانس- کوواریانس توزیع پسین براساس فرم استاندارد پیشنهاد شده برای آن توسط زلنر[53] (1986) و فرناندز، لی و استیل[54] (2001) به صورت زیر است.
(3) |
g یک ضریب ثابت برای هر مدل است. گرایش در استنباط بیزینی، ترکیب کردن تابع درستنمایی با توزیع پیشین شرطی است تا توزیع پسین شرطی به دست آید. بعد از محاسبه توزیع پسین شرطی برای این تابع پیشین عمومی، تخمینهای شرطی برای و برای مدل به صورت زیر است[55].
(4) |
(5) |
به شرطی که . باور اولیه محقق در مورد فضای مدل با این فرض ارائه شده است که هر مدل براساس احتمال پسین خود وزن داده شده است.
(6) |
که احتمال پیشین برای مدل و درستنمایی نهایی y برای مدل داده شده است. با اختصاص دادن احتمال پیشین یکسان برای هر مدل و به کار بردن فروض بالا برای توزیع پیشین، میتوان نشان داد که:
(7) |
در آن، C یک مقدار ثابت نرمال شده انتخاب شده که بیشتر از یک باشد. تخمینهای غیرشرطی BMA برای و و اجزای ماتریس واریانس کوواریانس پسین آنها به صورت زیر محاسبه میشود:
(8) |
|
(9) |
که Tiماتریس توسط تعریف شده است.[56] در ادامه رویکرد متغیر ابزاری معرفی میشود.
3- 2. رویکرد متغیر ابزاری
معادله رگرسیونی زیر را در نظر بگیرید:
(10) |
در این معادله، یکی از فروض «گوس- مارکوف»[57] برای برقراری ویژگی BLUE[58] بودن تخمینزنهای OLS به شرح زیر است:
(11) |
این فرض بیان میکند که جزء اخلال (ε) هیچ رابطهای با متغیرهای توضیحی ندارد. اما، این فرض، در جهان واقع در همه حالات برقرار نیست. به عبارت دیگر، مواردی وجود دارند که جزء اخلال (ε) (که دربرگیرنده اثرات مشاهده نشده یا متغیرهای لحاظ نشده در مدل است) با بعضی یا تمام متغیرهای توضیحی ارتباط دارد. در این حالت، برآوردهای OLS از ضرایب مدل تورشدار هستند. همچنین، در مواردی که متغیر وابسته (y) بر بعضی یا تمام متغیرهای توضیحی اثرگذار باشد (به این حالت، علیت معکوس[59] گفته میشود)، فرض (11) نقض شده و تخمینزنندههای OLS قابل اتکا نمیباشند. در این موارد اصطلاحاً بیان میشود که مدل، دچار درونزایی متغیرهای توضیحی است. برای رفع این مشکل، در اقتصادسنجی از روش متغیرهای ابزاری (IV) استفاده میشود.
تصور کنید متغیرهای توضیحی در معادله (10) را به دو گروه تفکیک نماییم: 1) متغیرهای توضیحی که دچار مشکل درونزایی هستند (این گروه یا تحت تاثیر متغیر قرار دارند یا جزء اخلال ε یا هر دو) و 2) متغیرهای توضیحی برونزا . در روش متغیر ابزاری، با استفاده از رویکرد SLS2، اثر علّی متغیرهای و بر بر اساس دو معادله زیر (که به آنها به ترتیب، فرم «ساختاری»[60] و «خلاصه شده»[61] میگویند) برآورد میشوند:
(12) |
|
(13) |
در اینجا نشاندهنده متغیرهای ابزاری است. برای هر متغیر توضیحی درونزا، باید حداقل یک متغیر ابزاری انتخاب شود. متغیر ابزاری مناسب دارای دو ویژگی است. نخست اینکه متغیر ابزاری باید با متغیر توضیحی درونزای متناظر با خود، همبستگی بالایی داشته باشد؛ دوم اینکه، متغیر ابزاری نباید هیچگونه تاثیر مستقیمی بر متغیر وابسته داشته باشد؛ بلکه باید صرفا از کانال متغیرهای توضیحی درونزا بر متغیر وابسته اثرگذار باشد. به ویژگی دوم Excludability اطلاق میشود. معادله (13) نشان میدهد که با استفاده از متغیرهای برونزا و ابزاری ، باید یک معادله رگرسیون برای هر یک از متغیرهای توضیحی درونزا تخمین زد و با استفاده از این معادله رگرسیون، برآوردهایی از تک تک متغیرهای درونزا به دست آورد. سپس، تخمینهای حاصل شده برای از معادله (13) را در معادله (12) قرار داده و ضرایب و محاسبه شوند. ضرایب محاسبه شده در معادله (12) اثر علّی متغیرهای و بر را نشان میدهند.
3- 3. رویکرد میانگینگیری بیزینی با متغیر ابزاری
در این پژوهش، روش میانگینگیری بیزینی با متغیر ابزاری، معرفی شده توسط کارل و لنکوسکی (2012) به کار گرفته شد. معادلات (12) و (13) را در نظر بگیرید. کارل و لنکوسکی، نااطمینانی مدل را در هر دو معادله فوق وارد کردند. به بیان دیگر، نه تنها مشخص نیست که بهترین متغیرهای توضیحی برای تبیین روند متغیر وابسته کدام هستند (نااطمینانی در معادله (12))؛ بلکه مشخص نیست که بهترین متغیرهای ابزاری و برونزا برای به دست آوردن بهترین برآوردها از متغیرهای درونزا کدامند (نااطمینانی در معادله (13)).
هدف نهایی در یک مدل IVBMA، مشخص کردن برترین متغیرهای توضیحی (درونزا و برونزا) جهت تبیین تغییرات متغیر وابسته در معادله (12) است. این امر مستلزم غلبه بر ناطمینانی مدل در هر دو معادله (12) و (13) میباشد. بدین منظور، کارل و لنکوسکی (2012) پیشنهاد کردهاند که یک عامل شرطی بیز یا CBF[62] در Gibbs Sampler «تعبیه»[63] شود و با استفاده از این ابزار، فضای مدل در هر دو معادله (12) و (13) جستجو شود. برای روشن شدن بحث، گفتنی است که برای هر یک از معادلات (12) یا (13) یک فضای مدل وجود دارد. الگوریتم Gibbs Sampler وظیفه جستجوی این دو فضای مدل و پیشنهاد دادن مدلهای جدید در هر یک از دو فضای مدل را بر عهده دارد. به علاوه، در هر یک از دو فضای مدل، همه مدلهای حاضر در آن فضای مدل، شانس انتخاب برابر دارند و مدلهایی که با یکدیگر مقایسه میشوند، تنها در یک متغیر توضیحی با یکدیگر متفاوتند. در هر یک از دو فضای مدل، جهت مقایسه مدلها و تعیین مدل برتر، از CBF استفاده میشود که خود بر مبنای درستنمایی حاشیهای دو مدل تحت مقایسه بنا شده است.
در روش پیشنهادی کارل و لنکوسکی (2012) دو مدل در فضای مدل معادله (13) بر مبنای درستنمایی حاشیهای با یکدیگر مقایسه میشوند. مدل برتر انتخاب شده و برآوردهایی از متغیر درونزا به دست میآید. برآوردهای متغیر درونزای حاصل شده از مرحله قبل وارد معادله (12) میشود. در اینجا، دو مدل از فضای مدل معادله (12) انتخاب شده و بر مبنای درستنمایی حاشیهای با یکدیگر مقایسه میشوند تا مدل برتر انتخاب شود. با تکرار این عمل به دفعات زیاد، مدلهای برتر در هر دو فضای مدل (12) و (13) شناسایی شده و امکان شناسایی متغیرهای توضیحی برتر در معادله (12) فراهم میآید.
4. برآورد مدل و تجزیه و تحلیل نتایج
در این بخش، نخست، متغیرهای پژوهش معرفی میشود. در ادامه توضیحاتی در مورد نحوه انتخاب متغیرهای ابزاری ارائه میشود. در پایان، نتایج تشریح میشود.
4- 1. دادهها
در جدول (2) اطلاعات مربوط به متغیرهای پژوهش عرضه شده است.
جدول 2. معرفی متغیرهای پژوهش
متغیر |
نماد |
منبع |
توضیحات |
متغیر وابسته |
|
|
|
کنترل فساد |
avgCC |
بانک جهانی |
شاخص Control of Corruption حداقل فساد مالی: 5/2+ حداکثر فساد مالی: 5/2- |
متغیرهای توضیحی |
|
|
|
متغیرهای اقتصادی |
|
|
|
درآمد سرانه* |
avglngdpcap |
بانک جهانی |
لگاریتم طبیعی GDP سرانه به قیمت ثابت سال 2000 به دلار آمریکا |
درجه باز بودن تجارت* |
avgtrade |
بانک جهانی |
نسبت مجموع صادرات و واردات به GDP |
آزادی تجاری* |
avgtradefreedom |
Index of Economic Freedom |
حداقل آزادی تجاری: صفر حداکثر آزادی تجاری: 100 |
واردات* |
avgimports |
بانک جهانی |
نسبت واردات کالاها و خدمات به GDP |
FDI* |
avgfdi |
بانک جهانی |
نسبت FDI به GDP |
منابع طبیعی |
avgnatres |
بانک جهانی |
نسبت رانت کل منابع طبیعی به GDP |
شهرنشینی |
avgurbanization |
بانک جهانی |
نسبت جمعیت شهرنشین به کل جمعیت |
طول ابتدایی |
avgedu1 |
بانک جهانی |
طول مقطع ابتدایی به سال |
طول دبیرستان |
avgedu2 |
بانک جهانی |
طول مقطع دبیرستان به سال |
ثبت نام دبیرستان |
avgedu3 |
بانک جهانی |
درصد ناخالص ثبت نام در مقطع دبیرستان |
متغیرهای نهادی |
|
|
|
اندازه دولت* |
avgg1 |
بانک جهانی |
نسبت مخارج مصرفی نهایی دولت به GDP |
کارایی دولت* |
avggoveff |
بانک جهانی |
شاخص Government Effectiveness بالاترین کارآمدی دولت: 2.5+ کمترین کارآمدی دولت: 2.5- |
دموکراسی* |
avgpolity2 |
شاخص Polity IV |
دموکراسی بالغ: 10+ دیکتاتوری مطلق: 10- |
طول عمر دموکراسی |
avgyearsdem |
شاخص Polity IV |
تعداد سالهای متوالی قبل از سال 2001 که شاخص Polity2>0 باشد |
حقوق سیاسی* |
avgpolrights |
Quality of Government Teorell et al., (2011) |
حداکثر حقوق و آزادیهای سیاسی: 1 حداقل حقوق و آزادیهای سیاسی: 7 |
آزادی رسانهها* |
avgfreepress |
Freedom House |
حداکثر آزادی رسانهها: صفر حداقل آزادی رسانهها: 100 |
حقوق مالکیت* |
avgpropertyrights |
Quality of Government Teorell et al., (2011) |
حداکثر حفاظت از حقوق مالکیت: 100 حداقل حفاظت از حقوق مالکیت: صفر |
حاکمیت قانون* |
avgrule |
Quality of Government Teorell et al., (2011) |
شاخص Rule of law |
رویه عرفی انگلستان |
avgcommonlaw |
Treisman (2000) |
متغیر مجازی برای رویه عرفی انگلستان |
فدرالیسم |
avgfederal |
Forum of Federations |
متغیر مجازی برای نظام فدرالی |
جمعیت |
avglnpop |
بانک جهانی |
لگاریتم طبیعی جمعیت |
پروتستانیزم |
avgprotshare |
International Religious Freedom Data Grim & Finke, (2006) |
درصد جمعیت پروتستان از کل جمعیت |
تنوع قومی |
avgethnic |
Alesina et al. (2003) |
تنوع قومی |
تنوع زبانی |
avglanguage |
Alesina et al. (2003) |
تنوع زبانی |
تنوع مذهبی |
avgreligion |
Alesina et al. (2003) |
تنوع مذهبی |
زنان در سیاست |
avgfem2 |
بانک جهانی |
درصد نمایندگان زن در پارلمانهای ملی |
مستعمره |
avgbritish |
|
متغیر مجازی مستعمره انگلستان |
avgspanish |
|
متغیر مجازی مستعمره اسپانیا |
|
avgportuguese |
|
متغیر مجازی مستعمره پرتغال |
|
avgfrench |
|
متغیر مجازی مستعمره فرانسه |
|
avgdutch |
|
متغیر مجازی مستعمره هلند |
|
متغیرهای جغرافیایی |
|
|
|
منطقه جغرافیایی |
avgeurope |
|
متغیر مجازی اروپا |
avgafrica |
|
متغیر مجازی آفریقا |
|
avgasia |
|
متغیر مجازی آسیا |
|
avgsmamerica |
|
متغیر مجازی آمریکای جنوبی |
|
avgnamerica |
|
متغیر مجازی آمریکای شمالی و مرکزی |
متغیرهایی که با علامت * نشانهگذاری شدهاند، متغیرهای درونزا در مدلهای IVBMA میباشند.
منبع: گردآوری محقق
اطلاعات متغیرهای معرفی شده در جدول (2) برای 123 کشور طی دوره زمانی 2010- 1991 گردآوری شده است. جدول (5) لیست کامل 123 کشور تحت بررسی در این تحقیق را به تفکیک مناطق جغرافیایی ارائه میدهد.
4- 2. متغیرهای درونزا و متغیرهای ابزاری
از میان 36 متغیر توضیحی، 12 متغیر که توافق قوی در مورد تاثیرپذیری آنها از فساد مالی وجود دارد، به عنوان متغیرهای توضیحی درونزا انتخاب شدهاند.
تریسمن (2000) استدلال میکند که کارگزاران حکومتی فاسد در پی افزایش اندازه دولت و مداخلات آن هستند تا سوءاستفادهها و دریافتیهای خود را افزایش دهند. همچنین به بیان او، مسئولان فاسد دارای انگیزههای قوی برای ایجاد مانع در مسیر آزادی تجاری هستند؛ زیرا موانع تجاری، فرصتهای بیشتری را برای دریافت رشوه فراهم میکنند. افزون بر این، موسیلا و سیگ[64] (2010) تاکید میکنند که فساد مالی، واردات و صادرات را تحت تاثیر قرار میدهد.
با توجه به مطالعات یاد شده و نتایج آنها، متغیرهای اندازه دولت (avgg1)، کارایی دولت (avggoveff)، حاکمیت قانون (avgrule)، آزادی تجاری (avgtradefreedom)، واردات (avgimports)، و درجه باز بودن تجارت (avgtrade) را به عنوان متغیرهای درونزا در نظر گرفته شد. تریسمن (2000) اظهار میدارد که مسئولان فاسد به دنبال تضعیف دموکراسی هستند. عاصماوقلو و وردیر[65] (1998) بیان میکنند که کنترل فساد مالی، مقدمه حفاظت از حقوق مالکیت است. مطابق این نظرات، متغیرهای دموکراسی (avgpolity2)، حقوق سیاسی (avgpolrights) و حقوق مالکیت (avgpropertyrights) به فهرست متغیرهای درونزا اضافه شدند. در همین راستا استانیگ[66] (2015) اشاره میکند که کارگزاران فاسد حکومتی انگیزه قوی جهت محدود نمودن آزادی رسانهها دارند. دیآگستینو، دان و پیرونی[67] (2016) بر این مسئله که فساد مالی موجب کاهش رشد اقتصادی و درآمد کشورها میشوند، تاکید دارند. اگر و وینر[68] (2006) نیز بیان کردهاند فساد مالی، FDI را تحت تاثیر قرار میدهد. همچنین، بر اساس این نتایج، متغیرهای آزادی رسانهها (avgfreepress)، درآمد سرانه (avglngdpcap) و سرمایهگذاری مستقیم خارجی (avgfdi) درونزا تلقی شدند.
در مطالعه حاضر، ساختار دادهها «مقطعی»[69] است. به عبارت دیگر، هر متغیر 123 مشاهده (به تعداد کشورهای تحت بررسی) دارد. برای تمامی متغیرهای توضیحی و متغیر وابسته، میانگین مشاهدات سالانه هر کشور طی دوره 2010- 2001 به عنوان داده، در تحلیل IVBMA وارد شدند. استفاده از میانگین متغیرها، دو ویژگی مثبت دارد: نخست اینکه با این روش اثرات «اختلالی»[70] حاصل از نوسانات تجاری تقلیل مییابد؛ دوم اینکه خطاهای اندازهگیری که ممکن است در بعضی سالها به وقوع پیوسته باشند نیز تا حدودی کاهش مییابند.
برای هر یک از متغیرهای توضیحی درونزا، از میانگین مشاهدات سالانه آن متغیر در هر کشور طی دوره 2000- 1991 به عنوان متغیر ابزاری استفاده شد. وقفه متغیر توضیحی درونزا، به عنوان متغیر ابزاری در مطالعات متعددی مطرح و به کار گرفته شده است (آرزکی و بروکنر[71]، 2011؛ مورتین[72]، 2013؛ ریید[73]، 2015). در پژوهش حاضر نیز از وقفه هر یک از متغیرهای توضیحی درونزا (میانگین این متغیرها طی دوره 2000- 1991) به عنوان متغیر ابزاری برای آن متغیر درونزا استفاده شده است.
در حالت کلی، یک متغیر ابزاری مناسب باید دو ویژگی داشته باشد: مطابق ویژگی اول، متغیر ابزاری باید «همبستگی»[74] بالایی با متغیر توضیحی درونزا داشته باشد. جدول (3) همبستگی بین متغیرهای توضیحی درونزا و متغیرهای ابزاری را نشان میدهد. همانگونه که جدول (3) نشان میدهد، همبستگی بالایی بین متغیرهای توضیحی و متغیرهای ابزاری وجود دارد. ویژگی دوم به Excludability معروف است. مطابق این ویژگی، یک متغیر ابزاری مناسب نباید اثر مستقیمی بر متغیر وابسته بگذارد؛ بلکه باید صرفا از کانال متغیرهای توضیحی درونزا بر متغیر وابسته اثرگذار باشد. به بیان دیگر، متغیر ابزاری باید فقط متغیرهای توضیحی درونزای حاضر در مدل را تحت تاثیر قرار دهد و صرفا با متاثر کردن متغیرهای توضیحی درونزای حاضر در مدل بر متغیر وابسته اثرگذار باشد. برآورده کردن شرط Excludability بسیار سخت میباشد و همان گونه که توسط بازی و کلمنس[75] (2013) بیان شده است، انتظار اینکه متغیرهای ابزاری فقط از کانال متغیرهای توضیحی درونزا بر متغیر وابسته اثرگذار باشند، انتظار بسیار سخت و سطح بالایی است و در اکثر مطالعات تجربی قابل دستیابی نیست. به علاوه، آزمون کمّی و رسمی برای بررسی تحقق شرط Excludability وجود ندارد و بررسی Excludability متغیرهای ابزاری متکی بر قضاوتهای شخصی و بحثهای نظری است. از آنجا که در این پژوهش، بر مبنای مطالعات پیشین و با الگو گرفتن از آرزکی و بروکنر (2011)، مورتین (2013) و ریید (2015) رویکرد متغیر ابزاری انتخاب شده است، میتوان تا حد زیادی اطمینان داشت که رویکرد متغیر ابزاری این پژوهش ریشه در ادبیات اقتصادی دارد و قابل اتکا است.
جدول 3. همبستگی متغیرهای توضیحی درونزا با متغیرهای ابزاری
همبستگی |
نماد |
متغیر |
همبستگی |
نماد |
متغیر |
91/0 |
avgpolrights |
حقوق سیاسی |
88/0 |
avgpropertyrights |
حقوق مالکیت |
97/0 |
Avggoveff |
کارایی دولت |
97/0 |
Avgrule |
حاکمیت قانون |
99/0 |
avglngdpcap |
درآمد سرانه |
91/0 |
Avgfreepress |
آزادی رسانهها |
92/0 |
Avgtrade |
درجه باز بودن تجارت |
78/0 |
Avgtradefreedom |
آزادی تجاری |
88/0 |
avgimports |
واردات |
79/0 |
avgg1 |
اندازه دولت |
5/0 |
Avgfdi |
FDI |
9/0 |
avgpolity2 |
دموکراسی |
منبع: یافتههای تحقیق
حال، با دانستن اطلاعات لازم در مورد متغیرها، به بررسی نتایج حاصل از مدلها پرداخته میشود. گفتنی است به هنگام تحلیل نتایج، با پیروی از ایچر، هن و پاپاگوریو[76] (2012) صرفا متغیرهای توضیحی را که احتمال شمول آنها در الگو ([77]PIP) بالاتر از 75/0 است، به عنوان متغیرهای توضیحی با اهمیت شناسایی شدهاند. برای اجرای مدل BMA از بسته نرمافزاری BMS و برای اجرای مدلهای IVBMA از بسته نرمافزاری IVBMA در نرمافزار R استفاده شده است. در همه مدلها، نتایج پس از سه میلیون «محاسبه»[78] الگوریتم [79]MCMC و با حذف دویست هزار «محاسبه نخست»[80] به دست آمده است.
4- 3. نتایج مدلها
در وهله نخست، نتایج مدل BMA ارائه میشود. تفاوت مدلها یاد شده با مدلهای IVBMA در این است که مدل BMA صرفا به رفع معضل نااطمینانی مدل میپردازد و به مسئله درونزایی متغیرهای توضیحی توجهی ندارد. مدل BMA، متغیرهای توضیحی را که اهمیت بیشتری در توضیح فساد مالی دارند، بدون توجه به حل مشکل درونزایی، شناسایی میکند. سه ستون نخست از چپ در جدول (4) نتایج حاصل از مدل BMA را نشان میدهد. همان گونه که از نتایج مدل (1) مشخص است؛ متغیر حاکمیت قانون (avgrule) با PIP معادل 1 مهمترین متغیر توضیحی جهت تبیین تفاوتهای مشاهده شده در سطح فساد مالی است. افزایش متغیر حاکمیت قانون (avgrule) با ضریب پسینی 7292/0 اثر مثبتی در کاهش فساد مالی دارد.
با ثابت بودن سایر شرایط، هر یک واحد افزایش متغیر حاکمیت قانون، به طور میانگین، با 7292/0 واحد افزایش متغیر وابسته (شاخص کنترل فساد) «همراه»[81] است. از آنجا که در شاخص کنترل فساد بانک جهانی، مقادیر بزرگتر نشاندهنده فساد مالی کمتر هستند، افزایش حاکمیت قانون با کاهش فساد مالی همبستگی دارد؛ اما نتیجه یاد شده را نمیتوان علت ساختاری از حاکمیت قانون نسبت به فساد تفسیر کرد و این نتیجه، تنها دلالت بر همبستگی میان این دو متغیر دارد. در واقع، با توجه به اینکه نتایج مدل BMA بدون توجه به رفع مشکل درونزایی به دست آمده است، از اهمیت چندانی برخوردار نیست؛ بر همین اساس، این پژوهش بر مدلهای IVBMA تمرکز مییابد. در ادامه نتایج حاصل از تحلیل IVBMA ارائه میشود.
ستونهای چهارم تا ششم جدول (4) خروجیهای مدل IVBMA را برای 123 کشور تحت بررسی نمایش میدهند. همانگونه که مشخص است سه متغیر حاکمیت قانون (avgrule)، متغیر مجازی آسیا (avgasia)، و کارآمدی دولت (avggoveff) به ترتیب با PIPهای 1، 965/0 و 964/0 مهمترین متغیرها در توضیح تفاوتهای مشاهده شده در شاخص فساد مالی هستند.
مطابق نتایج مدل (2) هر یک واحد افزایش متغیر حاکمیت قانون، با ثابت بودن سایر شرایط، به طور میانگین، موجب 662/0 واحد افزایش شاخص کنترل فساد میشود که این بدین معناست که افزایش حاکمیت قانون با ضریب یاد شده موجب کاهش فساد مالی میشود. به طور مشابه، برای کشورهای منطقه آسیا، به طور میانگین، شاخص کنترل فساد، 194/0 واحد کمتر از شاخص کنترل فساد در حوزه اقیانوسیه[82] میباشد که این به این معناست که کشورهای آسیایی در قیاس با کشورهای منطقه اقیانوسیه با فساد مالی گستردهتری مواجه هستند.
همچنین با ثابت بودن سایر شرایط، به طور میانگین، هر یک واحد افزایش شاخص کارآمدی دولت منجر به 358/0 واحد افزایش شاخص کنترل فساد میشود که حاکی از این است که افزایش کارآمدی دولت تاثیر مثبت در تحدید فساد مالی دارد. نکته قابل تامل این است که پس از توجه به معضل درونزایی متغیرهای توضیحی و تلاش برای رفع این مشکل از طریق به کارگیری رویکرد متغیرهای ابزاری، علاوه بر متغیر حاکمیت قانون (avgrule)، دو متغیر دیگر نیز (متغیرهای آسیا (avgasia) و کارآمدی دولت (avggoveff)) به عنوان متغیرهای مهم در تبیین فساد مالی شناسایی شدند. این مطلب نشان میدهد که نادیده گرفتن درونزایی متغیرهای توضیحی تاثیر مهمی بر نتایج پژوهش دارد و برای حصول نتایج قابل اتکا لازم است مشکل درونزایی و راههای غلبه بر آن مورد توجه قرار گیرد.
از آنجا که معضل فساد مالی در کشورهای در حال توسعه شدت بیشتری دارد، سعی شده است تحلیل IVBMA به طور خاص برای کشورهای در حال توسعه انجام شود. بدین منظور، 95 کشور که طی بازه زمانی 2010- 2001 عضور سازمان OECD نبودهاند، به عنوان کشورهای در حال توسعه جدا شدند و سپس، با استفاده از رویکرد IVBMA اقدام به شناسایی متغیرهای توضیحی مهم فساد مالی در این گروه از کشورها شده است. ستونهای هفت تا نه در جدول (4) نتایج حاصل از این تحلیل را نشان میدهند. همانگونه که از نتایج قابل تشخیص است متغیر حاکمیت قانون (avgrule) با PIP معادل 999/0 مهمترین متغیر توضیحی جهت تبیین تفاوتهای مشاهده شده در شاخص کنترل فساد در این گروه از کشورهاست. با ثابت بودن سایر شرایط، هر یک واحد افزایش متغیر حاکمیت قانون منتج به 684/0 واحد افزایش متغیر کنترل فساد در کشورهای در حال توسعه میشود. این امر بیانگر اثر مثبت افزایش حاکمیت قانون در مقابله با فساد مالی در این دسته از کشورهاست.
دو نکته قابل تامل در مورد نتایج پژوهش حاضر وجود دارد. نخست اینکه مطابق نتایج، حاکمیت قانون و کارآمدی دولت دو مولفه مهم تعیینکننده گستره فساد مالی هستند. هر دو این متغیرها در حوزه عملکرد دولتها قرار دارند و میتوان با برنامهریزی صحیح بر مبنای علم، خرد جمعی و تجربه جهانی وضعیت این مولفهها را در هر کشوری بهبود بخشید. مورد دوم اینکه مبارزه با فساد مالی نیازمند تلاشهای منطقهای و بینالمللی است. شناسایی متغیر مجازی آسیا به عنوان یکی دیگر از متغیرهای توضیحی مهم حکایت از این امر دارد که فساد مالی پدیدهای فراملّی است و مبارزه کارآمد با آن نیازمند هماهنگی دولتها و تلاشهای چند جانبه است.
جدول 4. نتایج مدلهای BMA و IVBMA
|
BMA مدل 1 - 123 کشور |
IVBMA مدل 2 - 123 کشور |
IVBMA مدل 3 - 95 کشور در حال توسعه |
||||||
متغیر |
PIP |
Post Mean |
Post SD |
PIP |
Post Mean |
Post SD |
PIP |
Post Mean |
Post SD |
avgrule |
000/1 |
719/0 |
139/0 |
000/1 |
066/0 |
126/0 |
999/0 |
684/0 |
166/0 |
avgasia |
722/0 |
141/0- |
102/0 |
965/0 |
194/0- |
079/0 |
923/0 |
047/0- |
081/0 |
avggoveff |
697/0 |
222/0 |
167/0 |
964/0 |
038/0 |
129/0 |
557/0 |
149/0 |
162/0 |
avgsmamerica |
422/0 |
087/0 |
112/0 |
487/0 |
080/0 |
101/0 |
743/0 |
174/0 |
126/0 |
avgg1 |
426/0 |
005/0 |
006/0 |
098/0 |
001/0 |
005/0 |
559/0 |
012/0 |
012/0 |
avgfem2 |
380/0 |
003/0 |
004/0 |
022/0 |
000/0 |
001/0 |
000/0 |
000/0 |
000/0 |
avgpropertyrights |
219/0 |
001/0 |
003/0 |
002/0 |
000/0 |
000/0 |
000/0 |
000/0 |
000/0 |
avgedu2 |
138/0 |
007/0 |
026/0 |
048/0 |
002/0 |
011/0 |
247/0 |
018/0 |
036/0 |
avgtrade |
107/0 |
000/0 |
000/0 |
003/0 |
000/0 |
000/0 |
007/0 |
000/0 |
000/0 |
avgurbanization |
094/0 |
026/0 |
084/0 |
235/0 |
042/0 |
095/0 |
239/0 |
045/0 |
0.115 |
avgeurope |
091/0 |
011/0- |
045/0 |
282/0 |
043/0- |
087/0 |
136/0 |
006/0- |
0.054 |
avgimports |
082/0 |
000/0 |
000/0 |
006/0 |
000/0 |
000/0 |
007/0 |
000/0 |
000/0 |
avgedu1 |
075/0 |
003/0- |
014/0 |
043/0 |
001/0- |
008/0 |
109/0 |
004/0- |
016/0 |
avglnpop |
074/0 |
002/0- |
012/0 |
016/0 |
000/0 |
003/0 |
100/0 |
003/0- |
009/0 |
avgprotshare |
069/0 |
023/0 |
099/0 |
296/0 |
069/0 |
142/0 |
435/0 |
178/0 |
282/0 |
avgethnic |
048/0 |
006/0 |
037/0 |
170/0 |
021/0 |
061/0 |
154/0 |
179/0 |
058/0 |
avgtradefreedom |
047/0 |
000/0 |
001/0 |
005/0 |
000/0 |
000/0 |
010/0 |
000/0 |
001/0 |
avgafrica |
044/0 |
000/0 |
027/0 |
123/0 |
013/0- |
57/0 |
124/0 |
000/0 |
044/0 |
avgreligion |
035/0 |
004/0 |
028/0 |
087/0 |
004/0 |
030/0 |
123/0 |
008/0 |
047/0 |
avgspanish |
034/0 |
002/0 |
022/0 |
110/0 |
005/0 |
036/0 |
129/0 |
008/0 |
049/0 |
avgbritish |
034/0 |
002/0- |
017/0 |
166/0 |
016/0- |
042/0 |
186/0 |
020/0 |
053/0 |
avgdutch |
034/0 |
003/0- |
027/0 |
104/0 |
007/0- |
034/0 |
095/0 |
005/0- |
029/0 |
avglanguage |
031/0 |
003/0 |
024/0 |
095/0 |
005/0 |
032/0 |
107/0 |
005/0- |
039/0 |
avgpolrights |
029/0 |
000/0 |
004/0 |
018/0 |
000/0 |
003/0 |
030/0 |
000/0 |
005/0 |
avgnamerica |
028/0 |
002/0- |
026/0 |
187/0 |
026/0- |
079/0 |
158/0 |
015/0- |
067/0 |
avgportuguese |
027/0 |
002/0 |
021/0 |
110/0 |
008/0 |
037/0 |
114/0 |
009/0 |
040/0 |
avgfreepress |
024/0 |
000/0 |
000/0 |
002/0 |
000/0 |
000/0 |
020/0 |
000/0 |
000/0 |
avgfrench |
024/0 |
001/0- |
012/0 |
107/0 |
008/0- |
028/0 |
088/0 |
004/0- |
025/0 |
avgpolity2 |
023/0 |
000/0 |
001/0 |
008/0 |
000/0 |
001/0 |
009/0 |
000/0 |
001/0 |
avgedu3 |
021/0 |
000/0 |
000/0 |
002/0 |
000/0 |
000/0 |
003/0 |
000/0 |
000/0 |
avgcommonlaw |
021/0 |
000/0 |
011/0 |
075/0 |
002/0- |
020/0 |
103/0 |
006/0- |
032/0 |
avglngdpcap |
020/0 |
000/0 |
004/0 |
021/0 |
000/0 |
005/0 |
040/0 |
000/0 |
008/0 |
avgfdi |
018/0 |
000/0 |
001/0 |
030/0 |
001/0- |
005/0 |
088/0 |
003/0- |
010/0 |
avgnatres |
017/0 |
000/0 |
000/0 |
002/0 |
000/0 |
000/0 |
003/0 |
000/0 |
000/0 |
avgfederal |
017/0 |
000/0 |
009/0 |
066/0 |
001/0 |
017/0 |
097/0 |
004/0 |
0310/0 |
avgyearsdem |
016/0 |
000/0 |
000/0 |
002/0 |
000/0 |
000/0 |
002/0 |
000/0 |
000/0 |
احتمال پسینی: PIP، ضریب پسینی: Post mean، انحراف معیار پسینی: Post SD منبع: یافتههای تحقیق
جدول 5. لیست کشورهای تحت بررسی به تفکیک مناطق جغرافیایی
کشور |
کنترل فساد |
کشور |
کنترل فساد |
کشور |
کنترل فساد |
کشور |
کنترل فساد |
آفریقا |
|
چاد |
383/1- |
ازبکستان |
127/1- |
آمریکای شمالی و مرکزی |
|
آنگولا |
293/1- |
توگو |
949/0- |
ویتنام |
642/0- |
کانادا |
981/1 |
بروندی |
020/1- |
تونس |
096/0- |
اروپا |
|
جمهوری دومینیکن |
695/0- |
بنین |
595/0- |
اوگاندا |
843/0- |
آلبانی |
702/0- |
هندوراس |
880/0- |
بورکینافاسو |
211/0- |
آفریقای جنوبی |
330/0 |
ارمنستان |
671/0- |
مکزیک |
263/0- |
بوتسوانا |
992/0- |
آسیا |
|
اتریش |
891/1 |
پاناما |
288/0- |
ساحل عاج |
095/1- |
بنگلادش |
260/1- |
آذربایجان |
132/1- |
ترینیداد و توباگو |
045/0- |
کامرون |
070/1- |
بحرین |
333/0 |
بلغارستان |
103/0- |
آمریکای جنوبی |
|
کنگو |
391/1- |
چین |
527/0- |
بلاروس |
676/0- |
آرژانتین |
409/0- |
جمهوری کنگو |
083/1- |
قزاقستان |
015/1 |
سوئیس |
080/2 |
بولیوی |
632/0- |
جیبوتی |
0547-1 |
اندونزی |
841/0- |
دانمارک |
403/2 |
برزیل |
016/0- |
الجزایر |
0612/- |
هند |
404/0- |
اسپانیا |
228/1 |
شیلی |
428/1 |
مصر |
630/0- |
ایران |
547/0- |
استونی |
965/0 |
کلمبیا |
217/0- |
گابن |
835/0- |
اسرائیل |
937/0 |
فنلاند |
360/2 |
کاستا ریکا |
589/0 |
غنا |
139/0- |
اردن |
206/0 |
فرانسه |
390/1 |
اکوادور |
761/0- |
گینه |
042/1- |
ژاپن |
273/1 |
بریتانیا |
820/1 |
گواتمالا |
660/0- |
گامبیا |
600/0- |
قرقیزستان |
186/1- |
گرجستان |
325/0- |
گویان |
519/0- |
گینه بیسائو |
149/1- |
کره جنوبی |
500/0 |
یونان |
268/0- |
جامائیکا |
318/0- |
گینه استوائی |
523/1- |
کویت |
549/0 |
اسلوونی |
965/0 |
نیکاراگوئه |
627/0- |
کنیا |
962/0- |
لائوس |
232/1- |
کرواسی |
124/0 |
پرو |
241/0- |
کامبوج |
147/1- |
سری لانکا |
255/0- |
مجارستان |
574/0 |
پاراگوئه |
440/1- |
لیبی |
032/1- |
مغولستان |
508/0- |
ایرلند |
601/1 |
اروگوئه |
125/1 |
لسوتو |
004/0- |
مالزی |
174/0 |
ایتالیا |
362/0 |
ونزوئلا |
098/1- |
مراکش |
285/0- |
نپال |
680/0- |
لیتوانی |
264/0 |
اقیانوسیه |
|
ماداگاسکار |
238/0- |
عمان |
496/0 |
لاتویا |
254/0 |
استرالیا |
981/1 |
مالی |
582/0- |
پاکستان |
943/0- |
مولداوی |
750/0- |
نیوزیلند |
330/2 |
موزامبیک |
528/0- |
فیلیپین |
687/0- |
سوئد |
204/2 |
فیجی |
075/0- |
موریتانی |
509/0- |
قطر |
886/0 |
اکراین |
899/0- |
|
|
موریتوس |
414/0 |
روسیه |
953/0 |
هلند |
085/2 |
|
|
مالاوی |
619/0- |
عربستان |
075/0- |
نروژ |
033/2 |
|
|
نامیبیا |
279/0 |
سوریه |
938/0- |
لهستان |
357/0 |
|
|
نیجر |
784/0- |
تایلند |
301/0- |
پرتغال |
104/1 |
|
|
سنگال |
287/0- |
تاجیکستان |
170/1- |
رومانی |
259/0- |
|
|
سوازیلند |
314/0- |
ترکیه |
061/0- |
اسلواکی |
321/0 |
|
|
ستون کنترل فساد، نشاندهنده میانگین نمرات کنترل فساد هر کشور طی دوره 2010- 2001 است. منبع: یافتههای تحقیق
5. نتیجهگیری و پیشنهادها
در این تحقیق سعی شده است با استفاده از رویکرد میانگینگیری بیزینی با متغیر ابزاری (IVBMA)، مهمترین متغیرهای توضیحی برای تبیین تغییرات فساد مالی شناسایی شوند. بدین منظور، اطلاعات 36 متغیر توضیحی برای 123 کشور جهان طی بازه زمانی 2010- 2001 گردآوری شده است. همچنین در این پژوهش، از شاخص کنترل فساد بانک جهانی به عنوان متغیر وابسته استفاده شده است. از 36 متغیر توضیحی، تعداد 12 متغیر که خود تحت تاثیر فساد مالی قرار دارند، به عنوان متغیرهای توضیحی درونزا انتخاب شدند. برای هر یک از 12 متغیر توضیحی درونزا، وقفه آن متغیر توضیحی (میانگین متغیر طی دوره 2000- 1991) به عنوان متغیر ابزاری در مدلهای IVBMA وارد شده است.
نتایج حاصل از تحلیل IVBMA برای کل 123 کشور تحت بررسی نشان داد سه متغیر حاکمیت قانون، متغیر مجازی آسیا و کارایی دولت، مهمترین مولفههای اثرگذار بر فساد مالی هستند. افزایش حاکمیت قانون و کارایی دولت موجب کاهش معضل فساد مالی میشوند. همچنین، فساد مالی در کشورهای آسیایی، در قیاس با دیگر مناطق جهان مشکل حادتری است. در این پژوهش با تمرکز بر 95 کشور در حال توسعه جهان (کشورهایی که تا قبل از سال 2010 عضو سازمان OECD نبودهاند)، مدل IVBMA بار دیگر مورد اجرا قرار گرفت. برای این گروه از کشورها، متغیر حاکمیت قانون به عنوان مهمترین متغیر توضیحی شناخته شد؛ به طوری که ارتقای حاکمیت قانون به کاهش فساد مالی میانجامد.
[2] Financial Corruption
[3] Organisation for Economic Co-operation and Development (OECD)
[4] Jha & Sarangi
[5] Uberti
[6] Pinto & Zhu
[7]Model Uncertainty
[8] Endogeneity
[9] Instrumental Variable Bayesian Model Averaging (IVBMA)
[10]Bayesian Model Averaging (BMA)
[11]Instrumental Variable
[12] Karl & Lenkoski
[13] Koop, Leon-Gonzalez & Strachan
[14] Serra
[15] Arikan
[16] Badinger & Nindl
[17]Foreign Direct Investment
[18]Gatti
[19] Resources Curse
[20] Knutsen, Kotsadam, Olsen & Wig
[21] Glaeser & Saks
[22] Goel & Nelson
[23] Dong & Torgler
[24] Alesina & Angeletos
[25] Dreher, Kotsogiannis & McCorriston
[26] Kolstad & Wiig
[27] Pellegrini
[28] Brunetti &Weder
[29] Iwasaki & Suzuki
[30] Lima &Delen
[31] Freille, Haque & Kneller
[32] Common Law
[33]Treisman
[34]Fan, Lin & Treisman
[35] Dell’Anno &Teobaldelli
[36]Shen & Williamson
[37] Knack & Azfar
[38] Swamy, Knack, Lee & Azfar
[39] Mocan
[40] Acemoglu, Johnson & Robinson
[41] Gokceku & Knörich
[42] Lopez-Valcarcel, Jiménez & Perdiguero
[43] You & Nie
[44] Contagious
[45] Dummy Variable
[46]Akbari, Bahrami-Rad & Kimbrough
[47] Capasso & Santoro
[48] Autoregressive Distributed Lag
[49] Panel Data
[50] MENA (Middle East and North Africa)
[51] Bias
[52] Omitted Variables
[53] Zellner
[54] Fernandez, Ley & Steel
[55] برای آگاهی از نحوه محاسبه اجزای ماتریس واریانس - کوواریانس این تخمینها به مقاله مگنوس، پاول و پروفر (2010) در فهرست منابع مراجعه شود.
[56] برای تحلیل جامعتر ظرایف رویکرد BMA، رجوع شود به: هوتینگ، مادیگان، رافتری و وولینسکی (1999) و راهنمای «بسته»[56] نرمافزاری BMS در نرمافزار R.
[57] Gauss - Markov
[58] Best Linear Unbiased Estimator
[59] Reverse Causality
[60] Structural Form
[61] Reduced Form
[62] Conditional Bayes Factor
[63] Embed
[64] Musila & Sigué
[65] Acemoglu & Verdier
[66] Stanig
[67] D'Agostino, Dunne & Pieroni
[68] Egger & Winner
[69] Cross Section
[70] Noise
[71] Arezki & Brückner
[72] Murtin
[73] Reed
[74]Correlation
[75] Bazzi & Clemens
[76] Eicher, Henn & Papageorgiou
[77] Posterior Inclusion Probability
[78] Draw (Iteration)
[79] Markov Chain Monte Carlo
[80] Burn in
[81] Correlate
[82] گفتنی است برای منطقه اقیانوسیه که متشکل از سه کشور استرالیا، نیوزیلند و فیجی است، متغیر مجازی منطقهای تعریف نشده است. در این پژوهش، این سه کشور نقش گروه مرجع را ایفا میکنند تا روشن شود، وضعیت فساد مالی در پنج منطقه جغرافیایی دیگر (شامل آسیا، اروپا، آفریقا، آمریکای شمالی و مرکزی، آمریکای جنوبی) نسبت به این منطقه چگونه است.