CC BY
28УДК 332.146
РАСЧЕТ ПОКАЗАТЕЛЕЙ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ МЕТОДАМИ АНТИКОРРУПЦИОННОГО КОНТРОЛЯ В РОССИЙСКИХ РЕГИОНАХ
С.Л. Алексеев
Аннотация. Социологические измерения, проводимые всеми субъектами РФ, показывают в большей степени лишь одну сторону коррупции - низовую («бытовую»). Однако коррупционная пораженность населения не является единственным риском региональной экономической безопасности. Сложившиеся в российских регионах институциональные рамки антикоррупционного контроля не позволяют в настоящий момент осуществлять мониторинг исключительно коммерческих отношений. Их коррупционная составляющая служит предметом административного контроля (финансового, налогового, банковского, лицензионного), но оценивается преимущественно в постреакционном периоде противодействия коррупции, то есть в правоохранительной (криминальной) плоскости. Поэтому в рамках данной статьи автор акцентировал внимание на основных методиках расчетов состояния экономической безопасности субъектов РФ в плоскости осуществления антикоррупционного контроля. В результате применения отдельных методов выявлены расхождения в официальных социо-эконометрических измерениях.
Ключевые слова: коррупция, антикоррупционный контроль, противодействие коррупции, экономическая безопасность, государственное управление, региональное управление, региональная экономика.
CALCULATION OF ECONOMIC SECURITY INDICATORS USING ANTI-CORRUPTION CONTROL METHODS IN RUSSIAN REGIONS
S.L. Alekseev
Abstract. Sociological measurements carried out by all constituent entities of the Russian Federation show to a greater extent only grassroots («everyday») corruption. However, corruption in the population is not the only risk to regional economic security. The institutional framework of regional anti-corruption control today does not allow monitoring only commercial relations. Their corruption component serves as the subject of administrative control (financial, tax, banking, licensing) and is evaluated in the law enforcement (criminal) plane. Therefore, in the framework of this article, the author focused on the main methods of calculating the state of economic security of the constituent entities of the Russian Federation in the plane of anti-corruption control. As a result of applying certain methods, the author revealed discrepancies in official socio-econometric dimensions.
Keywords: corruption, anti-corruption control, anti-corruption, economic security, public administration, regional administration, regional economy.
Экономической науке известны методики расчета коррупционных рисков, к числу которых относится целая совокупность индикаторов [6; 7; 12]:
- коррупционная прибыль;
- средний размер взяток;
- коррупционная стоимость продукта (работы, услуги);
- коррупционные издержки государства и негосударственных акторов;
- коррупционная маржинальность;
- коррупционная волатильность;
- экономический коррупционный опыт;
- коррупционный оборот и мн. др.
Собственно, методы антикоррупционного контроля направлены на оценку существующих и потенциальных индикаторов распространения коррупции в различных формах и видах. Поэтому сложившиеся формулы расчета указанных показателей отчасти могут быть адаптированы под оценку эффективности мероприятий по превентивному антикоррупционному противодействию.
Наиболее известная концепция вычислений - формула, выведенная представительницей американской экономической науки С. Роуз-Аккерман [10]. Она исследовала коррупционные отношения на примере заключения государственных контрактов с коммерческими организациями. На фоне стандартизированной процедуры отбора частных компаний (поставщиков и подрядчиков) организатор публичных торгов всегда отдает предпочтение лишь одному участнику [8]. Исходя из имевшейся на тот момент статистики по США, ряду европейских стран и отдельным азиатским государствам, С. Ро-уз-Аккерман вычислила две модели подобных отношений:
1. Претендент на получение государственного заказа дает взятку должностному лицу, отвечающему за организацию публичных торгов [9].
2. Претендент использует коррупционные инструменты в отношении с конкурентами, то есть подкупает других участников с це-
лью самоустранить их на пути к заключению государственного контракта [11].
Тем самым С. Роуз-Аккерман предложила две формулы, позволяющие вычислить коррупционную прибыль применительно к государственному должностному лицу (как монополисту в организации государственного заказа) и к экономическому актору (как участнику, имеющему интерес в получении государственного контракта коррупционным путем).
Так, коррупционная прибыль должностного лица - представителя государственного управления складывается из следующих показателей:
КП (РВ) = РВ - СШК (РВ) - МИ (РВ), (1)
где:
КП - коррупционная прибыль, получаемая должностным лицом; РВ - размер взятки, предоставляемой экономическим актором; СШК - средний штраф, налагаемый за коррупционное действие
должностного лица; МИ - моральные издержки должностного лица, получающего взятку.
Следует отметить, что в некоторых субъектах РФ задействована данная методика вычислений коррупционного оборота.
Например, в Сахалинской области подобный механизм определения показателей коррупции использовался в 2018-2019 гг. в качестве экономико-социологических расчетов эффективности антикоррупционных мер [5]. Однако формула выявления соответствующих индикаторов, построенная на модели С. Роуз-Аккерман, была адаптирована под региональные особенности.
В частности, средний размер коррупционной прибыли в Сахалинской области определяется путем сложения комплекса показателей, выявленных в результате официального социологического исследования. В расчет включается лишь референтная группа, выделяемая по профессиональным и социальным критериям (рабочие, служащие, предприниматели, безработные, пенсионеры, учащиеся и т.д.).
Так, применительно к отдельно взятой социальной группе формула расчета коррупционной прибыли выглядит следующим образом:
S min med
2
КЧ med high х
КЧ high med х
Si high med 2
+ КЧ high х S high
КП =
(2)
КЧГ
где:
КЧ min - количество человек, согласившихся на минимальную сумму взятки (для Сахалинской области их число составило
S min - сумма нижнего и верхнего пределов в диапазоне минимального размера взяток (для Сахалинской области она варьируется от 3 000 до 5 000 руб.);
КЧ min med - количество человек, согласившихся на среднемини-мальный размер взятки (по Сахалинской области составляет 602 чел.);
S min med - сумма нижнего и верхнего пределов в диапазоне сред-неминимального размера взяток (по Сахалинской области варьируется от 5 000 до 15 000 руб.);
КЧ med - количество человек, согласившихся на средний размер взяток (в Сахалинской области насчитывается 381 чел.);
S med - сумма нижнего и верхнего пределов в диапазоне среднего размера взяток (в Сахалинской области варьируется от 15 000 до 30 000 руб.);
КЧ med high - количество человек, согласившихся на верхнесредний размер взяток (по Сахалинской области насчитывает 167 чел.);
S med high - сумма нижнего и верхнего пределов в диапазоне верхнесреднего размера взяток (в Сахалинской области варьируется от 30 000 до 50 000 руб.);
КЧ high min - количество человек, согласившихся на минимально высокий размер взяток (по Сахалинской области составило
370 чел.);
72 чел.);
S high min - сумма нижнего и верхнего пределов в диапазоне минимально высокого размера взяток (в Сахалинской области варьируется от 50 000 до 100 000 руб.); КЧ high med - количество человек, согласившихся на средневысокий
размер взяток (по Сахалинской области составляет 38 чел.); S high med - сумма нижнего и верхнего пределов в диапазоне средне-высокого размера взяток (в Сахалинской области варьируется от 100 000 до 200 000 руб.); КЧ high - количество человек, согласившихся на максимально высокий размер взяток (по Сахалинской области составило 27 чел.); S high - максимально высокий размер взяток (в Сахалинской области составляет 250 000 руб., при этом не установлено верхнего предела).
КЧГ - количество представителей определенной социальной группы в проведенном социологическом опросе (например, число муниципальных служащих в социологическом измерении, проведенном в Сахалинской области, составило 2 222 представителя).
Таким образом, в каждом диапазоне приведенной градации коррупционных доходов складывается минимальный и максимальный размер, выявленный путем показаний, которые дали сами опрашиваемые граждане. С целью получить средний размер в каждом из указанных диапазонов полученную сумму следует делить на 2 (то есть 1 нижний предел + 1 верхний предел). В результате суммирования коррупционных доходов, полученные цифры умножаются на количество людей, признавшихся в участии в коррупционной сделке в определенном размере (они ранжированы на минимальные, среднеминимальные, средние, верхнесредние, минимально высокие, средневысокие и высокие размеры, исчисляемые в национальной валюте). Установленная этим способом итоговая сумма делится на количество представителей социальной группы (муниципальных служащих в субъекте федерации).
Например, спроецировав указанную формулу на показатели Сахалинской области за 2019 г., полученные в результате социологического опроса 7 200 чел. по заданию региональной власти, представляется возможным определить средний коррупционный доход:
370 х 3000+5000 + 602 х 5000+15000 + 3 8 : х15000+30000 +
,^„ 30000+50000 „„ 50000+100000 „ „ 100000+200000
167 х-+ 72 х-+ 38 х-+
2 2 2
250000 х 27
КП =-
2222
Тем самым КП по Сахалинской области насчитывает 18 273 руб.
Однако в приведенном примере не вполне понятна эмпирическая ценность произведенных вычислений. Что именно показывает эта цифра? Она не подтверждает коррупционный ВВП на душу населения и не кореллирует с коррупционной пораженностью областных жителей. Самое главное, что приведенная сумма не демонстрирует средний размер взятки, поскольку она значительно расходится с общероссийскими показателями и с региональными тенденциями, зафиксированными правоохранительными институтами.
Так, еще в 2016 г. МВД РФ заявило о существенном росте средней взятки по стране: если в 2012 г. она насчитывала 60 тыс. руб., то к 2016 г. составила 328 тыс. руб. [4] (в 2019 г. - более 800 тыс. руб. [1, с. 166; 2, с. 90]). Вместе с тем в правоохранительном сегменте вычисление средних коррупционных показателей строится на данных, полученных из уголовных дел за определенный период. Тем самым в расчет попадают лишь официально выявленные коррупционные сделки. По Сахалинской области рассматриваемый показатель лишь за 2016 г. составил 140 тыс. руб. [3]. Безусловно, он не мог снизиться за три года до цифры 18 273 руб., несмотря на ощутимые достижения областных институтов противодействия коррупции.
Тем самым можно прийти к выводу, что подобный подход нуждается в доработке. В частности, вместо показателей, приходящихся только на количество выявленных граждан, участвующих на стороне взяткодателя, необходимо использовать индикаторы, показывающие количество должностных лиц, получающих коррупционную прибыль. Использовать для этого общую численность публичных служащих нецелесообразно.
Кроме того, нельзя упускать официальную антикоррупционую статистику, публикуемую правоохранительными органами, поскольку именно она должна верифицировать показатели, формируемые в результате открытых социологических измерений. В противном случае, как это удалось установить по примеру Сахалинской области, полученные данные будут демонстрировать лишь уровень так называемой «бытовой» (низовой) коррупции в регионе.
Такой международный показатель, как привлечение институтов гражданского общества, сопряжен с двумя особенностями, сложившимися в субъектах РФ.
Во-первых, функцию своеобразного отбора организованных форм участия граждан в антикоррупционном контроле взяли на себя не специальные институты противодействия коррупции, а высшие должностные лица и органы власти в регионах. В результате в рамках реализуемых антикоррупционных программ принимают участие лишь отдельные общественные акторы. Это выражается в недоступности большинства ресурсов (прежде всего, информационных) тем институтам гражданского общества, которые заинтересованы в повышении эффективности и объективности такого контроля.
Во-вторых, субъекты РФ крайне разнородны в уровне информатизации населения. В представлении институтов, обеспечивающих экономическую безопасность, данный показатель является одним из определяющих, в том числе при обеспечении прозрачности контрольных мероприятий
Таким образом, можно констатировать, что сложившиеся в субъектах РФ методы мониторинга экономической безопасности в плоскости осуществления антикоррупционного контроля нуждаются в модернизации по европейскому варианту. Для этого необходимо изменение не только методики расчета показателей, позволяющих сформировать экономический облик региональной коррупции, но и трансформировать деятельность институтов противодействия коррупции.
Компьютеризация процессов сбора и анализа информации об элементарных показателях экономического интереса публичных служащих (доходов, имущества, расходов) должна сопровождаться исключением субъективных факторов (анализ количества жалоб, дисциплинарных мер, медийная активность и др.). Однако вмеша-
тельство человеческого фактора остается доминирующим в современных институтах антикоррупционного контроля субъектов РФ. Такая система методов представляется архаичной в условиях, когда государство нацелено на максимальную информатизацию своей деятельности и на вестернизацию позитивного опыта противодействия коррупции.
Немаловажным является оказание содействия альтернативным источникам верификации сведений, необходимых для расчетов антикоррупционных показателей в аспекте региональной и межрегиональной экономической безопасности. При этом расхождение в цифрах внутри формируемой субъектами федерации статистики нуждается в обеспечении прозрачности механизма их установления, то есть подлежит максимальной открытости за счет привлечения к этим процессам общественных акторов и исключения влияния экономических интересов.
Библиографический список
1. Беркович М.И., Духанина Л.Н., Максименко А.А., Надуткина И.Э. Восприятие коррупции как социально-экономического феномена населением региона: структурный аспект // Экономические и социальные перемены: факты, тенденции, прогноз. 2019. Т. 12. № 2.
2. Кавицкая И.Л., Сафонов И.Н. Взаимосвязь коррупции и инфляции в условиях неоднородности коррупции // Вопросы экономики. 2019. № 2.
3. Лещинская О.Е. Актуальные вопросы предупреждения и профилактики коррупции (на примере города Холмска) // Право и правопорядок: приоритетные направления развития: сборник статей. Хабаровск, 2019.
4. Назван средний размер взятки в России. URL: https://www.kanord.ru/ nazvan-srednii-razmer-vzyatki-v-rossii-lidiruyut-podmoskove-i-sahalin.html (дата обращения: 01.04.2020).
5. Отчет по результатам проведения социологического исследования для оценки уровня коррупции в Сахалинской области в 2019 году. URL: https://sakhalin.gov.ru/index.php?id=121 (дата обращения: 10.03.2020).
6. Dreher A., Schneider F. Corruption and the shadow economy: an empirical analysis // Public Choice. 2010. Vol. 144. № 1-2.
7. Ertimi B.E., Saeh M.A. The impact of corruption on some aspects of the economy // International Journal of Economics and Finance. 2013. Vol. 5. № 8.
8. Rose-Ackerman S. Corruption and development // Annual World Bank conference on development economics 1997. Washington DC, 1998.
9. Rose-Ackerman S. Democracy and 'grand'corruption // International social science journal. 1996. Vol. 48. № 149.
10. Rose-Ackerman S. The economics of corruption // Journal of public economics. 1975. Vol. 4. № 2.
11. Rose-Ackerman S. Trust, honesty and corruption: Reflection on the statebuilding process // European Journal of Sociology / Archives Européennes de Sociologie. 2001. Vol. 42. № 3.
12. Shen C., Williamson J.B. Corruption, democracy, economic freedom, and state strength: A cross-national analysis // International Journal of Comparative Sociology. 2005. Vol. 46. № 4.
С.Л. Алексеев
Кандидат педагогических наук, доцент
Профессор кафедры уголовного права
Академия социального образования, г. Казань
Е-mail: tany_1313@mail.ru
