شناسایی عوامل تعیین کننده فساد مالی با در نظر گرفتن درونزایی متغیرهای توضیحی و نااطمینانی مدل
الموضوعات :
صفورا کاشفی
1
(
دانشجوی دکتری اقتصاد، پردیس بین المللی ارس، دانشگاه تهران، تهران، ایران
)
محسن مهرآرا
2
(
استاد گروه اقتصاد، دانشگاه تهران، تهران، ایران
)
قهرمان عبدلی
3
(
استاد گروه اقتصاد، دانشگاه تهران، تهران، ایران
)
الکلمات المفتاحية: حاکمیت قانون, D72, نااطمینانی مدل, طبقه بندی ژل : C11, درونزایی متغیرها, میانگین‌گیری بیزینی, D73. واژگان کلیدی: فساد مالی,
ملخص المقالة :
چکیده هدف مقاله بررسی اهمیت مولفه های موثر بر فساد مالی با وجود نااطمینانی مدل و درونزایی متغیرهای توضیحی است. به این منظور، از تکنیک اقتصادسنجی میانگین گیری بیزینی با متغیر ابزاری برای شناسایی عوامل اصلی موثر بر فساد مالی طی دوره زمانی 2010- 1991 استفاده شد. برای 123 کشور، از میان 36 متغیر توضیحی، متغیر حاکمیت قانون با احتمال پسینی یک و ضریب پسینی 662/0 و کارآمدی دولت با احتمال پسینی 964/0 و ضریب پسینی 358/0، در رتبه های اول و دوم اهمیت قرار دارند. متغیر مجازی آسیا با احتمال پسینی 965/0 و ضریب پسینی 194/0- نشان می دهد فساد مالی در قاره آسیا معضلی جدی است. با تمرکز بر 95 کشور در حال توسعه، متغیر حاکمیت قانون با احتمال پسینی 999/0 و ضریب پسینی 684/0 مهم ترین متغیر برای تحدید فساد مالی است. بر اساس نتایج، تقویت قانون‌مداری، ارتقای کارایی نهاد دولت و گسترش همکاری‌های بین‌المللی پیشنهاد می‌شود.
¾ ادیبپور، مهدی، کرباسیزاده، سینا (1397). رانت نفتی و فساد در کشورهای منطقه خاورمیانه و شمال آفریقا (منا). فصلنامه مدلسازی اقتصادی، (44)12: 72- 47.
¾ باغچقی، اقدس، خوشنودی، عبداله، هراتی، جواد (1398). بررسی اثر متقابل دموکراسی و امنیت حقوق مالکیت بر فساد مالی در کشورهای مختلف. فصلنامه پژوهشهای اقتصادی (رشد و توسعه پایدار)، (3)98: 144- 109.
¾ سپهردوست، حمید، برجیسیان، عادل (1397). رابطه فساد با حقوق مالکیت، نابرابری درآمد و دموکراسی، شواهد تجربی کشورهای منتخب. دو فصلنامه جستارهای اقتصادی ایران، (29)15: 172-143.
¾ مرادی، ابراهیم، رهنما، علی، حیدریان، سمیرا (1396). تاثیر شاخصهای حکمرانی خوب بر کنترل فساد (مطالعه موردی: کشورهای خاورمیانه و جنوب شرق آسیا). فصلنامه اقتصاد مقداری، (4)14: 182- 151.
¾ مهرآرا، محسن، قبادزاده، رضا (1395). بررسی عوامل مؤثر بر تورم در ایران مبتنی بر رویکرد میانگین‌گیری بیزینی (BMA) و میانگین‌گیری حداقل مربعات (WALS). فصلنامه برنامه‌ریزی و بودجه، (1)21: 82- 57.
¾ Acemoglu, D., &Verdier, T. (1998). Property rights, corruption and the allocation of talent: A general equilibrium approach. The Economic Journal, 108(450): 1381–1403.
¾ Acemoglu, D., Johnson, S., & Robinson, J. A. (2001). The colonial origins of comparative development: An empirical investigation. American economic review, 91(5): 1369-1401.
¾ Akbari, M., Bahrami-Rad, D., & Kimbrough, E. O. (2019). Kinship, fractionalization and corruption. Journal of Economic Behavior & Organization.
¾ Alesina, A., & Angeletos, G. M. (2005). Corruption, inequality, and fairness. Journal of Monetary Economics, 52(7): 1227-1244.
¾ Alesina, A., Devleeschauwer, A., Easterly, W., Kurlat, S., & Wacziarg, R. (2003). Fractionalization. Journal of Economic Growth, 8(2): 155–194.
¾ Arezki, R., & Brückner, M. (2011). Oil rents, corruption, and state stability: Evidence from panel data regressions. European Economic Review, 55(7): 955–963.
¾ Arikan, G. G. (2004). Fiscal decentralization: A remedy for corruption? International Tax and Public Finance, 11(2): 175-195.
¾ Badinger, H., &Nindl, E. (2014). Globalisation and corruption, revisited. The World Economy, 37(10): 1424-1440.
¾ Bazzi, S., & Clemens, M. A. (2013). Blunt instruments: Avoiding common pitfalls in identifying the causes of economic growth. American Economic Journal: Macroeconomics, 5(2): 152–186.
¾ Brunetti, A., & Weder, B. (2003). A free press is bad news for corruption. Journal of Public economics, 87(7-8): 1801-1824.
¾ Capasso, S., & Santoro, L. (2018). Active and passive corruption: Theory and evidence. European Journal of Political Economy, 52: 103-119.
¾ d'Agostino, G., Dunne, J. P., & Pieroni, L. (2016). Corruption and growth in Africa. European Journal of Political Economy, 43: 71-88.
¾ Dell’Anno, R., & Teobaldelli, D. (2015). Keeping both corruption and the shadow economy in check: the role of decentralization. International Tax and Public Finance, 22 (1): 1-40.
¾ Dong, B., & Torgler, B. (2013). Causes of corruption: Evidence from China. China Economic Review, 26: 152-169.
¾ Dreher, A., Kotsogiannis, C., & McCorriston, S. (2009). How do institutions affect corruption and the shadow economy? International Tax and Public Finance, 16(6): 773.
¾ Egger, P., & Winner, H. (2006). How corruption influences foreign direct investment: A panel data study. Economic Development and Cultural Change, 54(2): 459–486.
¾ Eicher, T. S., Henn, C., & Papageorgiou, C. (2012). Trade creation and diversion revisited: Accounting for model uncertainty and natural trading partner effects. Journal of Applied Econometrics, 27(2): 296–321.
¾ Fan, C. S., Lin, C., & Treisman, D. (2009). Political decentralization and corruption: Evidence from around the world. Journal of Public Economics, 93(1-2): 14-34.
¾ Fernandez, C., Ley, E., & Steel, M. F. (2001). Model uncertainty in cross‐country growth regressions. Journal of applied Econometrics, 16(5): 563-576.
¾ Freille, S., Haque, M. E., & Kneller, R. (2007). A contribution to the empirics of press freedom and corruption. European Journal of Political Economy, 23(4): 838-862.
¾ Gatti, R. (2004). Explaining corruption: Are open countries less corrupt? Journal of International Development, 16(6): 851-861.
¾ Glaeser, E. L., & Saks, R. E. (2006). Corruption in America. Journal of public Economics, 90(6-7): 1053-1072.
¾ Goel, R. K., & Nelson, M. A. (2010). Causes of corruption: History, geography and government. Journal of Policy Modeling, 32(4): 433-447.
¾ Gokcekus, O., & Knörich, J. (2006). Does quality of openness affect corruption? Economics Letters, 91(2): 190-196.
¾ Grim, B. J., & Finke, R. (2006). International religion indexes: Government regulation, government favoritism, and social regulation of religion. Interdisciplinary Journal of Research on Religion, 2: 1–40.
¾ Hoeting, J. A., Madigan, D., Raftery, A. E., &Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical science: 382-401
¾ Iwasaki, I., & Suzuki, T. (2012). The determinants of corruption in transition economies. Economics Letters, 114(1): 54-60.
¾ Jha, C. K., & Sarangi, S. (2018). Women and corruption: What positions must they hold to make a difference? Journal of Economic Behavior & Organization, 151: 219-233.
¾ Karl, A., & Lenkoski, A. (2012). Instrumental variable Bayesian model averaging via conditional Bayes factors. ArXiv preprint arXiv: 1202.5846.
¾ Knack, S., &Azfar, O. (2003). Trade intensity, country size and corruption. Economics of Governance, 4(1): 1-18.
¾ Knutsen, C. H., Kotsadam, A., Olsen, E. H., & Wig, T. (2017). Mining and local corruption in Africa. American Journal of Political Science, 61(2): 320-334.
¾ Kolstad, I., & Wiig, A. (2016). Does democracy reduce corruption? Democratization, 23(7): 1198-1215.
¾ Koop, G., Leon-Gonzalez, R., & Strachan, R. (2012). Bayesian model averaging in the instrumental variable regression model. Journal of Econometrics, 171(2): 237-250.
¾ Lima, M. S. M., &Delen, D. (2019). Predicting and explaining corruption across countries: A machine learning approach. Government Information Quarterly, 101407.
¾ Lopez-Valcarcel, B. G., Jiménez, J. L., & Perdiguero, J. (2017). Danger: local corruption is contagious! Journal of Policy Modeling, 39(5): 790-808.
¾ Magnus, J. R., Powell, O., &Prüfer, P. (2010). A comparison of two model averaging techniques with an application to growth empirics. Journal of Econometrics, 154(2): 139-153.
¾ Mocan, N. (2008). What determines corruption? International evidence from microdata. Economic Inquiry, 46(4): 493-510.
¾ Murtin, F. (2013). Long-term determinants of the demographic transition, 1870–2000. Review of Economics and Statistics, 95(2): 617–631.
¾ Musila, J. W., & Sigué, S. P. (2010). Corruption and international trade: An empirical investigation of African countries. The World Economy, 33(1): 129–146.
¾ OECD (2013). The rationale for fighting corruption. https:// www. OECD. org/ cleangovbiz/ 49693613.pdf
¾ Pellegrini, L. (2011). Causes of corruption: a survey of cross-country analyses and extended results. In Corruption, development and the environment, Springer, Dordrecht: 29-51.
¾ Pinto, P. M., & Zhu, B. (2016). Fortune or evil? The effect of inward foreign direct investment on corruption. International Studies Quarterly, 60(4): 693-705.
¾ Reed, W. R. (2015). On the practice of lagging variables to avoid simultaneity. Oxford Bulletin of Economics and Statistics, 77(6): 897–905.
¾ Serra, D. (2006). Empirical determinants of corruption: A sensitivity analysis. Public Choice, 126(1-2): 225-256.
¾ Shen, C., & Williamson, J. B. (2005). Corruption, democracy, economic freedom, and state strength: A cross-national analysis. International Journal of Comparative Sociology, 46(4): 327-345.
¾ Stanig, P. (2015). Regulation of speech and media coverage of corruption: An empirical analysis of the Mexican press. American Journal of Political Science, 59(1): 175–193.
¾ Swamy, A., Knack, S., Lee, Y., &Azfar, O. (2001). Gender and corruption. Journal of development economics, 64(1): 25-55.
¾ Teorell, J., Samanni, M., Holmberg, S., & Rothstein, B. (2011). The quality of government basic dataset made from the QoG standard dataset version 6 Apr 11. The Quality of Government Institute, University of Gothenburg.
¾ Treisman, D. (2000). The causes of corruption: A cross-national study. Journal of public economics, 76(3): 399-457.
¾ Treisman, D. (2007). What have we learned about the causes of corruption from ten years of cross-national empirical research? Annu. Rev. Polit. Sci., 10: 211-244.
¾ Uberti, L. J. (2018). Corruption in transition economies: Socialist, ottoman or structural? Economic Systems, 42(4): 533-555.
¾ World Bank (2010).https://www.worldbank.org/en/news/feature/2010/12/06/corruption-hunters-rally-for-action-against-fraud
¾ You, J., & Nie, H. (2017). Who determines Chinese firms' engagement in corruption: Themselves or neighbors? China Economic Review, 43: 29-46.
¾ Zellner, A. (1986). On assessing prior distributions and Bayesian regression analysis with g-prior distributions. Bayesian inference and decision technique.
_||_