CC BY
74
ISSN 2311-875X (Online) ISSN 2073-2872 (Print)
Национальные интересы
ЭКОНОМИЧЕСКИЕ И НЕЭКОНОМИЧЕСКИЕ ВЗАИМОСВЯЗИ КОРРУПЦИОННЫХ ОЖИДАНИИ Андрей Валентинович АИСТОВ", Анастасия Вячеславовна РАССАДОВСКАЯМ
а кандидат физико-математических наук, доцент кафедры экономической теории и эконометрики, Национальный исследовательский университет «Высшая школа экономики», Нижний Новгород, Российская Федерация aaistov@hse.ru
ь старший преподаватель кафедры математической экономики, Национальный исследовательский университет «Высшая школа экономики», Нижний Новгород, Российская Федерация arassadovskaya@hse.ru
• Ответственный автор
История статьи:
Принята 02.09.2016 Принята в доработанном виде 30.09.2016 Одобрена 18.10.2016 Доступна онлайн 27.02.2017
УДК 330.43:330.161
JEL: С35, D73, Н11, 017, Р37
Ключевые слова:
коррупционные ожидания, институты, индекс восприятия коррупции, переходная экономика
Аннотация
Предмет. Исследование ожиданий особенно важно для латентных явлений - таких как коррупция, поскольку коррумпированные экономические агенты обычно скрывают свое участие в актах взяточничества. Этот факт хорошо демонстрируют различия между результатами оценки уровня коррупции, полученными с помощью специализированных опросов или же с помощью анализа реальных фактов коррупции.
Цели. Выявление закономерностей взаимосвязи экономических и неэкономических показателей с коррупционными ожиданиями. Особое внимание уделяется странам с переходной экономикой.
Методология. Эмпирические оценки корреляции коррупционных ожиданий страны с ВВП на душу населения, субъективные оценки качества жизни, размеров теневой экономики и институциональных характеристик. Оценена взаимосвязь институциональных показателей с фактами неформальной оплаты социальных и медицинских услуг на российских микроданных.
Результаты. Для некоторых стран найдено подтверждение гипотезы о том, что теневая экономика и коррупция могут быть не только комплементами, но и субститутами. Последнее характерно для стран с высоким доходом и небольшой долей теневой экономики. Выявлено, что при слишком высокой доле теневой экономики взаимосвязь практически исчезает. Доход оказывается значим на межстрановом уровне, но при анализе микроданных не имеет взаимосвязи с коррупцией при получении социальных услуг.
Качество институтов, причем как формальных, так и неформальных, имеет обратную взаимосвязь с коррупционными ожиданиями. Затронут вопрос отличия неформальных институтов в развитых и постсоциалистических странах.
Выводы. Полученные результаты могут быть полезны для формирования долгосрочной антикоррупционной политики с учетом эффектов, которые институциональные изменения могут произвести на личные ожидания.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Обзор исследований
Коррупция и теневая экономика. Большое количество теоретических исследований посвящено изучению взаимосвязи коррупции и теневой экономики, однако многие из них приходят к конфликтующим выводам, поскольку основываются на принципиально различных предпосылках.
Наиболее популярным подходом является рассмотрение коррупции и теневой экономики как комплементов, то есть взаимно обусловленных и соответствующих друг другу явлений. В частности, имеются результаты, демонстрирующие, что жесткий контроль над бизнесом приводит к тому, что коррумпированные чиновники берут большие взятки, и это загоняет
предпринимателей «в тень» [1, 2]. Однако некоторые исследователи предлагают модели, в которых коррупция и теневая экономика являются субститутами, то есть явлениями взаимозаменяемыми [3]. Эти результаты основаны на сопоставлении качества институтов, уровня коррупции и размеров теневой экономики и показывают, что взаимосвязь между коррупцией и теневой экономикой может быть обусловлена качеством формальных институтов. Если институты слабы и не способны бороться с теневой экономикой, то с ней начинают бороться неформальные институты, в результате чего снижение доли теневой экономики приводит к росту коррупции, а не наоборот. Тем не менее оба подхода говорят о том, что высокое качество институтов приводит к снижению коррупции.
В подтверждение жизнеспособности обеих предпосылок имеются исследования, показывающие, что закономерности робастны (устойчивы) только внутри определенных групп стран. Например, для государств с низкими доходами наблюдается сонаправленность коррупции и теневой экономики, в то время как для стран с высокими доходами коррупция и теневая экономика являются субститутами [4].
Коррупция и благосостояние. В группе исследований, посвященных изучению взаимосвязи коррупции и ВВП на душу населения, также наблюдаются противоречивые результаты. Их преимущественно демонстрируют исследования причинно-следственных связей между ВВП и коррупцией. В одних работах отмечается, что рост политических, правовых и экономических индикаторов приводит к снижению уровня коррупции - однако обратное неверно [5], в других - что высокий уровень коррупции негативно влияет на ВВП и экономический рост, а экономический рост снижает коррупцию [6, 7]. Есть мнение о негативном влиянии ВВП на экономический рост лишь в долгосрочном периоде для стран с низким уровнем доходов [8], о высоком уровне коррупции только в переходных экономиках [7], а также о полном отсутствии корреляции между ВВП на душу населения и уровнем коррупции [9].
В то же время некоторые авторы высказывают мнение, что ВВП на душу населения - не лучший показатель благосостояния, и поэтому предпочтительнее использовать субъективные оценки благосостояния [10]. В пользу этого утверждения говорят эмпирические исследования о ценности нематериальных последствий коррупции. Однако использование субъективных оценок чревато несостоятельностью за счет индивидуальных эффектов, поэтому желательно проверять робастность результатов, используя в качестве параметров как ВВП, так и самооцененные показатели благосостояния.
В качестве субъективных оценок благосостояния используются так называемые показатели счастья. Уровень счастья отражает благоприятность условий жизни в стране или регионе и обычно основан на опросах населения. Несомненным недостатком агрегированных показателей счастья являются смещения итогового индекса как вследствие подгонки алгоритма подсчета, так и по причине того, что респондентам задаются «стратегические» вопросы, изначально предполагающие смещение в ответах [11]. Проблемы с оценками могут возникать и из-за того, что респонденты отталкиваются при ответе
на вопросы от разных латентных шкал удовлетворенности жизнью, что приводит к несопоставимости оценок [12]. Вероятно, именно эти проблемы приводят к тому, что переменные, отражающие коррупцию, оказываются
незначимыми в моделях, описывающих уровень счастья [13], но частично справиться с ними можно за счет, например, разделения выборок на однородные группы - в таких исследованиях обнаружена значимость контроля в отношении коррупции в моделях, объясняющих уровень счастья через качество правительства [14].
Коррупция и институты. Помимо преимущественно экономических характеристик, коррупцию часто связывают с институциональной структурой государства. Чаще всего эту связь проводят направленно, утверждая, что к возникновению коррупции приводят слабые институты. Выделяют как социально-психологические условия, в частности низкие нормы морали или общее ощущение нестабильности (обычно приписывают странам с переходной экономикой), так и исторические -обычно «наследство» тоталитарного периода.
Постсоциалистические страны в исследованиях чаще всего связывают с неравенством в возможностях [15] и низким уровнем социального капитала [16]. Также отмечается, что в результате резкого перехода к рыночной экономике эти государства оказались неспособны предоставить новые институты [17, 18]. Основной проблемой в проверке этих теорий является проблема изменения как на стороне изучаемого явления, так и на стороне объясняющих характеристик. Однако для измерения институтов также разрабатываются методики - в частности, Всемирный банк рассчитывает индексы, отражающие качество государственного управления. Кроме того, здесь также имеется возможность использования опросов населения, как в случае измерения благосостояния.
Рабочие данные и параметры
В настоящем исследовании произведены эмпирические оценки корреляции таких обобщенных (по странам) показателей, как коррупционные ожидания, ВВП на душу населения, размер теневой экономики, качество жизни и институциональные характеристики государства.
Измерение коррупции с помощью ожиданий обычно переоценивает уровень и вероятность взяток [19]. Однако при этом не исключается, что коррупционные ожидания имеют связь с фактическим рентоориентированным поведением, что подтверждается высокой
корреляцией между экспериментальными данными и индексами ожиданий [20]. Кроме того, многие исследователи утверждают, что коррупционные ожидания предоставляют возможность широкого пространственного и временного охвата объекта [19, 21], с чем, преимущественно, и связана высокая популярность индексов ожиданий среди экономистов, политиков и представителей СМИ.
Коррупционные ожидания в данной работе представлены индексом восприятия коррупции (ИВК), рассчитываемым неправительственной международной организацией по борьбе с коррупцией «Трансперенси Интернешнл» (Transparency International). Этот индекс рассчитывается с 1995 г. и позволяет сопоставить страны по степени чистоты от коррупционной деятельности, исключая государства, где было проведено менее двух опросов. Помимо ИВК, показатели коррупционных ожиданий, основанные на опросах общественного мнения и/или экспертных оценках, представлены индексом фонда Heritage Foundation, обследованием Freedom House, индексом непрозрачности PricewaterhouseCoopers и другими показателями. При этом учеными отмечается, что между этими индексами существует высокая корреляция [20], поэтому в регрессионных моделях они демонстрируют близкие результаты. ИВК определяется «Трансперенси Интернешнл» как индекс, отражающий то, насколько коррупция влияет на бизнес. С 2012 г. индекс приведен к 100-балльной шкале, в которой чем ниже показатель, тем больше сделки страдают от взяток, откатов и других проявлений коррупции. Затрудняет анализ ежегодных изменений то, что в разные годы методика оценки изменялась.
Оценки размеров теневой экономики в процентах от официального ВВП, рассчитанные с помощью подхода MIMIC и спроса на наличные деньги, взяты нами из работ [22, 23]. Первый набор охватывает период с 1999 по 2007 г. и от 145 до 161 страны в разные годы. Второй набор охватывает 36 стран с 2003 по 2013 г.
Помимо официального ВВП на душу населения, как уже упоминалось, мы также используем иные оценки благосостояния для проверки робастности результатов. В данной работе в качестве индекса благополучия взят Международный индекс счастья Happy Planet (HPI), рассчитываемый агентством New Economics Foundation. Индекс основан на данных о продолжительности и качестве жизни, экологии. Качество жизни в нем оценивается как среднее значение ответов респондентов
(по 11-балльной шкале) на вопросы об удовлетворенности жизнью в 151 стране.
Поскольку возникновение коррупции часто связывают с качеством институтов, мы также используем показатели качества государственного управления, рассчитываемые Всемирным банком -Worldwide Governance Indicators (WGI): контроль над коррупцией, эффективность правительства, эффективность политики, роль закона, политическая стабильность, право голоса. Оценки индикаторов принимают значения от -2,5 (слабые институты) до 2,5 (сильные институты).
Также проверку гипотез о связи коррупции и институтов мы проведем на основании российского мониторинга экономического положения и здоровья населения, проводимого НИУ ВШЭ (РМЭЗ ВШЭ), который является панельным исследованием. В настоящей работе мы обратимся только к данным 2006 г., в которых присутствовали вопросы, касающиеся неформальной оплаты услуг. Кроме того, мы затронем вопросы неформальных институтов на основании сравнения уровня доверия в опросе European Social Survey того же года.
Непараметрические оценки
Коррупция и теневая экономика. Товары и услуги теневого рынка так или иначе поступают на открытый рынок и сталкиваются с традициями и нормами поведения потребителей и бюрократическими ограничениями, которые им приходится преодолевать. Именно поэтому логично ожидать положительной корреляции между размером теневой экономики и уровнем коррупции или, учитывая содержание ИВК, отрицательной корреляции между размером теневой экономики и ИВК. Однако это не всегда так: ранее уже упоминались работы, согласно которым теневая экономика и коррупция могут быть субститутами, и далее мы приведем эмпирические подтверждения этого. Результаты оценок связи ИВК и двух используемых наборов данных о теневой экономике представлены на рис. 1. Оценки нечувствительны к перемене мест параметров.
График (а) на рис. 1 подтверждает, что теневая экономика и коррупция могут быть как комплементами, так и субститутами. Так, в странах, где теневая экономика составляет большую долю ВВП (от 10 до 40%), чем больше размер теневой экономики, тем ниже ИВК, то есть выше уровень коррупции, и наблюдается комплементарность. В то же время для стран с очень большой долей теневой экономики (выше
45% от ВВП) зависимость практически пропадает. К таким странам, согласно данным Буна и Шнайдера, относятся на протяжении всего периода с 1999 по 2007 г.: Азербайджан, Бенин, Боливия, Камбоджа, Демократическая Республика Конго, Габон, Грузия, Гватемала, Гаити, Гондурас, Перу, Танзания, Таиланд, Украина, Уругвай и Зимбабве. Россия по этим данным имела долю теневой экономики более 45% с 1999 по 2001 г.
График (Ь) на рис. 1 также подтверждает, что в странах, где доля теневой экономики мала (до 15%), коррупция и теневая экономика являются субститутами (восходящий участок кривой). К этим странам, согласно Шнайдеру, на протяжении всего периода с 2003 по 2013 г. относятся Австралия, Австрия, Китай, Япония, Люксембург, Макао, Нидерланды, Новая Зеландия, Сингапур, Швейцария, Соединенное Королевство, США, а также: Франция с 2004 г., Вьетнам с 2005 г., Гонконг с 2007 г.
Обратим отдельное внимание на страны с переходной экономикой, поскольку среди экономистов распространено мнение, что уровень коррупции тесно связан с качеством институтов [8] и уровнем экономического развития. Если предположить, что переходу к развитой экономике способствует улучшение качества институтов, то коррупционные ожидания должны сокращаться с завершением переходного периода. График (а) на рис. 2 показывает страны с переходной экономикой. Принадлежность стран к переходным экономикам и тем, где переходный период завершился, определяется согласно данным МВФ и Всемирного банка. Для всех государств на данном графике можно отметить низкий ИВК, то есть высокий уровень коррупции, в то время как в отношении размера теневой экономики наблюдается разброс. На графике (Ь) показаны страны, присоединившиеся к Евросоюзу в 2004 и 2007 гг. Можно заметить, что все эти экономики находятся правее и ниже по тренду, чем переходные, то есть в них наблюдаются большая чистота от коррупции и меньшая доля теневой экономики, что соотносится с предположением о влиянии улучшения институциональной среды на коррупцию.
Коррупция и благосостояние
Как уже было отмечено, в качестве показателей благосостояния мы используем как ВВП на душу населения (в долл. США, по данным Всемирного банка), так и данные индексов, полученных по ряду показателей, в том числе опросов населения. Результаты непараметрической оценки представлены на рис. 3, где дополнительно
отмечены на графике (а) страны с переходной экономикой, и на (b) - страны, где переходный период завершен.
В целом наблюдается положительная связь между ВВП на душу населения и ИВК, что соотносится как с нашими ожиданиями, так и с другими эмпирическими работами [5-7]. Однако в двух крайних случаях - при очень высокой и очень низкой коррупции - не наблюдается статистически значимой связи благосостояния и ИВК. При этом, как можно заметить, основная часть стран с переходной экономикой сконцентрирована именно в этой области, что соотносится с гипотезой [9], что коррупция в одних странах «вращает колесо коммерции», а в других, наоборот, играет роль «песка» на этом колесе.
В рамках контроля полученных результатов мы также использовали показатель благосостояния по результатам опросов (только для 2012 г.), оценка связи представлена на рис. 4. Общая форма взаимосвязи соответствует полученной для ВВП на душу населения, графики демонстрируют большой разброс уровня благосостояния как для стран с переходной экономикой, так и для завершивших переходный период. Вероятно, это объясняется тем, что оценка благосостояния основана на субъективных латентных показателях, что дает фиксированные эффекты, которые нельзя отсортировать непараметрически. Были также рассмотрены взаимосвязи уровня коррупции с нефинансовыми оценками благосостояния, в частности с международным индексом счастья (Happy Planet Index, HPI). В среднем индекс не сильно отличается в целом по выборке и для двух рассматриваемых групп стран. Кроме того, практически не наблюдается взаимосвязи между HPI и уровнем коррупции, поэтому результаты опущены.
Регрессионный анализ
В рамках подтверждения результатов, полученных непараметрически, обратимся к регрессионному анализу, который позволит разделить исследуемые взаимосвязи и влияние других переменных. Результаты оценки представлены в табл. 1 и 2.
В табл. 1 столбцы, объединенные под заголовками «1999-2007» и «2003-2013», относятся к разным наборам данных о размере теневой экономики, которые использовались при непараметрических оценках. Разные временные периоды и наборы стран позволяют говорить о проверке результатов на робастность.
Данные о ВВП на душу населения соответствуют использованным ранее, бинарные переменные
«Переходная экономика» и «Переходный период окончен» основаны на классификации МВФ и Всемирного банка. К развитым странам в табл. 1 отнесены: Австралия, Австрия, Бельгия, Канада, Дания, Финляндия, Франция, Германия, Греция, Ирландия, Италия, Япония, Люксембург, Нидерланды, Новая Зеландия, Норвегия, Португалия, Испания, Швеция, Швейцария, Соединенное Королевство и США. Расходы на образование в процентах от валового национального дохода взяты по оценкам Всемирного банка. Мы посчитали нужным включить расходы на образование в регрессию, поскольку последнее увеличивает человеческий капитал и транслирует институты, что при сильной институциональной среде может способствовать борьбе с коррупцией.
Тест Бреуша-Пагана и F-тесты подтверждают наличие ненаблюдаемых независимых от времени характеристик по странам (фиксированных эффектов). Тест Хаусмана формально отвергает модель со случайными эффектами (RE) в пользу фиксированных эффектов (FE). Согласно результатам оценки регрессий, представленным в табл. 1, на большом объеме данных (19992007 гг.) коррупция и теневая экономика являются комплементами, как и было выявлено в результате непараметрических оценок. Поскольку вариация размера теневой экономики внутри страны для рассматриваемого периода мала, о чем свидетельствует небольшое значение параметра R2 within, в данном случае предпочтительнее говорить о закономерностях между странами, а не для конкретной страны. Можно отметить, что в странах с более высокой долей теневой экономики при прочих равных имеют место более высокие коррупционные ожидания. То же самое наблюдается в случае Кипра, Мальты и Турции в выборке 2003-2013 гг., в которых уровень теневой экономики тоже достаточно велик (соответственно, 26,5, 26,4 и 29,1% в 2007 г.). Однако для развитых стран данное утверждение не выполняется: в обеих моделях получен положительный коэффициент, что означает, что коррупция и теневая экономика являются субститутами.
Что касается переходных экономик, то здесь нельзя сделать однозначного вывода, поскольку в модели с фиксированными эффектами получена отрицательная, но статистически не значимая зависимость, а в модели со случайными эффектами коэффициент значимый, но положительный. Таким образом, следует оставить здесь пространство для дополнительного исследования, так как для переходных экономик,
вероятно, не существует единой взаимосвязи между теневой экономикой и коррупцией.
В следующей группе моделей мы исключили из рассмотрения теневую экономику и обратились к институциональной структуре стран. Из списка показателей WGI мы отобрали шесть тех, которые, на наш взгляд, влияют на борьбу с коррупцией: контроль над коррупцией, эффективность правительства, эффективность политики, роль закона, политическая стабильность и право голоса. Можно отметить низкие показатели в случае стран с переходной экономикой.
В табл. 2 оценки (2000-2012 гг.) представлены для трех групп стран: всех без ограничений, стран с переходной экономикой (сюда были также включены страны, завершившие переход и присоединившиеся к Евросоюзу в 2004 и 2007 гг.) и всех стран, кроме вошедших во вторую группу.
Также в табл. 2 вынесены усеченные результаты построения моделей - только некоторые статистики и коэффициенты при
институциональных индикаторах, так как взаимосвязь с ВВП на душу населения аналогична полученной ранее, и то же можно сказать о расходах на образование, за исключением переходных экономик. Институциональные индикаторы преимущественно значимы и с увеличением приводят к сокращению коррупционных ожиданий. Случаи, где они оказались незначимыми, можно объяснить небольшой вариацией признака внутри страны в течение рассматриваемого периода времени.
Индивидуальные оценки
В продолжение исследования связи коррупционных ожиданий и институтов (как формальных, так и неформальных) обратимся к микроданным. В частности, поскольку приведенный ранее анализ не дал возможности сконцентрироваться на внутристрановых различиях, приведем данные для одной страны -на основании российского мониторинга экономического положения и здоровья населения НИУ ВШЭ. Данные 2006 г. этого исследования содержат вопросы о неформальных платежах, совершенных респондентами в тех или иных социальных организациях. Доли отвечавших на данные вопросы (от 14 690 респондентов) представлены на рис. 5 и 6. Разумеется, мы понимаем, что неформальная оплата рутинных услуг вряд ли тождественна коррупции, но именно анализ того, насколько принцип предоставления услуг в обход формальных требований вошел
в обиход, и является ключевой частью анализа институциональной среды для коррупции в России.
Рис. 5 и 6 дают представление о достаточно высокой доле низовой коррупции, если к ней относить неформальную оплату услуг социальных и медицинских служб: от 26% неформальной оплаты обращавшимися за услугами регистрационных служб, до 60% -обращавшимися за услугами ГИБДД, и от 12% неформально оплаченных лекарств до 68% неформально оплаченных услуг по лечению в больнице.
В число объясняющих переменных включены логарифм реального дохода и характеристики социального капитала респондента: страх потерять работу, самооцененная значимость в обществе (авторитет), самооцененный уровень толерантности в обществе и самооцененный уровень доверия внутри трудового коллектива респондента. Также помимо стандартных контролирующих
переменных (пол, возраст, семейное положение) мы включили наличие подчиненных на службе и работу в государственной организации.
Поскольку объясняющие переменные определяются, вероятно, теми же ненаблюдаемыми характеристиками респондента, что и готовность неформальной оплаты услуг организаций, мы используем инструментальные оценки для борьбы с эндогенностью. Уровень доверия инструментируется с помощью уровня образования, который, в свою очередь, инструментируется с помощью роста - следуя работам, в которых данные инструменты подтвердили свою состоятельность [24, 25]. В качестве инструмента для определения показателя страха потерять работу был выбран уровень безработицы в регионе респондента; в качестве инструмента определения собственной значимости в обществе - наличие у респондента хронических заболеваний; для оценки уровня толерантности в обществе - принадлежность членов семьи к коммунистической партии до 1991 г. (об использовании биографии семьи в качестве инструмента - см. [24]). Результаты оценки моделей представлены в табл. 3 и 4, регрессии оценены ГV-logit методом.
В отличие от регрессий на макроданных, где ВВП на душу населения статистически значим, на микроданных реальный доход респондента незначим, в отличие от институциональных характеристик - в частности, уровня доверия и страха потерять работу. Последний может
характеризовать как общую нестабильность экономической ситуации, так и качество связей (социальный капитал), которым обладает респондент. В отношении доверия, точнее в данном случае - недоверия, то здесь стоит оговориться, что в силу высокой корреляции между ответами на вопросы о доверии на разных уровнях, нам пришлось отказаться от желательного разделения доверия на горизонтальное и вертикальное, соответствующие, в свою очередь, bonding и bridging социальному капиталу [26, 27].
В рамках проверки гипотезы о том, что социалистическое прошлое оказывает влияние на коррупционные ожидания [28, 29], мы разделили выборку на две группы: рожденных до и после 1977 г. (такое деление предполагается РМЭЗ ВШЭ), однако значимых различий между этими группами выявлено не было, поэтому мы опускаем результаты. Вероятно, если данная гипотеза и верна, то справедлива при межстрановом сравнении, а внутри страны, по крайней мере без динамики в данных, ее проверить нет возможности.
В связи с этим мы обратились к межстрановым показателям значимой в регрессиях на микроданных объясняющей переменной -доверия - по данным опроса European Social Survey (ESS) 2006 г. На рис. 7 представлены оценки распределения ответов на вопрос о межличностном доверии в России, Украине, Эстонии и остальных странах, включенных в ESS (агрегированно).
Можно заметить, что Россия и Украина имеют в ответах всплеск на уровне не только среднего, но и крайне низкого доверия. Для Эстонии, которая также имеет советское прошлое, но в 2004 г. присоединилась к Евросоюзу, этого пика не наблюдается, а само распределение ответов более близко к нормальному, как и в целом по другим европейским странам. При этом на двух нижних графиках даже можно отметить более тяжелую правую часть распределения, в то время как для России и Украины, напротив, характерна небольшая доля ответов в области высокого доверия.
Разумеется, по предварительному анализу сделать однозначного вывода нельзя, но можно предположить, что все-таки не столько советское (или какое-то иное) прошлое, сколько действующие на данный момент институты оказывают влияние на социально-экономические процессы - как в случае Эстонии.
Заключение
В данном исследовании была проанализирована взаимосвязь коррупционных ожиданий на примере индекса восприятия коррупции и таких показателей, как ВВП на душу населения, благосостояние, показатели счастья, теневая экономика, качество институтов. Также была оценена взаимосвязь фактов неформальной оплаты социальных услуг и институциональных показателей на российских микроданных.
Была эмпирически подтверждена возможность связи теневой экономики и коррупции как субститутов. Это явление характерно для стран с высоким доходом и небольшой долей теневой экономики. Кроме того, выявлено, что если доля теневой экономики крайне высока (более 45%), то ИВК при дальнейшем росте теневой экономики не зависит от этих изменений.
Установлено, что ИВК имеет положительную связь с ВВП на душу населения, то есть чем выше доход, тем ниже коррупционные ожидания, но при замене ВВП на показатели благосостояния и счастья взаимосвязь становится слабой, особенно для стран с переходной экономикой.
Что касается взаимосвязи коррупционных ожиданий и институциональной среды, то на межстрановом уровне оказались значимы показатели качества контроля в отношении коррупции со стороны государства, а анализ микроданных по России показал, что важную роль играет межличностное доверие. Доверие же, в свою очередь, вероятно, находится в некоторой связи с формальными институтами, так как при рассмотрении уровня доверия в России, Украине и Эстонии, оценки в случае Эстонии оказались более оптимистичными и приближенными к агрегированным по Европе.
Таблица 1
Оценка моделей с теневой экономикой, зависимая переменная - ИВК Table 1
Evaluation of shadow economy models, Corruption Perceptions Index (CPI) as a dependent variable
2003-2013 гг.
Показатель 1999-2007 гг. Кипр, Мальта, Турция Развитые страны Страны с переходной экономикой
RE FE RE FE RE FE RE FE
ВВП на д.н./10 000 4,099*** (0,656) 1,367** (0,661) 14,46 (16) -35,33** (15,03) 0,51 (1,207) 3,032*** (1,123) 19,47*** (4,523) 11,68* (5,999)
(ВВП на д.н.)2/10 -3,487*** (0,686) -1,296* (0,669) -28,78 (32,09) 52,3** (25,16) -0,463 (0,806) -1,76** (0,716) -30,7** (14,8) -21,37 (15,75)
Переходная экономика -10,98*** (2,647) - - - - - -
Переходный период окончен 7,688* (4,093) - - - - - 11,37** (4,649) -
Расходы на образование, % от НД 1,683*** (0,284) 1,117*** (0,292) 1,27 (1,914) -2,664 (1,947) 0,1 (0,647) -0,444 (0,591) 0,421 (1,064) -1,766 (1,185)
Теневая экономика, % от ВВП -0,653*** (0,0669) -0,251** (0,11) -2,178* (1,24) -6,196*** (1,49) 0,496* (0,277) 1,546*** (0,289) 0,55* (0,29) -0,711 (0,784)
Константа 55,4*** (2,955) 47*** (3,998) 92,02** (42,95) 280,4*** (52,82) 69,41*** (8,473) 49,19*** (8,406) 1,798 (12,15) 63,39** (26,75)
Число наблюдений 990 990 29 29 220 220 110 110
Число групп 138 138 3 3 22 22 11 11
R2 within 0,033 0,037 0,155 0,678 0,168 0,204 0,37 0,399
R2 between 0,684 0,66 0,999 0,678 0,408 0,807 0,807 0,08
R2 overall 0,697 0,697 0,765 0,288 0,344 0,363 0,666 0,122
F - 8,05 - 9,72 - 12,44 - 15,77
Breusch and Pagan x2 1928,74 - - - 351,46 - 71,23 -
Fixed effects F - 55,27 - 19,8 - 94 - 21,98
Hausman x2 - 1 701,47 - 43,05 - 110,39 - 15,71
Примечание. В скобках указаны стандартные ошибки: * p < 0,1, ** p < 0,05, ***p < 0,01. Источник: составлено авторами
Note. Ordinary errors are given in brackets: * p < 0,1, ** p < 0,05, *** p < 0,01. Source: Authoring
Таблица 2
Оценка моделей с институциональными показателями, зависимая переменная - ИВК
Table 2
Evaluation of models with institutional indicators, CPI as a dependent variable
Показатель Все страны С переходной экономикой Остальные
RE FE RE FE RE FE
Контроль коррупции 11,89*** (0,598) 8,321*** (0,719) 12,24*** (0,644) 8,621*** (0,747) 10,14*** (1,674) 5,549*** (2,073)
Эффективность правительства 3,375*** (0,698) 2,73*** (0,811) 3,213*** (0,753) 1,298 (0,86) 2,879 (1,825) 6,814*** (2,165)
Эффективность политики 1,731*** (0,586) 2,754*** (0,704) 1,776*** (0,658) 2,039*** (0,765) 2,437* (1,343) 4,312** (1,807)
Роль закона 1,809** (0,748) 0,903 (0,899) 1,865** (0,813) -0,102 (0,965) 1,493 (2,027) 0,963 (2,571)
Политическая стабильность 0,589* (0,33) 0,47 (0,405) 0,456 (0,366) 0,366 (0,434) 0,994 (0,782) 0,875 (1,028)
Право голоса -1,017** (0,456) -0,642 (0,745) -1,021** (0,508) -1,031 (0,785) -1,153 (1,109) 4,887** (2,148)
Число наблюдений 1 595 1 595 1 276 1 276 319 319
R2 overall 0,952 0,942 0,942 0,953 0,874 0,823
Примечание. Представлены усеченные результаты построения модели. В скобках указаны стандартные ошибки: * p < 0,1, ** p < 0,05, *** p < 0,01. Источник: составлено авторами
Note. The table contains truncated results of the model. Ordinary errors are given in brackets: *p < 0,1, **p < 0,05, *** p < 0,01. Source: Authoring
Таблица 3
Оценка модели неформальной оплаты социальных услуг Table 3
Evaluation of the model of informal payment for welfare services
Показатель ЖКХ БТИ Загсы Милиция Суд ГИБДД
Реальный доход 0,005 -0,327 -0,142 -0,311 -0,413 -0,874+
Недоверие начальству 0,184~ 0,335* 0,282* -0,185 0,117 0,015
Отсутствие страха потерять работу -0,066 -0,256~ -0,429*** -0,475** -0,604*** 0,184~
Пол (женский/мужской) -0,105 0,009 -0,069 -0,557** 0,058 0,053
Семейное положение 0,098 -0,188~ -0,004 -0,101 -0,150~ 0,01
(не женат/не замужем)
Наличие подчиненных 0,021 -0,195~ -0,087 0,309+ 0,107 0,067
Работа в гос. организации -0,019 -0,168~ -0,019 0,105 0,205* 0,116
Число наблюдений 1 181 512 760 262 202 610
%2-фактор 54,9 40,3 74,1 48,1 52,7 74,5
Примечание. Зависимая переменная указана в головке таблицы. ~p < 0,2, + p < 0,1, * p < 0,05, **p < 0,01, *** p < 0,001. *. Источник: составлено авторами
Note. The dependent variable is indicated in the table header. ~p < 0,2, + p < 0,1, *p < 0,05, **p < 0,01, ***p < 0,001. Source: Authoring
Таблица 4
Оценка модели неформальной оплаты медицинских услуг Table 4
Evaluation of the model of informal payment for healthcare services
Показатель Посещение врача Дополнительные процедуры Обследование
Реальный доход 0,237 3,18— —0,025
Недоверие начальству 0,067 —0,041 0,09
Отсутствие страха потерять работу 0,559*** 0,44* —0,523***
Пол (женский/мужской) 0,105 0,206 —0,281—
Семейное положение (не женат/не замужем) -0,121 —0,446+ 0,17
Наличие подчиненных 0,097 —0,126 —0,139
Работа в гос. организации —0,19~ —0,207 0,319+
Число наблюдений 283 211 482
%2-фактор 64,2 49,5 37,4
Примечание. Зависимая переменная указана в головке таблицы. Исключены зависимые переменные с маленькой вариацией. ~p < 0,2, + p < 0,1, * p < 0,01, *** p < 0,001. Источник: составлено авторами
Note. The dependent variable is indicated in the table header. Dependent variables with a narrow range are excluded. + p < 0,1, * p < 0,05, *** p < 0,001. Source: Authoring
Рисунок 1
Непараметрическая оценка взаимосвязи ИВК и размера теневой экономики
а - 1999-2007 гг.; b - 2003-2013 гг.
Figure 1
Nonparametric evaluation of the relationship between CPI and the size of the shadow economy
а - 1999-2007.; b - 2003-2013
- p < 0,2,
Примечание. 95%-ный доверительный интервал показан серым цветом. Источник: составлено авторами
Note. 95-percent confidence interval is given in gray. Source: Authoring
Рисунок 2
Непараметрическая оценка взаимосвязи размера теневой экономики и Индекса Восприятия Коррупции в 2007 г., отдельно для переходных экономик (а) и стран, завершивших переходный период (b)
Figure 2
Nonparametric evaluation of correlation between the size of the shadow economy and Corruption Perceptions Index in 2007, with a special focus on transitional (a) and post-transitional (b) economies
Примечание. 95%-ный доверительный интервал показан серым цветом. Источник: составлено авторами
Note. 95-percent confidence interval is given in gray. Source: Authoring
Рисунок 3
Непараметрическая оценка взаимосвязи ИВК и ВВП на душу населения в 2007 г., отдельно для переходных экономик (a) и стран, завершивших переходный период (b)
Figure 3
Nonparametric evaluation of correlation between CPI and GDP per capita in 2007, with a special focus on transitional (a) and post-transitional (b) economies
Примечание. 95%-ный доверительный интервал показан серым цветом. Источник: составлено авторами
Note. 95-percent confidence interval is given in gray. Source: Authoring
Рисунок 4
Непараметрическая оценка взаимосвязи ИВК и благосостояния в 2007 г., отдельно для переходных экономик (а) и стран, завершивших переходный период (b)
Figure 4
Nonparametric evaluation of correlation between CPI and welfare in 2007, with a special focus on transitional (a) and post-transitional (b) economies
Примечание. 95%-ный доверительный интервал показан серым цветом. Источник: составлено авторами
Note. 95-percent confidence interval is given in gray. Source: Authoring
Рисунок 5
Неформальная оплата социальных услуг Figure 5
Informal payment for welfare services
Источник: составлено авторами Source: Authoring
Рисунок 6
Неформальная оплата медицинских услуг Figure 6
Informal payment for healthcare services
80
bb,ö 1
35,2 46,1 1 42,8
2Ь, 24,3 15,5 2/, 2 1 1 1
1 1 Л 5 -г-1- 1 У
60 40 20 О
Посещение Доп. процедуры Обследование Лечение Лекарства
врача (в больнице)
□ Процент обращений ■ Процент взяток среди обращений
Источник: составлено авторами Source: Authoring
Рисунок 7
Оценка распределения доверия, European Social Survey, 2006
1 - ядерная оценка по Епанечникову; 2 - нормальная плотность
Figure 7
Confidence evaluation, European Social Survey, 2006
1 - kernel estimate by Epanechnikov; 2 - normal density
Примечание. Ширина окна: Россия - 0,5249; Украина - 0,5399; Эстония - 0,4642; остальные - 0,2693. Источник: составлено авторами
Note. The window width of 0.5249 for Russia; 0.5399 for Ukraine; 0,4642 for Estonia; 0,2693 for the others. Source: Authoring
Список литературы
1. Choi J.P., Thum M. Corruption and the Shadow Economy // International Economic Review. 2005. Vol. 46. Iss. 3. P. 817-836. doi: 10.1111/j.1468-2354.2005.00347.x
2. Echazu L., Bose P. Corruption, Centralization, and the Shadow Economy // Southern Economic Journal. 2008. Vol. 75. Iss. 2. P. 524-537.
3. Dreher A., Kotsogiannis C., McCorriston S. How Do Institutions Affect Corruption and the Shadow Economy? // International Tax and Public Finance. 2009. Vol. 16. Iss. 6. P. 773-796. doi: 10.1007/s10797-008-9089-5
4. Dreher A., Schneider F. Corruption and the Shadow Economy: An empirical analysis // Public Choice. 2010. Vol. 144. Iss. 1-2. P. 215-238. doi: 10.1007/s11127-009-9513-0
5. Brown S., Shackman J. Corruption and Related Socioeconomic Factors: A time series study // Kyklos. 2007. Vol. 60. Iss. 3. P. 319-347. doi: 10.1111/j.1467-6435.2007.00374.x
6. Kalyuzhnova Y, Kutan A., Yigit T. Corruption and Economic Development in Energy-rich Economies // Comparative Economic Studies. 2009. Vol. 51. Iss. 2. P. 165-180. doi: 10.1057/ces.2008.46
7. Goel R., Ram R. Economic Uncertainty and Corruption: Evidence from a large cross-country data set // Applied Economics. 2013. Vol. 45. Iss. 24. P. 3462-3468. doi: http://dx.doi.org/10.1080/00036846.2012.714073
8. Ugur M. Corruption's Direct Effects on Per-Capita Income Growth: A meta-analysis // Journal of Economic Surveys. 2014. Vol. 28. Iss. 3. P. 472-490. doi: 10.1111/joes.12035
9. Aidt T. Corruption, Institutions, and Economic Development // Oxford Review of Economic Policy. 2009. Vol. 25. Iss. 2. P. 271-291. doi: 10.1093/oxrep/grp012
10. Welsch H. The Welfare Costs of Corruption // Applied Economics. 2008. Vol. 40. Iss. 14. P. 1839-1849. doi: http://dx.doi.org/10.1080/00036840600905225
11. Frey B., Gallus J. Subjective Well-being and Policy // Topoi. 2013. Vol. 32. Iss. 2. P. 207-212. doi: 10.1007/s11245-013-9155-1
12. Fereidouni H., Najdi Y., Amiri R. Do Governance Factors Matter for Happiness in the MENA Region? // International Journal of Social Economics. 2013. Vol. 40. Iss. 12. P. 1028-1040. doi: http://dx.doi.org/10.1108/IJSE-11-2012-0208
13. León C.J., Araña J.E., De León J. Valuing the Social Cost of Corruption Using Subjective Well Being Data and the Technique of Vignettes // Applied Economics. 2013. Vol. 45. Iss. 27. P. 3863-3870. doi: http://dx.doi.org/10.1080/00036846.2012.741678
14. Lin C.-H., Lahiri S., Hsu C.-P. Happiness and Regional Segmentation: Does Space Matter? // Journal of Happiness Studies. 2014. Vol. 15. Iss. 1. P. 57-83. doi: 10.1007/s10902-013-9416-0
15. Rothstein B., Uslaner E.M. All for All: Equality, Corruption, and Social Trust // World Politics. 2005. Vol. 58. Iss. 1. P. 41-72. doi: https://doi.org/10.1353/wp.2006.0022
16. Rose-Ackerman S. Trust and Honesty in Post-Socialist Societies // Kyklos. 2001. Vol. 54. No. 2-3. P. 415-443.
17. Levin M., Satarov G. Corruption and Institutions in Russia // European Journal of Political Economy. 2000. Vol. 16. Iss. 1. P. 113-132. doi: http://dx.doi.org/10.1016/S0176-2680(99)00050-6
18. Varese F. The Transition to the Market and Corruption in Post-Socialist Russia // Political Studies. 1997. Vol. 45. Iss. 3. P. 579-596. doi: 10.1111/1467-9248.00097
19. Olken B.A., Pande R. Corruption in Developing Countries // Annual Review of Economics. 2012. Vol. 4. P. 479-509.
20. Treisman D. What Have We Learned About the Causes of Corruption from Ten Years of Cross-National Empirical Research? // Annual Review of Political Science. 2007. Vol. 10. P. 211-244. doi: 10.1146/annurev.polisci.10.081205.095418
21. Banerjee A., Hanna R., Mullainathan S. Corruption. Boston, USA: MIT Working Paper, 2012. 72 p.
22. Buehn A., Schneider F. Shadow Economies Around the World: Novel Insights, Accepted Knowledge, and New Estimates // International Tax and Public Finance. 2012. Vol. 19. Iss. 1. P. 139-171. doi: 10.1007/s10797-011-9187-7
23. Goel R., Saunoris J. Global Corruption and the Shadow Economy: Spatial aspects // Public Choice. 2014. Vol. 161. Iss. 1-2. P. 119-139. doi: 10.1007/s11127-013-0135-1
24. Card D. Estimating the Return to Schooling: Progress on Some Persistent Econometric Problems // Econometrica. 2001. Vol. 69. Iss. 5. P. 1127-1160. doi: 10.1111/1468-0262.00237
25. Nye J., Androushchak G., Desierto D. et al. What Determines Trust? Human Capital vs. Social Institutions: Evidence from Manila and Moscow. Higher School of Economics Research Paper, 2012, no. WP BRP 18.
26. Wallis A., Crocker J.P., Schechter B. Social Capital and Community Building: Part One // National Civic Review. 1998. Vol. 87. Iss. 3. P. 253-272. doi: 10.1002/ncr.87306
27. Anheier H., Kendall J. Interpersonal Trust and Voluntary Associations: Examining Three Approaches // British Journal of Sociology. 2002. Vol. 53. Iss. 3. P. 343-362. doi: 10.1080/0007131022000000545
28. Murphy J. Civil Society and Social Capital in the Post-Socialist Russian North // Polar Geography. 2003. Vol. 27. Iss. 2. P. 174-196. doi: http://dx.doi.org/10.1080/789610234
29. Lindbeck A. Swedish Lessons for Post-Socialist Countries. Stockholm: Institute for International Economic Studies, 1998. 41 p.
Информация о конфликте интересов
Мы, авторы данной статьи, со всей ответственностью заявляем о частичном и полном отсутствии фактического или потенциального конфликта интересов с какой бы то ни было третьей стороной, который может возникнуть вследствие публикации данной статьи. Настоящее заявление относится к проведению научной работы, сбору и обработке данных, написанию и подготовке статьи, принятию решения о публикации рукописи.
ISSN 2311-875X (Online) National Interests
ISSN 2073-2872 (Print)
ECONOMIC AND NONECONOMIC RELATIONSHIP OF CORRUPTION PERCEPTIONS Andrei V. AISTOVa, Anastasiya V. RASSADOVSKAYAM
a National Research University Higher School of Economics, Nizhny Novgorod, Russian Federation aaistov@hse.ru
b National Research University Higher School of Economics, Nizhny Novgorod, Russian Federation arassadovskaya@hse.ru
• Corresponding author
Article history: Abstract
Received 2 September 2016 Importance It is critical to study perceptions in relation to such latent phenomena as corruption, Received in revised form since corrupted economic agents usually conceal their involvement in bribery. This idea comes out if
30 September 2016 we look at the difference between corruption evaluation results obtained through special-purpose
Accepted 18 October 2016 surveys and analysis of real instances of corruption.
Available online Objectives The research identifies patterns reflecting how economic and noneconomic indicators
27 February 2017 correlate with corruption perceptions. The article especially concentrates on transit economies.
Methods The research empirically evaluates a correlation of corruption perceptions and GDP per JEL classification: C35, D73, capita, subjective views on standards of living, scope of shadow economy and institutional H11, O17, P37 characteristics. We also review the nexus of institutional indicators and instances of informal
payments for welfare and health care services on the basis of the Russian microdata. Results As for certain countries, we verified the hypothesis stating that shadow economy and corruption may not only complement, but rather substitute each other. The nexus was proved to disappear when shadow economy was strong in the country. Income turns out to be significant at the cross-country level, but it does not work in case of welfare services and analysis of microdata. Keywords: corruption We also mentioned the difference between informal institutions in advanced and post-socialist
perceptions, institutes, countries.
Corruption Perceptions Index, Relevance The findings can be useful to formulate long-term anti-corruption policies in line with transition economies effects, which institutional changes may have on personal expectations.
© Publishing house FINANCE and CREDIT, 2016
References
1. Choi J.P., Thum M. Corruption and the Shadow Economy. International Economic Review, 2005, vol. 46, iss. 3, pp. 817-836. doi: 10.1111/j.1468-2354.2005.00347.x
2. Echazu L., Bose P. Corruption, Centralization, and the Shadow Economy. Southern Economic Journal, 2008, vol. 75, iss. 2, pp. 524-537.
3. Dreher A., Kotsogiannis C., McCorriston S. How do Institutions Affect Corruption and the Shadow Economy? International Tax and Public Finance, 2009, vol. 16, iss. 6, pp. 773-796. doi: 10.1007/s10797-008-9089-5
4. Dreher A., Schneider F. Corruption and the Shadow Economy: An empirical analysis. Public Choice, 2010, vol. 144, iss. 1-2, pp. 215-238. doi: 10.1007/s11127-009-9513-0
5. Brown S., Shackman J. Corruption and Related Socioeconomic Factors: A time series study. Kyklos, 2007, vol. 60, iss. 3, pp. 319-347. doi: 10.1111/j.1467-6435.2007.00374.x
6. Kalyuzhnova Y., Kutan A., Yigit T. Corruption and Economic Development in Energy-rich Economies. Comparative Economic Studies, 2009, vol. 51, iss. 2, pp. 165-180. doi: 10.1057/ces.2008.46
7. Goel R., Ram R. Economic Uncertainty and Corruption: Evidence from a large cross-country data set. Applied Economics, 2013, vol. 45, iss. 24, pp. 3462-3468. doi: http://dx.doi.org/10.1080/00036846.2012.714073
8. Ugur M. Corruption's Direct Effects on Per-Capita Income Growth: A meta-analysis. Journal of Economic Surveys, 2014, vol. 28, iss. 3, pp. 472-490. doi: 10.1111/joes.12035
9. Aidt T. Corruption, Institutions, and Economic Development. Oxford Review of Economic Policy, 2009, vol. 25, iss. 2, pp. 271-291. doi: 10.1093/oxrep/grp012
10. Welsch H. The Welfare Costs of Corruption. Applied Economics, 2008, vol. 40, iss. 14, pp. 1839-1849. doi: http://dx.doi.org/10.1080/00036840600905225
11. Frey B., Gallus J. Subjective Well-being and Policy. Topoi, 2013, vol. 32, iss. 2, pp. 207-212. doi: 10.1007/s11245-013-9155-1
12. Fereidouni H., Najdi Y., Amiri R. Do Governance Factors Matter for Happiness in the MENA region? International Journal of Social Economics, 2013, vol. 40, iss. 12, pp. 1028-1040. doi: http://dx.doi.org/10.1108/IJSE-11-2012-0208
13. León C.J., Araña J.E., De León J. Valuing the Social Cost of Corruption Using Subjective Well Being Data and the Technique of Vignettes. Applied Economics, 2013, vol. 45, iss. 27, pp. 3863-3870. doi: http://dx.doi.org/10.1080/00036846.2012.741678
14. Lin C.-H., Lahiri S., Hsu C.-P. Happiness and Regional Segmentation: Does Space Matter? Journal of Happiness Studies, 2014, vol. 15, iss. 1, pp. 57-83. doi: 10.1007/s10902-013-9416-0
15. Rothstein B., Uslaner E.M. All for All: Equality, Corruption, and Social Trust. World Politics, 2005, vol. 58, iss. 1, pp. 41-72. doi: https://doi.org/10.1353/wp.2006.0022
16. Rose-Ackerman S. Trust and Honesty in Post-Socialist Societies. Kyklos, 2001, vol. 54, iss. 2-3, pp. 415-443. doi: 10.1111/1467-6435.00161
17. Levin M., Satarov G. Corruption and Institutions in Russia. European Journal of Political Economy, 2000, vol. 16, iss. 1, pp. 113-132. doi: http://dx.doi.org/10.1016/S0176-2680(99)00050-6
18. Varese F. The Transition to the Market and Corruption in Post-Socialist Russia. Political Studies, 1997, vol. 45, iss. 3, pp. 579-596. doi: 10.1111/1467-9248.00097
19. Olken B.A., Pande R. Corruption in Developing Countries. Annual Review of Economics, 2012, vol. 4, pp. 479-509.
20. Treisman D. What Have We Learned About the Causes of Corruption from Ten Years of Cross-National Empirical Research? Annual Review of Political Science, 2007, vol. 10, pp. 211-244. doi: 10.1146/annurev.polisci.10.081205.095418
21. Banerjee A., Hanna R., Mullainathan S. Corruption. Boston, USA, MIT Working Paper, 2012, 72 p.
22. Buehn A., Schneider F. Shadow Economies Around the World: Novel Insights, Accepted Knowledge, and New Estimates. International Tax and Public Finance, 2012, vol. 19, iss. 1, pp. 139-171. doi: 10.1007/s10797-011-9187-7
23. Goel R., Saunoris J. Global Corruption and the Shadow Economy: Spatial aspects. Public Choice, 2014, vol. 161, iss. 1-2, pp. 119-139. doi: 10.1007/s11127-013-0135-1
24. Card D. Estimating the Return to Schooling: Progress on Some Persistent Econometric Problems. Econometrica, 2001, vol. 69, iss. 5, pp. 1127-1160. doi: 10.1111/1468-0262.00237
25. Nye J., Androushchak G., Desierto D. et al. What Determines Trust? Human Capital vs. Social Institutions: Evidence from Manila and Moscow. Higher School of Economics Research Paper, 2012, no. WP BRP 18.
26. Wallis A., Crocker J.P., Schechter B. Social Capital and Community Building: Part One. National Civic Review, 1998, vol. 87, iss. 3, pp. 253-272. doi: 10.1002/ncr.87306
27. Anheier H., Kendall J. Interpersonal Trust and Voluntary Associations: Examining Three Approaches. British Journal of Sociology, 2002, vol. 53, iss. 3, pp. 343-362. doi: 10.1080/0007131022000000545
28. Murphy J. Civil Society and Social Capital in the Post-Socialist Russian North. Polar Geography, 2003, vol. 27, iss. 2, pp. 174-196. doi: http://dx.doi.org/10.1080/789610234
29. Lindbeck A. Swedish Lessons for Post-Socialist Countries. Stockholm, Institute for International Economic Studies, 1998, 41 p.
Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or potential conflict of interest with any other third party whatsoever, which may arise as a result of the publication of this article. This statement relates to the study, data collection and interpretation, writing and preparation of the article, and the decision to submit the manuscript for publication.
