UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
VERSCHILLEN IN DE MATE WAARIN LOKALE EN BUITENLANDSE ONDERNEMINGEN MET CORRUPTIE GECONFRONTEERD WORDEN
Masterproef voorgedragen tot het bekomen van de graad van Master in de Economische Wetenschappen
Benjamin Porteman onder leiding van prof. dr. B. Merlevede
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2008 – 2009
VERSCHILLEN IN DE MATE WAARIN LOKALE EN BUITENLANDSE ONDERNEMINGEN MET CORRUPTIE GECONFRONTEERD WORDEN
Masterproef voorgedragen tot het bekomen van de graad van Master in de Economische Wetenschappen
Benjamin Porteman onder leiding van prof. dr. B. Merlevede
Vertrouwelijkheidsclausule PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Benjamin Porteman
Woord vooraf Ik zou graag enkele personen bedanken zonder wie dit werkstuk niet tot stand zou zijn gekomen.
Als eerste wil ik mijn promotor, prof. dr. B. Merlevede danken voor de nuttige feedback, zijn beschikbaarheid bij problemen, het overlezen van de paper en voor de tijd die hij vrijgemaakt heeft voor mij.
Daarnaast gaat mijn dank ook uit naar prof. dr. G. Everaert voor zijn uitleg omtrent panel data en het testen van heteroskedasticiteit.
Tot slot ben ik ook mijn vrienden en familie dankbaar voor hun steun en het overlezingswerk in verband met deze masterproef.
-I-
Inhoudsopgave Woord vooraf ................................................................................................................................... I Inhoudsopgave ................................................................................................................................ II Lijst van tabellen ...........................................................................................................................III Lijst van grafieken .......................................................................................................................... V 1 Inleiding .......................................................................................................................................1 2 Theorie .........................................................................................................................................2 2.1 Wat is corruptie? ....................................................................................................................2 2.2 Oorzaken van corruptie .........................................................................................................3 2.3 Gevolgen van corruptie .........................................................................................................4 2.4 Welke landen zijn corrupt? ....................................................................................................6 2.5 Onderverdelen van corruptie .................................................................................................9 3 Data ............................................................................................................................................10 3.1 Inleiding ...............................................................................................................................10 3.2 State capture en public procurement ...................................................................................12 3.3 Smeergeld ............................................................................................................................15 3.4 Buitenlandse directe investeringen (FDI) ............................................................................16 3.5 Manufacturing vs. services ..................................................................................................20 4 Regressieanalyse .......................................................................................................................21 4.1 Inleiding ...............................................................................................................................21 4.2 Smeergeld, captor en kickback bedrijven ............................................................................22 4.3 Reële groei van de sales.......................................................................................................34 4.4 FDI .......................................................................................................................................42 5 Conclusie....................................................................................................................................46 6 Literatuurlijst............................................................................................................................48 7 Appendix....................................................................................................................................52 7.1 Tabellen ...............................................................................................................................52 7.2 Grafieken .............................................................................................................................64
- II -
Lijst van tabellen Tabel 1: Corruption Perception Index .............................................................................................7 Tabel 2: Corruption Perception Ranking in Transition Economies ................................................8 Tabel 3: Mate van state capture en public procurement ................................................................12 Tabel 4: Aandeel van captor en kickback bedrijven......................................................................14 Tabel 5: Aandeel van captor en kickback bedrijven: onderscheid tussen binnenlandse en buitenlandse ondernemingen ..........................................................................................14 Tabel 6: De invloed van state capture en public procurement op de gemiddelde groei van de sales in reële termen .......................................................................................................14 Tabel 7: Totaal betaald smeergeld in percentages (inkomsten in 1999/sales in 2002 en 2005)....16 Tabel 8: Totale FDI inflows (3 jaar) ..............................................................................................18 Tabel 9: Inward FDI flow ..............................................................................................................19 Tabel 10: Inward FDI stock ...........................................................................................................19 Tabel 11: Aandeel manufacturing en services ...............................................................................20 Tabel 12: Regressie smeergeld, captor en kickback bedrijven (met Rusland) ..............................23 Tabel 13: Regressie smeergeld, captor en kickback bedrijven (zonder Rusland) .........................25 Tabel 14: Regressie smeergeld en kickback bedrijven met interactieterm Rusland (2002) ..........26 Tabel 15: Regressie met alle variabelen (smeergeld, captor en kickback bedrijven) met Rusland ...........................................................................................................................27 Tabel 16: Regressie (alle variabelen) smeergeld en kickback bedrijven met interactieterm Rusland (2005) ...............................................................................................................28 Tabel 17: Regressie smeergeld, captor en kickback bedrijven (2002-2005) .................................29 Tabel 18: Regressie (smeergeld, captor en kickback bedrijven) met alle variabelen (2002-2005) ....................................................................................................................30 Tabel 19: Regressie smeergeld (panel data) ..................................................................................32 Tabel 20: Regressie captor en kickback bedrijven (panel data) ....................................................33 Tabel 21: Regressie reële groei van de sales .................................................................................35 Tabel 22: Regressie reële groei van de sales met interactieterm Rusland (2002) .........................36 Tabel 23: Regressie reële groei van de sales met alle variabelen ..................................................36 Tabel 24: Regressie reële groei van de sales (2002-2005) ............................................................37 Tabel 25: Regressie reële groei van de sales met interactie Rusland (2002-2005) .......................38 Tabel 26: Regressie reële groei van de sales (2002-2005) met alle variabelen .............................39 Tabel 27: Regressie reële groei van de sales (panel data) .............................................................40 Tabel 28: Regressie reële groei van de sales met interactieterm Rusland (panel data) .................41 Tabel 29: Regressie totale FDI (enquêtejaar als eindjaar) .............................................................43 Tabel 30: Regressie totale FDI (enquêtejaar als middelste jaar) ...................................................44 Tabel 31: Regressie totale FDI (panel data) ..................................................................................45
- III -
Appendix Tabel A: Corruption Perception Index (1995-1998) .....................................................................52 Tabel B: Corruption Perception Index 2003..................................................................................54 Tabel C : Corruption Perception Index 2008.................................................................................55 Tabel D: Kleine, middelgrote en grote bedrijven/de novo, geprivatiseerde bedrijven en joint ventures met buitenlandse bedrijven ..............................................................................56 Tabel E: Totale FDI inflows (10 jaar) ...........................................................................................56 Tabel F: White test voor total bribes en categorie ‘omvang’ (2002).............................................57 Tabel G: Regressie met alle variabelen (smeergeld, captor en kickback bedrijven) zonder Rusland ...........................................................................................................................58 Tabel H: Regressie smeergeld (zonder effect) met interactieterm Rusland ..................................59 Tabel I: Regressie smeergeld met alle variabelen (panel data) .....................................................59 Tabel J: Regressie captor en kickback bedrijven met alle variabelen (panel data) .......................60 Tabel K: Regressie (alle variabelen) reële groei van de sales met interactieterm Rusland ...........60 Tabel L: Regressie reële groei van de sales met alle variabelen (zonder capture en procurement) ...................................................................................................................61 Tabel M: Regressie (alle variabelen) reële groei van de sales met interactieterm Rusland (2002-2005) ....................................................................................................................61 Tabel N: Regressie reële groei van de sales met alle variabelen (panel data) ...............................62 Tabel O: Regressie (alle variabelen) reële groei van de sales (panel data) ...................................63
- IV -
Lijst van grafieken Grafiek 1: Totale FDI inflows (10 jaar).........................................................................................17 Appendix Grafiek A: Totale FDI inflows (3 jaar) ..........................................................................................64 Grafiek B: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de afhankelijke variabele smeergeld ...................................65 Grafiek C: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de onafhankelijke variabele kleine bedrijven......................66 Grafiek D: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de onafhankelijke variabele middelgrote bedrijven ............67 Grafiek E: Testen voor heteroskedasticiteit van de regressie FDI (met fixed cross-section effect) op de state capture: gekwadrateerde residuen en afhankelijke variabele state capture .....68
-V-
1 Inleiding In deze paper wordt getracht de evolutie van corruptie te analyseren in enkele transitielanden in Centraal- en Oost-Europa. Het betreft het merendeel van de landen die in 2005 en 2007 toegetreden zijn tot de EU1. Zo zou het bijvoorbeeld kunnen zijn dat de toetreding tot de EU een positieve impact heeft in deze landen en dusdanig corruptie vermindert. Om de corruptie te meten, wordt er gebruik gemaakt van de Business Environment and Enterprise Performance Survey (BEEPS) dataset. Voorts zullen de empirische bevindingen uit deze transitielanden gespiegeld worden aan Duitsland enerzijds die het minst corrupt blijkt te zijn en aan Rusland anderzijds, een land dat niet ‘clean’ is. Van de Oost-Europese landen die we bestuderen wordt verwacht dat deze tussen Duitsland en Rusland gelegen zijn qua corruptie. We zullen drie vormen van corruptie onderscheiden. Vooreerst wordt het aantal betaald smeergeld geanalyseerd, waarbij het gaat over betalingen voor alle vormen van corruptie. Daarnaast worden ook de betalingen voor het binnenhalen van overheidscontracten en het beïnvloeden van wetten en decreten bekeken. Bij deze laatste twee vormen blijkt Rusland niet altijd het meest corrupt te zijn. Vooral het verschil tussen lokale en buitenlandse ondernemingen wordt in kaart gebracht. Daarenboven wordt ook nog aandacht besteed aan het onderscheid van bedrijven volgens hun omvang, hun oorsprong en in welke sector ze zich bevinden. In deze paper wordt voorts recentere data gebruikt dan bij Hellman, Jones en Kaufmann (2002). Deze paper start met een theoretische inleiding die omvat wat corruptie is, wat de gevolgen zijn en hoe corruptie kan onderverdeeld worden. Daarna wordt toegelicht hoe men tewerk gaat in de BEEPS dataset om de data te verkrijgen. Voorts zullen de resultaten onder de loep genomen worden en vergelijken we de resultaten met die in Duitsland en Rusland. Daarna worden regressies uitgevoerd om te zien of er enige verschillen zijn tussen bedrijven qua corruptie en de invloed hiervan op de groei. Vooral binnenlandse bedrijven blijken meer corrupt te zijn ten opzichte van staatsondernemingen op vlak van betalen van smeergeld en het binnenhalen van overheidscontracten. Buitenlandse firma’s kennen een grotere reële groei in de sales. Ook de invloed van corruptie op de FDI in deze landen wordt nagegaan. De landen die we bestuderen, blijken te homogeen te zijn om
1
Het gaat om volgende landen: Estland, Hongarije, Letland, Litouwen, Polen, Slovenië, Slowakije, Tsjechië, Bulgarije en Roemenië. Bulgarije en Roemenië zijn toegetreden tot de EU in 2007, de overige landen deden dit in 2005. Malta en Cyprus behoren niet tot de dataset.
-1-
significante coëfficiënten op te leveren. Indien er significantie is, wordt dit verklaard door het tijdspatroon. Tot slot volgt de conclusie.
2 Theorie 2.1 Wat is corruptie? Het definiëren van corruptie blijkt niet zo evident te zijn. Er zijn immers verscheidene gangbare definities en toch omvatten geen van deze perfect wat corruptie eigenlijk is. De meest gangbare definitie is deze van de Wereldbank. Corruptie is namelijk het misbruik van publieke kracht voor private winst. Shleifer en Vishny (1998, p. 91) gebruiken een gelijkaardige definitie. Zij spreken van het verkopen van overheidseigendommen door overheidsambtenaren voor persoonlijke winst. Hierbij wordt dus vooral gefocust op de rol van de overheid. Maar ook in de private sector doet zich corruptie voor en vaak werken ambtenaren niet (enkel) voor eigen winst mee aan corrupte praktijken, maar voor winst voor familie, vrienden en andere gerelateerden (Tanzi, 1995). De definitie van Tanzi gaat dan ook als volgt: “Corruption is the intentional non-compliance with the arm’s-length principle aimed at deriving some advantage for oneself or for related individuals from this behavior”. Deze wordt meestal als een neutrale definitie van corruptie beschouwd (vanwege het niet-uitsluiten van de private sector). Meestal is er bij corruptie sprake van illegale activiteiten waar omkoping (bribery) en afpersing (extortion) aan te pas komen (Gray en Kaufmann, 1998). Onder omkoping vallen niet enkel betalingen aan de corrupte personen of instanties. Tanzi (1998, p. 25) geeft het voorbeeld van een werknemer (aan de overheid) die op vakantie gaat, terwijl hij zichzelf als ziek meldt. Hier gebeurt geen betaling, hoewel dit toch als een vorm van corruptie kan beschouwd worden. Hierbij aansluitend wordt corruptie soms vergeleken met belasting. Voor de persoon of het bedrijf dat smeergeld moet betalen, is het namelijk vergelijkbaar met een belasting. Het grote verschil is echter dat corruptie verborgen moet blijven omdat het illegaal is, waardoor corruptie een nefaste negatieve impact heeft op groei (Shleifer en Vishny, 1993, p. 599). Ook is er meer onzekerheid (Shleifer en Vishny, 1993, p. 599; Svensson, J., 2005, p. 20). Men kan smeergeld betalen en toch niet hetgene krijgen wat men wenst. Ook het woord rent-seeking wordt in deze context vaak gebruikt. De corrupte personen streven namelijk private winst na, wat rent-seekers ook doen. In deze context wordt rent-seeking dan ook bekeken als een activiteit waarbij men de omgeving poogt te manipuleren. Rent-seeking kan
-2-
echter ook de betekenis hebben van winst nastreven door productie en handel. In dit opzicht zijn productie en rent-seeking complementair, wat het geval is bij producer-friendly instituties (Mehlum, Moene en Torvik, 2006, p. 1122) en waar er dus eerder lage corruptie is. Rentseeking en corruptie zijn dus niet hetzelfde. Over het algemeen beschouwd, heeft corruptie te maken met het misbruik van bepaalde personen of instanties die streven naar winst voor zichzelf en gerelateerden en die dit doen op een manier die als illegaal wordt bestempeld.
2.2 Oorzaken van corruptie De belangrijkste oorzaken van corruptie die in de literatuur aangehaald worden, zijn regulering, belasting, kwaliteit van de bureaucratie, lonen in de publieke sector, straf en controle op corruptie en gebrek aan competitie. Met regulering worden de verscheidene toelatingen, licenties en dergelijke meer die burgers en bedrijven moeten aanvragen aan overheidsambtenaren bedoeld. Omdat vele mensen hiervan afhankelijk zijn en er vaak nood aan hebben, beschikken deze ambtenaren over vrij veel macht en mogelijkheden om smeergeld te eisen, zeker als men amper gestraft kan worden (Tanzi, 1998, p. 27). Ook voor diegene die afhankelijk zijn van deze toelagen kan smeergeld betalen voordelig zijn. Dit is afhankelijk van het feit dat de ambtenaar daarbij ‘steelt’ of niet (Shleifer en Vishny, 1998, p. 94). Als er niet gestolen wordt, gaat er altijd een bedrag naar de overheid. Wat de burger of het bedrijf dan betaalt, is dat bedrag verhoogd met het smeergeld dat de ambtenaar eist. Indien de ambtenaar steelt en dus niet het (volledige) bedrag aan de overheid overhandigt, bestaat de prijs die men moet betalen uit de lagere prijs (die nul kan bedragen als de ambtenaar alles steelt) plus het smeergeld. Deze kan dus lager liggen dan moest men enkel het volledige bedrag betalen dat normaal naar de overheid zou moeten gaan. De situatie met diefstal is dus voordeliger voor diegene die smeergeld moeten betalen. Een volgende oorzaak moet gezocht worden bij de belasting. Indien deze gebaseerd is op duidelijke regulering zal er minder corruptie zijn (Tanzi, 1998, p. 28). Echter als de wetgeving niet transparant is, moet de gewone mens hulp zoeken bij de belastingsadministratie. Dit geeft deze specialisten een positie waarin men makkelijker corrupt kan zijn. De kwaliteit van de bureaucratie (Vishny, 1998, p. 32) is een volgend punt dat onder de loep wordt genomen. Hoe hoger de kwaliteit, hoe minder corruptie. Men moet dus streven naar een ideale bureaucratie. Weber (1947) poogde die te beschrijven en te bekijken wat de benodigde ‘ingrediënten’ hiervoor zijn. De ideale bureaucratie bestaat echter niet, want voor ieder land is -3-
dit afhankelijk van hun tradities en dergelijke meer. Eén van de belangrijkste aspecten is dat een job bij de overheid als iets van status moet beschouwd worden om een efficiënte bureaucratie te hebben. Vervolgens stappen we over naar de lonen in de publieke sector. Indien deze te laag zijn, hebben de ambtenaren een grotere incentive om corrupt te zijn en smeergeld te verkrijgen. Als oplossing wordt dan soms ook geopperd om deze lonen te verhogen. Zweden, vroeger een heel corrupt land, heeft dit toegepast eind 19de eeuw en deze oplossing slaagde er ook (Lindbeck, 1998). Zweden wordt nu als één van de minst corrupte landen beschouwd. Er moet hier echter voorzichtig mee omgesprongen worden. Zo kan bijvoorbeeld een hoog loon ertoe leiden dat men nog meer corrupt is, want de opportuniteitskost (het verliezen van de job bij de overheid en het overeenstemmende loon) voor de ambtenaren die corrupt blijven, is gestegen. Svensson (2005, p. 33) stelt dat een loonsverhoging in de publieke sector inderdaad corruptie kan verlagen, maar slechts onder bepaalde voorwaarden. Deze zijn dat het gevraagde smeergeld geen functie mag zijn van het loon en dat de kost van de loonsverhoging niet te duur mag zijn. Immers, voor ontwikkelingslanden die vaak lijden onder de corruptie lijkt deze tweede eis moeilijk haalbaar aangezien zij vaak ook schulden en geldproblemen hebben (Svensson, 2005, p. 33). De mate van corruptie hangt ook af van de straf en controle op corruptie. Gary Becker (1968) stelt algemeen dat er minder overtredingen (op vlak van criminaliteit, snelheidsovertredingen met de wagen, enz.) zijn indien de straf hoger is (bijvoorbeeld een langere celstraf, een hogere boete) en indien de controle hoog is. Indien dit laatste niet het geval is, zal men toch veel overtredingen maken, ook al is de straf hoog, want de kans om gepakt te worden is vrij miniem. Als laatste oorzaak wordt het gebrek aan competitie behandeld (Lambsdorff, 2006, p. 8). Zo leidt veel competitie tot lage prijzen en winsten bij de bedrijven. Ambtenaren en politici kunnen dus weinig afsnoepen van deze bedrijven en bijgevolg weinig smeergeld eisen. Indien er weinig competitie is, maken de bedrijven veel winst. Ambtenaren kunnen veel smeergeld vragen aan deze bedrijven door bijvoorbeeld als tegenprestatie er voor te zorgen dat er weinig competitie blijft. Er zijn echter problemen met de causaliteit. Zo kan het vooruitzicht van corrupte ambtenaren leiden tot meer bereidheid van bedrijven om smeergeld te betalen en van de ambtenaren om dan te zorgen voor weinig competitie. Ook het zorgen voor meer openheid en bijgevolg meer competitie zorgt niet automatisch voor minder corruptie (Svensson, 2005, p. 34).
2.3 Gevolgen van corruptie Verscheidene gevolgen worden besproken volgens de indeling van Rose-Ackerman (1997). -4-
Om te beginnen wordt het binnenhalen van overheidscontracten toegelicht. Deze worden aan het bedrijf toegekend met het hoogst ‘biedende’ smeergeld. Vaak zijn dit niet de meest efficiënte bedrijven. Voorts zijn de contracten zelf ook niet altijd efficiënt. Indien immers hoge smeergelden betaald worden, kan de ambtenaar geneigd zijn om bijvoorbeeld de duur van de contracten langer dan nodig te maken. Vervolgens worden mogelijke vertragingen door wetgeving en dergelijke behandeld. Een overheidsambtenaar heeft immers de mogelijkheid om toelatingen en licenties uit te stellen wat dus een extra kost voor het bedrijf meebrengt. Smeergeld betalen is ook een kost voor het bedrijf. Dus kan men eigenlijk afwegen of men smeergeld geeft aan de ambtenaar of het uitstel door wetgeving afwacht. Een efficiënte corrupte ambtenaar zal echter dreigen met uitstel om zo geld te ontvangen, maar amper iets doen vertragen. Anderzijds zal er werkelijk af en toe uitstel moeten zijn om de dreiging geloofwaardig te maken (Rose-Ackerman, 1997, p. 43). Een volgend punt dat dient toegelicht te worden, is wat er met het smeergeld gebeurt. Deze wordt immers niet efficiënt besteed, maar eerder op buitenlandse rekeningen gezet. Dit doen de ambtenaren omdat corruptie illegaal is en dus verborgen moet blijven. Doordat dit geld in het buitenland terecht komt, kan gesproken worden van kapitaalvlucht. Corruptie leidt ook tot ongelijkheid in de samenleving. Dit komt doordat de ambtenaren van de overheid en ook de bedrijven die de overheidscontracten binnenhalen (door het meeste smeergeld te bieden) duidelijker rijker worden door een corrupt systeem. Dit leidt tot een grotere ongelijkheid tussen deze personen en het gewone volk. Voorts tast corruptie de legitimiteit van de politiek aan. Doordat de overheid zich corrupt gedraagt, weet men dat men niet op hen kan vertrouwen en daarenboven is de overheid ‘te koop’ aan de hoogste bieder (Rose-Ackerman, 1997, p. 45). Landen met dergelijke overheden zijn ook sneller blootgesteld aan militaire ‘coups’, die zichzelf rechtvaardigen met het feit dat er hen onrecht aangedaan is doordat de overheid corrupt is. Tot slot wordt aandacht besteed aan de effecten op groei. Enerzijds kan het effect positief zijn doordat bedrijven door smeergeld te betalen minder kosten hebben door vertragingen (door de wetgeving). Anderzijds leidt corruptie tot minder investeringen, wat negatief is voor de groei. Er blijft immers veel geld plakken aan de handen van de corrupte personen en mensen zijn minder geneigd hun spaargeld te willen investeren wegens een gebrek aan vertrouwen. Verder gaan de contracten vaak naar inefficiënte bedrijven. Dit zorgt ervoor dat bij de efficiënte ondernemingen er weinig incentive is om bijvoorbeeld bedrijf en productie uit te breiden (Svensson, 2005, p. 37). Daarenboven komt de goede allocatie van arbeid en kapitaal in het gedrang (Murphy, Shleifer en Vishny, 1991, 1993). Ook de opstart van nieuwe bedrijven door bekwame -5-
ondernemers komt in het gedrang. Over het algemeen blijkt het effect op groei negatief te zijn. Zo verlaagt corruptie de investeringsneiging volgens Mauro (1995, p. 681), wat op zijn beurt leidt tot lagere groei. Volgens Barreto (2000, p. 35) kan corruptie zowel positief als negatief zijn voor de groei, maar er doet zich wel altijd een inkomensherverdeling voor wat meestal tot meer ongelijkheid leidt. In Wei (2000, p. 1) en Hellman, Jones en Kaufmann (2002, p. 3) wordt verondersteld dat corruptie de groei negatief beïnvloedt doordat er minder buitenlandse directe investeringen (FDI) zijn.
2.4 Welke landen zijn corrupt? Corruptie is niet echt gebonden aan bepaalde landen. Zo treft het zowel ontwikkelings- als ontwikkelde landen (Elliot, 1997, p. 1). Toch heeft Svensson (2005, p. 24) getracht enkele veel voorkomende kenmerken bij landen die slecht scoren op corruptie-indices te groeperen. Zo blijken veel corrupte landen geleid te zijn door socialistische regeringen, gaat het vaak om ontwikkelings- of transitielanden en hebben deze landen een lage openheid en controleren ze de media en de toetreding van bedrijven tot bepaalde markten. Van vitaal belang hierbij lijken het BBP per capita en de scholingsgraad. Het laatste is namelijk vereist opdat alles efficiënt zou werken. Bovendien kan de (corrupte) overheid makkelijker het volk onder de knoet houden als er een lage scholing is. Een andere theorie suggereert dat historische invloeden van belang zijn. Zo zouden de Europese kolonies van belang zijn. Indien de Europeanen al dan niet grabber- of producer-friendly instituties ingevoerd hebben, kan dit tot grote verschillen leiden in de mate waarin deze corrupt zijn. Grabber-friendly instituties (met meer corruptie) zouden in landen zijn geplaatst waar er veel grondstoffen zijn (Acemoglu, Johnson en Robinson, 2002) of waar veel ziektes heersen (Acemoglu, Robinson en Johnson, 2001). De onderstaande tabellen geven een algemene lijst weer van welke landen er corrupt zijn. Zo geeft tabel 1 de Corruption Perception Index (CPI) weer. Dit is de perceptie van corruptie die er is in landen. Het gaat dus om een subjectieve maatstaf. Een hoge score (10) betekent dat dit land (zo goed als) geen corruptie kent, terwijl een lage score (0) op een uiterst corrupt land duidt. Deze index wordt opgesteld door Transparency International, een instituut dat zich bezig houdt met de strijd tegen corruptie wereldwijd. In tabel 1 zien we dat Duitsland hoog gerangschikt staat (rank 15 op 85 landen in 1998) en bijgevolg weinig corruptie kent, terwijl Rusland een corrupt land blijkt te zijn (rank 76 op 85 landen in 1998). De landen die we onder de loep zullen nemen in het empirisch gedeelte van deze paper (Estland, Hongarije, Letland, Litouwen, Polen,
-6-
Slovenië, Slowakije, Tsjechië, Bulgarije en Roemenië) worden tussen deze twee landen gesitueerd. Als we de recentere en meer globale data (2008 en 180 landen) beschouwen, zien we dezelfde trends. Duitsland staat hoog geklasseerd (14) en Rusland bengelt onderaan (147). Slovenië (26), Estland (27), Tsjechië (45), Hongarije (47), Letland (52), Slowakije (52), Litouwen (58), Polen (58), Roemenië (70) en Bulgarije (72) liggen daar ergens tussenin. Opvallend is wel dat Roemenië en Bulgarije, de landen die pas in 2007 tot de EU zijn toegetreden, meestal achterop hinken in de rangschikking ten opzichte van de landen die in 2005 lid werden van de EU. Bijgevolg kunnen we de landen enigszins onderverdelen. Er vallen drie groepen te onderscheiden. Als eerste zijn er de landen Slovenië en Estland met vrij hoge scores (6,7 in 2008). Daarna kan een middenmoot onderscheiden worden waarvan de quoteringen rond 5 gelegen zijn in 20082. De laatste groep wordt gevormd door Bulgarije en Roemenië. Zij bengelen onderaan en hadden in 1998 en 2003 een vergelijkbare score als Rusland3. In 2008 kennen deze landen wel duidelijk minder corruptie dan in Rusland. Voor een volledige lijst van landen, wordt naar de bijlage verwezen (tabel A-C).
Tabel 1: Corruption Perception Index
Uit: Tanzi, V., 2002, “Corruption Around the World”, in: Abed, G. T. en Gupta, S. (eds.), Governance, Corruption & Economic Performance, International Monetary Fund, Publication Services, Washington D.C., p. 40-42 Bron: Transparency International, p. URL: http://www.transparency.org/policy_research/surveys_indices/cpi 2 3
In 2003 had deze middenmoot meestal een score gelegen rond 4. Dit geldt met uitzondering van Bulgarije in 2003.
-7-
Als we de evolutie van 1998 tot 2008 bekijken, zien we dat alle landen die we zullen onderzoeken, minder corrupt zijn geworden of op zijn minst hetzelfde niveau hebben behouden. Voor het merendeel van die landen zien we dat ze een hogere quotering krijgen in 2008 ten opzichte van 2003. Deze landen zijn dus sedertdien ‘cleaner’ geworden.
Tabel 2: Corruption Perception Ranking in Transition Economies
Uit: Abed, G. T. en Davoodi, H. R., 2002, “Corruption, Structural Reforms, and Economic Performance in the Transition Economies”, in: Abed, G. T. en Gupta, S. (eds.), Governance, Corruption & Economic Performance, International Monetary Fund, Publication Services, Washington D.C, p. 502 -8-
Zoals eerder vermeld, is de CPI een subjectieve maatstaf. Ze is gebaseerd op de percepties van experten. Daarnaast heb je ook nog een andere soort maatstaven die samengesteld zijn door private bedrijven die zich bezig houden met risk-assessment (Svensson, 2005, p. 22). Een voorbeeld hiervan is de International Country Risk Guide. Ondanks het bestaan van dergelijke maatstaven blijkt het meten van corruptie toch moeilijk, doordat corruptie verborgen moet blijven en uit het daglicht wordt gehouden. In deze paper zal geen gebruik gemaakt worden van de CPI. Daarentegen wordt de BEEPS dataset aangewend. Tabel 2 is meer gespecificeerd naar de transitielanden in Oost-Europa en de voormalige Sovjetunie. Hieruit blijkt dat de landen die we zullen onderzoeken tot de koplopers behoorden qua hervormingen van plan- naar markteconomie (met uitzondering van Roemenië en Bulgarije). Uit deze tabel blijkt dan ook dat deze landen duidelijk minder corrupt zijn dan de landen waar weinig hervormingen werden doorgevoerd. In tabel 1 zagen we reeds dat Bulgarije en Roemenië corrupter zijn dan de overige transitielanden die we zullen bespreken. Hier is duidelijk dat dit het gevolg is van weinig hervormingen door te voeren (en mogelijk ook een latere toetreding tot de EU). Het feit dat veel van deze landen hervormingen hebben doorgevoerd, kan mogelijk te maken hebben met de invloed en steun van en toetreding tot de EU. De EU eist namelijk dat aan bepaalde voorwaarden voldaan moet zijn voordat men lid mag worden. Doordat deze transitielanden aansluiten bij een unie die niet echt corrupt is, kan dit leiden tot een vermindering van de corruptie. Verder geraken ze uit de invloedssfeer van het corrupte Rusland. Ook heeft de EU een aantrekkingskracht. Het is namelijk een unie waar vele mensen een hoge levensstandaard hebben. Dit maakt de publieke opinie bereid de EU te volgen en erbij aan te sluiten in de hoop dat men ook een hogere levensstandaard zal kennen.
2.5 Onderverdelen van corruptie Voor deze studie maken we gebruik van twee soorten van corruptie bij bedrijven. Het gaat om ‘state capture’ en ‘public procurement kickbacks’. State capture wordt door Hellman, Jones en Kaufmann (2002, p. 6) gedefinieerd als “de mate waarin bedrijven onwettige private betalingen overmaken aan publieke ambtenaren om de vorming van wetten, regels, regulering of decreten door overheidsinstituties te beïnvloeden”. State capture verschilt met lobbyen en invloed uitoefenen omdat bij de laatste twee private betalingen geen vereiste zijn. Zo kunnen bedrijven volgens Hellman, Jones en Kaufmann
-9-
(2000b, p. 2) invloed uitoefenen door hun omvang en marktmacht, door de herhaalde keren dat deze bedrijven en de overheidsambtenaren met elkaar in contact komen, enz. State capture is ook niet hetzelfde als administratieve corruptie. Bij laatstgenoemde wordt er net als bij state capture private betalingen uitgevoerd aan publieke ambtenaren, maar deze betalingen dienen niet om de wetgeving en dergelijke meer naar de hand van de bedrijven te vormen, maar om de implementatie van de regelgeving te verstoren (Hellman, Jones, en Kaufmann, 2000b, p. 2). De definitie voor public procurement kickbacks van Hellman, Jones en Kaufmann (2002, p. 6) luidt als volgt: “bij public procurement kickbacks gaat het om private betalingen aan publieke ambtenaren om publieke verwervingscontracten te verzekeren”. Als bedrijf betaalt men dus smeergeld om zeker te zijn dat men een bepaald overheidscontract in de wacht zal slepen. Hellman, Jones en Kaufmann (2002, p. 6) benadrukken dat state capture en public procurement kickbacks gedistantieerd moeten worden van wat ‘facilitation payments’ wordt genoemd. Deze ‘faciliteringsbetalingen’ dienen om de administratieve rompslomp grotendeels te ontwijken en dus vertragingen te vermijden. Bij dergelijke corruptie gaan de winsten vooral naar de ambtenaren, terwijl bij state capture en public procurement kickbacks het eerder de bedrijven zijn die voordelen trachten te zoeken door het bijsturen van de wetgeving of het binnenhalen van overheidscontracten (Hellman, Jones en Kaufmann, 2002, p. 6). We beschouwen dus vooral de incentives van de bedrijven (en niet van de publieke ambtenaren) om corrupt te zijn.
3 Data 3.1 Inleiding De Business Environment and Enterprise Performance Survey (BEEPS) dataset is gebaseerd op enquêtes afgelegd bij verschillende bedrijven in verscheidene transitielanden. De enquêtes zijn uitgevoerd door middel van face-to-face interviews. Zo werden voor de BEEPS enquête van 1999 4104 interviews afgelegd. Voor 2002 bedroeg dit aantal 6667 en in 2005 nam dit toe tot 9655. De sample size bedraagt ongeveer 100 à 200 bedrijven voor de kleinste landen en ongeveer 500 à 600 in grote landen (zoals Rusland). De dataset is afkomstig uit de World Business Environment Survey, een enquête/studie in opdracht van de Wereldbank (World Bank). De BEEPS enquête wordt mede gefinancierd door de European Bank for Reconstruction and Development (EBRD). Het voordeel van deze gegevens is dat deze meerdere keren afgelegd zijn (in 1999, 2002, 2004 en 2005) en dat in die recentere enquêtes ook landen als Duitsland zijn opgenomen (BEEPS - 10 -
2004). Zo kunnen we de bekomen resultaten enigszins vergelijken met Rusland (zelf een transitieland, dus voor dit land hebben we al data van in 1999) en Duitsland. Het voordeel van het beschikken over data over verschillende jaren heen is dat we de data dus kunnen vergelijken. Echter doet zich hier een probleem voor. Zo zijn door de tijd heen de enquêtes geëvolueerd en zijn enkele vragen daardoor aangepast (om de enquête beter te maken). Vandaar dat niet alle data met elkaar kunnen vergeleken worden. Een voorbeeld hiervan is op welke basis het percentage smeergeld is berekend. Zo wordt in BEEPS 1999 volgende vraag gesteld: “Hoeveel procent van de ontvangsten betalen bedrijven zoals de uwe gemiddeld per jaar aan overheidsambtenaren onder de vorm van onofficiële betalingen?”. In BEEPS 2002 en 2005 luidt de vraag al anders. Daar wordt naar het percentage van de sales gevraagd in plaats van het percentage van de ontvangsten. Ook in andere vragen doen er zich soms wijzigingen voor. Vandaar kunnen we de data niet perfect met elkaar vergelijken. Maar aangezien vele dingen toch vrij dicht bij elkaar aanleunen, zullen we in de mate van het mogelijke deze zaken met elkaar in verband brengen. Voorts betekent dit niet dat we niet tussen landen onderling kunnen analyseren voor een bepaald jaartal. Verder is het voordelig dat deze dataset niet gebaseerd is op het ‘extern’ oordeel van experten, maar dat we de ‘interne’ oordelen van de bedrijven zelf te weten komen. Ook kunnen we de buitenlandse en lokale ondernemingen van elkaar onderscheiden. Voorts kunnen geprivatiseerde en van oorsprong private bedrijven evenals grote, middelgrote en kleine bedrijven uit elkaar worden gehouden (zie bijlage tabel D). Een andere handigheid is dat ons onderscheid tussen ‘captor’4 en ‘kickback’5 bedrijven uit deze data kan gehaald worden. Tot slot wordt ook gepoogd de meetproblemen van corruptie enigszins tegen te gaan. Door de verborgenheid van corruptie valt die immers moeilijk te meten. Daarom verzekert BEEPS hun ondervraagden dat er een strikte anonimiteit heerst in het onderzoek. De antwoorden worden gebruikt voor statistische gegevens en kunnen niet geassocieerd worden met een bepaald bedrijf. Ook wordt de vraag gesteld waaruit blijkt dat het niet over het bedrijf specifiek moet gaan, maar over ‘bedrijven in uw branche/sector’ of ‘bedrijven zoals de uwe’. Zo stelt men de vragen in verband met corruptie op de volgende manier: “Worden ondernemingen zoals de uwe geconfronteerd met corruptie?”. Natuurlijk blijft dit een subjectieve maatstaf, daar de respondenten hun mening over de mate van corruptie weergeven. Zo kan er gesteld worden dat de persoon in kwestie zijn antwoord kan overdrijven of juist minimaliseren, maar de BEEPS 4 5
Een ‘captor’ bedrijf wordt gedefinieerd als een onderneming die aan ‘state capture’ doet. Een ‘kickback’ onderneming focust zich op ‘public procurement kickbacks’.
- 11 -
dataset blijkt hier niet onder te lijden. Er is namelijk weinig bewijs voor de ‘country perception bias’ waarbij het probleem van corruptie dus wordt over- of onderschat door de respondent (Hellman, Jones, Kaufmann en Schankermann, 2000a, p. 3). Dit komt mede doordat er veel bedrijven worden bevraagd en bijgevolg veel respondenten zijn, waardoor onder- en overschattingen zich uitbalanceren.
3.2 State capture en public procurement Als eerste lichten we de mate van state capture toe. Deze maatstaf is berekend op basis van volgende vraag: “Welke van de onderstaande vormen van corruptie hebben een invloed gehad op uw bedrijf?”. Hierbij worden het slecht beheren van fondsen door de Centrale Bank, de verkoop van parlementaire stemmen bij wetten waarbij persoonlijke belangen in meespelen, de verkoop van decreten voor persoonlijke belangen, de verkoop van beslissingen van de rechtbank in strafrechterlijke zaken, de verkoop van beslissingen van de arbitragerechtbank aan betrokken partijen en contributies aan politieke partijen en verkiezingscampagnes vanwege persoonlijke belangen in rekening gebracht6. De bedrijven die hier significante of zeer significante invloed van ondervinden, worden geteld en dan gedeeld door het aantal respondenten die op deze vraag hebben geantwoord. Vervolgens wordt een ongewogen gemiddelde genomen van elk van de zes hiervoor opgesomde dimensies en deze score wordt vermenigvuldigd met 100 om de index te bekomen die we terugvinden in onderstaande tabel.
Tabel 3: Mate van state capture en public procurement
Bron: EBRD: BEEPS 1999, 2002, 2004 en 2005 6
Dit geldt voor BEEPS 1999 en 2002. Voor BEEPS 2005 worden enkel de betalingen of giften aan parlementairen om hun stemmen te beïnvloeden en de betalingen of giften aan overheidsambtenaren om hun stemmen en/of overheidsdecreten te beïnvloeden in rekening gebracht.
- 12 -
De mate van public procurement wordt bekomen door de bedrijven die soms of meer frequent extra onofficiële betalingen moeten maken aan overheidsambtenaren om overheidscontracten in de wacht te slepen uit de data te filteren en dit aantal te delen door het aantal respondenten die deze vraag beantwoord hebben. Ook dit getal wordt met 100 vermenigvuldigd om onderstaande index te bekomen. Als we de indices van wat dichterbij bekijken, zien we dat voor zowat alle landen de mate van state capture over de tijd heen afneemt (met uitzondering van Tsjechië en Litouwen). Wel valt op dat landen die een hoge index hadden in 1999 vaak ook nog tot de top behoren in 2005. Zo heeft Letland een score van 30 in 1999 en behaalt het een index van 13 in 2005 wat ten opzichte van de andere landen nog altijd vrij hoog is. Hetzelfde geldt voor Bulgarije (index 28 in 1999 en in 2005 een score van 15). Rusland blijkt in 1999 ook tot de landen te behoren die een hoge mate van state capture kennen, terwijl Duitsland (in 2004) eerder tot de categorie van landen behoort die in mindere mate state capture ondervinden. In 2005 echter heeft ook Rusland op dit vlak een vrij lage index. Op dit corruptieniveau blijkt Rusland dus (niet altijd) tot de top te behoren. De mate van public procurement blijkt daarentegen gestegen te zijn in het merendeel van de bestudeerde landen in 2005 (ten opzichte van 1999), behalve in Roemenië en Slovenië. De state capture lijkt dus aan belang ingeboet te hebben als corruptie-instrument hoewel er moet opgelet worden met het vergelijken van de verschillende jaartallen (zie voetnoot 6). Vandaar dat we ook het aandeel van captor en kickback bedrijven onder de loep nemen. Het aandeel van captor bedrijven wordt berekend op basis van volgende vraag: “Hoe vaak moeten bedrijven zoals de uwe extra onofficiële betalingen maken aan overheidsambtenaren om de inhoud van nieuwe wetten, decreten of reguleringen te beïnvloeden?”. De bedrijven die soms of meer frequent antwoorden, worden als captor bedrijven bestempeld. Dit aantal wordt gedeeld door het aantal bedrijven die op deze vraag hebben geantwoord en vervolgens wordt dit getal met 100 vermenigvuldigd om onderstaande index te bekomen. Het aandeel van kickback bedrijven is op dezelfde manier berekend als de mate van public procurement. Het beeld bij de state capture is nu minder uitdrukkelijk dalend over de jaren heen. Vele landen kennen zelfs een groter aandeel aan captor bedrijven in 2005 dan in 1999 (zoals bijvoorbeeld Tsjechië, Estland en Litouwen). Wel valt op dat in 2005 het merendeel van de landen een score dicht bij 10 behalen (behalve Slowakije die slechts een aandeel van 4 heeft en Litouwen die een index kent van 19). Als we dit dan vergelijken met de indices bij de kickback bedrijven lijkt public procurement toch meer aanwezig te zijn dan state capture.
- 13 -
Tabel 4: Aandeel van captor en kickback bedrijven
Bron: EBRD: BEEPS 1999, 2002, 2004 en 2005 Indien we nog het verschil tussen binnenlandse en buitenlandse bedrijven hieraan toevoegen, blijken beide in ongeveer dezelfde mate aan state capture en public procurement te doen. In 2005 blijken de buitenlandse bedrijven zelfs meer als captor bedrijf bestempeld te zijn dan de binnenlandse. Buitenlandse bedrijven zorgen dus niet voor een betere standaard qua corruptie in een corrupt land, daar ze in een gelijke mate als de binnenlandse bedrijven aan corruptie doen.
Tabel 5: Aandeel van captor en kickback bedrijven: onderscheid tussen binnenlandse en buitenlandse ondernemingen
*Alle landen = alle landen die we beschouwen zonder Duitsland (maar dus inclusief Rusland). Bron: EBRD: BEEPS 2002 en 2005 Tabel 6: De invloed van state capture en public procurement op de gemiddelde groei van de sales in reële termen
*Alle landen = alle landen die we beschouwen zonder Duitsland (maar dus inclusief Rusland). Bron: EBRD: BEEPS 1999, 2002 en 2005
- 14 -
Tot slot wordt ook de invloed van state capture en public procurement op de groei van de sales besproken. Met groei van de sales wordt de groei in reële termen bedoeld. Met andere woorden wordt de inflatie uit de groei gefilterd. Het groeipercentage dat wordt gegeven, geeft de groei weer ten opzichte van de drie voorafgaande jaren. Dit betekent bijvoorbeeld dat het getal dat we bekomen voor 2005 het groeipercentage aanduidt ten opzichte van 2002. In tabel 6 worden de verschillen in groei tussen de captor en de andere bedrijven toegelicht. Zo blijkt een captor bedrijf in 1999 een gemiddelde groei van de sales te kennen van bijna 55% in drie jaar tijd, terwijl een ander bedrijf slechts 37% groei ondervindt. De captor bedrijven hebben er dus alle baat bij om aan state capture te doen. Het doet hun verkopen immers sterker stijgen. Ook in 2002 zien we hetzelfde beeld, hoewel het groeipercentage van de captor bedrijven nu wel beduidend lager ligt (43%). In 2005 echter merken we op dat er amper nog een verschil is tussen de captor bedrijven en de andere bedrijven. Dit betekent dat er een kleinere incentive is om aan state capture te doen omdat de voordelen (namelijk een hogere groei van de sales) vrij klein zijn. Een kleinere incentive om wetten en decreten te beïnvloeden zou tot gevolg kunnen hebben dat er minder aan state capture wordt gedaan en bijgevolg minder corruptie is. Het onderscheid tussen kickback en andere bedrijven geeft een gelijkaardig beeld weer. Zo groeit een kickback bedrijf met 50% in de periode 1996-1999. Daar tegenover stegen de sales van de andere bedrijven met 36% in diezelfde periode. Er is dus duidelijk een incentive om aan state capture te doen. Maar ook hier is het verschil over de tijd heen verminderd. Zo is de groei in 2002 slechts 5% hoger bij kickback bedrijven en in 2005 neemt dit percentage nog af tot 3%. Hier geldt dus ook dat er mogelijkheid is tot een kleinere incentive om corrupt te zijn, daar het groeiverschil in sales beduidend kleiner wordt.
3.3 Smeergeld In dit onderdeel zullen we het totaal betaald smeergeld analyseren. Onder smeergeld wordt elke mogelijke vorm van corruptie ondergebracht, dus ook faciliteringsbetalingen. Voor het jaar 19997 wordt het percentage in functie van de inkomsten bevraagd, terwijl in BEEPS 2002, 2004 en 2005 het betaald smeergeld als percentage van de sales wordt gebruikt. Vandaar dat deze percentages best niet over de jaren heen worden vergeleken.
7
Er is gevraagd welk percentage van de inkomsten bedrijven (zoals de uwe) per jaar aan onofficiële betalingen aan overheidsambtenaren betalen. De antwoorden rond 0%, minder dan 1%, 1-2%, 2-10%, 10-12%, 12-25%, meer dan 25% zijn geïnterpoleerd naar respectievelijk 0%, 0,5%, 1,5%, 6%, 11%, 19% en 25%.
- 15 -
Wat direct opvalt, is dat Rusland telkens een hoog percentage aan smeergeld betaalt. Ook Bulgarije en Roemenië, twee landen die later tot de EU zijn toegetreden en ook destijds minder hervormingen hadden doorgevoerd na de val van het communisme (zie tabel 2), blijken steevast tot de landen te behoren die een hoog percentage aan smeergeld uitgeven. Duitsland daarentegen blijkt inderdaad weinig corrupt te zijn. In BEEPS 2004 kent het land slechts 0,4% van de sales die worden gebruikt als extra onofficiële betalingen. Verder is het opmerkelijk dat een land als Polen (en in mindere mate Hongarije) dat veel hervormingen heeft doorgevoerd nadat de Sovjetunie uiteenviel minder smeergeld betaalt. Over het algemeen is er in de landen die weinig hebben hervormd na de val van het communisme zoals Rusland, Roemenië en Bulgarije het meest corruptie.
Tabel 7: Totaal betaald smeergeld in percentages (inkomsten in 1999/sales in 2002 en 2005)
Bron: EBRD: BEEPS 1999, 2002, 2004 en 2005 Tot slot valt ook op dat het percentage in 2005 meestal lager is dan in 2002, wat kan betekenen dat het toetreden tot de EU wel degelijk een invloed heeft op de corruptie. Dit kan te maken hebben met het feit dat toetredingslanden aan bepaalde voorwaarden moeten voldoen om lid te mogen zijn en bijgevolg minder corrupt worden. In dit geval zorgt een (mogelijke) toetreding tot de EU ervoor dat deze landen minder corruptie kennen.
3.4 Buitenlandse directe investeringen (FDI) Hier zullen de buitenlandse directe investeringen besproken worden. Er zijn verschillende maatstaven hiervoor (inflow, outflow, stock, …) en hier worden er enkele toegelicht.
- 16 -
Er wordt gestart met de totale FDI inflows. Hier worden de flows van 10 opeenvolgende jaren samengeteld. Voor de jaren 1990-1992 worden wel de data van Tsjechoslowakije gebruikt in de berekening voor Tsjechië en Slowakije. Ook voor de ex-Sovjetlanden wordt in 1990 en 1991 de Sovjetdata gebruikt. Tot slot is er voor Slovenië slechts data beschikbaar vanaf 1992. Voorts is de data uitgedrukt in US dollars per capita. Zo wordt het effect van veel FDI binnen te krijgen eruit gefilterd omdat je een groot land bent (vanwege veel opportuniteiten inzake marktafzet). Een eerste trend die opvalt, is dat de totale inflows voor alle landen toenemen over de tijd heen. Wel is het vanzelfsprekend dat de stijging over de landen verschilt. Zo is de toename in Rusland heel beperkt, terwijl de EU-landen een grondige vermeerdering van de totale FDI inflows kennen. Hier is het duidelijk dat in de landen die zich onttrekken van de invloed van Rusland en onder de invloed van de EU komen te staan, meer buitenlandse directe investeringen binnenstromen.
Grafiek 1: Totale FDI inflows (10 jaar)
Bron: UNCTAD Als we de grafiek grondiger analyseren (de tabel met de cijfergegevens is te vinden in de bijlage tabel E) zien we dat Duitsland veel FDI inflows heeft, terwijl de inflows in Rusland op een laag pitje staan. Daarnaast is het ook opvallend dat de landen die in 2005 toegetreden zijn tot de EU al in 2002 een niveau van minstens 1000 dollar per capita aan FDI inflows kenden, terwijl Bulgarije en Roemenië die pas in 2007 lid werden van de EU dit niveau pas in 2005 bereikten. Qua FDI inflows hinken deze twee landen dus wat achterop, wat kan te maken hebben met het laattijdig doorvoeren van hervormingen en het te lang beïnvloed zijn door Rusland.
- 17 -
Voor de regressieanalyse zullen we de totale inflows over een periode van drie jaar gebruiken. Dit wordt gedaan omdat de tijdsperiodes elkaar niet zouden overlappen in de regressie, aangezien de BEEPS enquêtes om de drie jaar zijn afgenomen. Tabel 8 geeft deze totale FDI inflows weer, een grafiek is terug te vinden in de bijlage (grafiek A). Voor de keuze van de periode van drie jaar, is eerst het jaar waarin de enquête werd afgenomen als eindjaar gekozen (bv. 1997-1999 voor BEEPS 1999). Daarnaast is het jaar van de BEEPS-enquête ook als het middelste jaar genomen (bv. 1998-2000 voor BEEPS 1999). De theorie hierachter is dat FDI inflows soms pas invloed hebben in het jaar daarna en dit kan van belang zijn in de regressieanalyse. Als we de data wat beter bestuderen, zien we opnieuw dezelfde landen op het voorplan. Zo kennen Estland en Duitsland veel FDI inflows. Voorts valt ook weer de weinige instroom van FDI in Rusland op. Bulgarije en Roemenië behoren ook hier tot de landen die een klein aantal FDI inflows heeft, maar het verschil met de andere toetredingslanden is vaak minder uitgesproken.
Tabel 8: Totale FDI inflows (3 jaar)
Bron: UNCTAD Vervolgens zullen we ook de inward FDI flows en FDI stocks onder de loep nemen. Deze zijn zowel als percentage van het BBP als in US dollars per capita uitgedrukt. De FDI flows geven de stromen van buitenlandse directe investeringen in een bepaald land weer, terwijl de stocks de voorraden van FDI in een bepaald land op een bepaald tijdstip voorstellen. We zien dat Estland, Bulgarije en in mindere mate Tsjechië een grote FDI flow kennen, gezien vanuit het percentage van het BBP. Ook bij de maatstaf US dollars per capita zien we dezelfde
- 18 -
landen op het voorplan komen (Estland, Tsjechië en in mindere mate Hongarije). Voor deze zijn de FDI van uiterst groot belang en dragen ze veel bij tot de economie.
Tabel 9: Inward FDI flow
Bron: UNCTAD Tabel 10: Inward FDI stock
Bron: UNCTAD Ook qua voorraden komen dezelfde landen ‘in the picture’. Zo is de FDI voorraad van Estland 82% van het BBP, terwijl dit bij bijvoorbeeld Duitsland slechts 17% van het BBP bedraagt. Natuurlijk is het BBP van Duitsland veel groter dan dat van Estland. Vandaar dat de verschillen tussen deze landen beduidend kleiner zijn als we de FDI voorraden bekijken in US dollars per capita. Rusland bevestigt opnieuw dat het weinig FDI instromen en voorraden heeft.
- 19 -
3.5 Manufacturing vs. services Hier wordt een onderscheid gemaakt tussen manufacturing en diensten. Als manufacturing worden volgende sectoren beschouwd: de mijnbouw, bouw en manufacturing. Onder diensten vallen de transport- en communicatiesector, de groot- en kleinhandel en herstellingen, hotels en restaurants en de vastgoedsector, de verhuur en business diensten. Onderstaande tabel geeft een index weer die aanduidt hoeveel bedrijven aan manufacturing of services doen. Met andere woorden wordt het belang van manufacturing en services in deze dataset gemeten. Dit kan belangrijk zijn indien de mate van corruptie verschilt tussen manufacturing en services. De compositie van de bedrijven die geïnterviewd zijn voor deze enquête volgens manufacturing en services is gerelateerd aan hun bijdrage aan het BBP van het land. Voor manufacturing zijn de bedrijven die minstens voor 50% activiteiten hebben in de mijnbouw, de bouw en manufacturing geselecteerd. Dit aantal is dan gedeeld door het totaal aantal bedrijven die de enquête hebben ingevuld in een bepaald land en daarna is dit getal met 100 vermenigvuldigd. Voor services is iets gelijkaardigs gebeurd. Normaal gezien zou het optellen van de indices van manufacturing en de services 100 moeten zijn. Dit is echter niet het geval aangezien enkele bedrijven als hoofdactiviteit iets anders dan bovenvermelde sectoren hebben ingevuld.
Tabel 11: Aandeel manufacturing en services
Bron: EBRD: BEEPS 1999, 2002, 2004 en 2005
- 20 -
Bij een blik op de tabel valt op dat in het gros van de landen in 2002 35 à 40% van de bedrijven aan manufacturing doet in de BEEPS dataset, terwijl de services 55 à 60% inpalmen. Uitzonderingen hierop zijn Roemenië en Rusland waar het belang van manufacturing en services ongeveer gelijk verdeeld zijn in de enquêtecompositie en Letland waar 73% van de bedrijven die in deze dataset opgenomen zijn, services als hoofdactiviteit hebben. In 2005 krijgen we echter een ander beeld. De grootste groep heeft nog steeds een verdeling van 40%/60% wat manufacturing/services betreft, maar er zijn andere trends te bespeuren. Zo daalt het aantal services in Polen, Hongarije en Roemenië drastisch tot slechts 30% en stijgt deze van manufacturing tot ongeveer 65%. Ook deze keer zijn de services in Letland goed vertegenwoordigd in de dataset (tot bijna 75%).
4 Regressieanalyse 4.1 Inleiding In dit onderdeel zullen we nagaan of bepaalde verschillen in bedrijven invloed hebben op de corruptie en op de groei van de sales. Daarnaast wordt ook de invloed van corruptie op de buitenlandse directe investeringen nagegaan. Dit gebeurt op basis van de data uit 2002 en 2005. De verschillen tussen bedrijven die bekeken worden zijn divers. Zo wordt een onderscheid gemaakt op basis van de omvang. Zo zijn er kleine, middelgrote en grote bedrijven. Als kleine onderneming worden de bedrijven beschouwd die 2 tot 49 voltijdse werknemers hebben. Middelgrote ondernemingen hebben tussen de 50 en 249 voltijdse werknemers en grote bedrijven worden gekenmerkt door minimum 250 en maximum 9999 personen voltijds in dienst te hebben. Alle andere mogelijkheden zijn niet in de dataset opgenomen. Voorts is de oorsprong verschillend. In deze paper worden de bedrijven onderverdeeld in de novo8 bedrijven, geprivatiseerde ondernemingen en joint ventures die verbonden zijn aan buitenlandse firma’s. Al de overige mogelijke oorsprongen zijn buiten beschouwing gelaten. Daarnaast kan er ook nog een onderscheid gemaakt worden op basis van de eigenaar. Het gaat om binnenlandse bedrijven, buitenlandse firma’s en staatsondernemingen. De binnenlandse en buitenlandse bedrijven zijn dus private ondernemingen. Een bedrijf wordt als een buitenlandse onderneming beschouwd indien een buitenlandse firma een percentage van 50% of meer van het bedrijf bezit. Voor binnenlandse en staatsondernemingen geldt een gelijkaardige definitie.
8
Een ‘de novo’ bedrijf is van oorsprong een private onderneming. Dit bedrijf is dus niet geprivatiseerd.
- 21 -
Naast deze verschillen worden ook state capture en public procurement aan de regressies toegevoegd (indien mogelijk). De landen die gebruikt zijn in de regressies, zijn de volgende: Bulgarije, Estland, Hongarije, Letland, Litouwen, Polen, Roemenië, Slovenië, Slowakije en Tsjechië. Daarnaast worden de regressies met of zonder de data van Rusland uitgevoerd om te zien of dit opmerkelijke verschillen geeft. Voor de regressies in verband met de buitenlandse directe investeringen is Rusland niet toegevoegd, daar we vooral geïnteresseerd zijn in de invloed van de EU op de FDI instroom van de toegetreden landen. Het toevoegen van Rusland zou de resultaten kunnen vertekenen. Naast de gewone regressies, worden ook panel data regressies uitgevoerd. Deze data zijn bekomen door de BEEPS enquêtes met de relevante vragen samen te voegen of in geval van de FDI panel data, door de totale FDI flows en de berekende maatstaven per land in een dataset te steken.
4.2 Smeergeld, captor en kickback bedrijven In deze regressieanalyse worden enkele onafhankelijke variabelen afzonderlijk per categorie (zoals omvang, sector, …) gerelateerd aan de afhankelijke variabelen, in dit geval smeergeld, captor en kickback bedrijven. De regressies worden dus apart per categorie uitgevoerd. Bij de onafhankelijke variabelen wordt gebruik gemaakt van dummy-variabelen. Om het probleem van de ‘dummy variable trap’9 (Gujarati, D. N., 2003, p. 302) te voorkomen, wordt een basisvariabele gebruikt. In de regressie is dit dus de waarde van de constante terwijl de toegevoegde dummy-variabelen waarde nul hebben. De coëfficiënt die dan bekomen wordt voor de dummy-variabelen geeft dan de wijziging weer van de afhankelijke variabele ten opzichte van de basisvariabele. Als schattingsmethode is voor smeergeld OLS gebruikt, daar dit een continue variabele is, terwijl voor captor en kickback bedrijven een probitmodel wordt aangewend omdat we hier te maken hebben met dummy-variabelen als afhankelijke variabelen. Indien nodig werd voor heteroskedasticiteit aangepast. Het testen voor de aanwezigheid van heteroskedasticiteit gebeurde op basis van de White test waar het aantal observaties vermenigvuldigd met R² een bepaalde waarde geeft die χ² verdeeld is. Indien deze waarde op het 5% significantieniveau de 9
Als men evenveel dummy-variabelen heeft als onderverdelingen, bekomt men perfecte multicollineariteit, waardoor het schatten van een model onmogelijk wordt. Dit wordt de ‘dummy variable trap’ genoemd. Om dit op te lossen, dient men ofwel te schatten zonder de constante ofwel één dummy-variabele minder te gebruiken dan het aantal onderverdelingen.
- 22 -
kritische waarde die afhankelijk is van het aantal vrijheidsgraden10 overschrijdt, betekent dit dat de nulhypothese van homoskedasticiteit kan verworpen worden op het 5% significantieniveau. Indien zich dergelijke situatie heeft voorgedaan, zijn de ‘standard errors’ telkens aangepast met de consistente standard errors van White. Een voorbeeld van de White test wordt weergegeven in de bijlage (tabel F).
Tabel 12: Regressie smeergeld, captor en kickback bedrijven (met Rusland)
Bron: EBRD: BEEPS 2002 en 2005 10
Bij de White test is het aantal vrijheidsgraden gelijk aan het aantal afhankelijke variabelen die in de test (inclusief de cross terms) worden geschat. De constante wordt hier niet in meegerekend (Gujarati, D. N., 2003, p. 413).
- 23 -
Een analyse van de regressies in tabel 12 toont duidelijk aan dat alle basisvariabelen (dus alle constanten) significant verschillend van nul zijn voor zowel smeergeld, captor als kickback bedrijven. Als we de variabele smeergeld apart bekijken, zien we dat de dummy-variabele van kleine bedrijven significant is, net als deze van binnenlandse bedrijven. Dit betekent dat een onderscheid tussen kleine en grote ondernemingen zinvol is om het betaalde smeergeld te verklaren, terwijl een onderscheid met middelgrote ondernemingen niet significant is. Hiernaast zijn ook de variabelen state capture en public procurement kickbacks toegevoegd samen met een interactieterm. Deze interactieterm is gebaseerd op de captor/kickback dummy die dan vermenigvuldigd is met de mate van state capture/public procurement op landniveau (zie tabel 3). De coëfficiënten van de captor en kickback dummy’s zijn positief significant (in 2002 en enkel de kickback dummy in 2005), wat erop wijst dat als men aan dergelijke vorm van corruptie doet, er meer smeergeld wordt betaald. De interactietermen zijn niet significant. Als een bedrijf dus aan state capture/public procurement kickbacks doet in landen waar de mate ervan hoog is, zorgt dit er niet voor dat er meer of minder smeergeld betaald wordt. Bij het analyseren van de captor bedrijven blijkt geen enkele dummy-variabele significant te zijn, wat toch vrij opmerkelijk is. Hier worden geen interactietermen toegevoegd daar het zinloos is de dummy van de captor bedrijven op de gelijkaardige dummy van state capture te regresseren. Voor dezelfde reden wordt dit ook niet toegepast bij de regressies met de kickback bedrijven als afhankelijke variabele. Als deze kickback bedrijven onder de loep worden genomen, valt op dat de servicesvariabele een significante invloed heeft op het aantal kickback bedrijven. De coëfficiënt is negatief wat betekent dat er meer kickback bedrijven ontstaan in de manufacturing dan in de services. Dus een land als Roemenië waar manufacturing veel belang heeft in deze dataset (zie tabel 11) kan hiervan invloed ondervinden. Opmerkelijk is dus dat het onderscheid in oorsprong (geprivatiseerd bedrijf, joint venture met een buitenlandse onderneming of de novo onderneming) geen significante invloed heeft op smeergeld, captor en kickback bedrijven. Wat ons het meest interesseert, is echter het onderscheid tussen lokale en buitenlandse bedrijven. Bij smeergeld blijken enkel de binnenlandse bedrijven een positief significante coëfficiënt te hebben. Dit betekent dat een binnenlandse onderneming meer smeergeld betaalt dan in het geval van de basisvariabele (in dit geval een staatsonderneming). De coëfficiënt van de buitenlandse bedrijven is niet significant verschillend van nul. Dit heeft dus geen invloed op het aantal betaald smeergeld. Een onderscheid tussen lokale en buitenlandse firma’s is dus zinvol, ook al is de coëfficiënt van de buitenlandse bedrijven niet significant. - 24 -
Wanneer de kickback bedrijven onder de loep worden genomen, zien we dat de variabelen in verband met de binnenlandse (in 2002 en 2005) en de buitenlandse bedrijven (enkel in 2005) positief significant zijn. Beide hebben dus meer kans dan een staatsonderneming om een kickback bedrijf te zijn.
Tabel 13: Regressie smeergeld, captor en kickback bedrijven (zonder Rusland)
Bron: EBRD: BEEPS 2002 en 2005 - 25 -
Om te zien of er verschillen in onze coëfficiënten en hun significantie zijn indien Rusland niet in onze dataset wordt toegevoegd, geeft tabel 13 de regressies weer zonder Rusland. Over het algemeen komen de coëfficiënten en hun significanties overeen met de corresponderende gevallen in tabel 12. Het meest opmerkelijke is dat in 2002 de middelgrote ondernemingsvariabele ook significant wordt als het smeergeld de afhankelijke variabele is. Verder is de dummy voor kleine ondernemingen ook significant in 2002 en wordt de variabele van binnenlandse bedrijven in 2002 niet significant verschillend van nul wanneer we de kickback bedrijven analyseren zonder Rusland. Een opvallende gelijkenis is dat ook hier geen enkele variabele significant blijkt te zijn bij de captor bedrijven (met uitzondering van de basisvariabelen). Om de mogelijke verschillen tussen de schatting met of zonder Rusland te kunnen verklaren, zijn in de regressies met Rusland voor de variabelen waar er zich een verschil voordoet interactietermen toegevoegd. Deze worden gevormd door de variabele te vermenigvuldigen met een dummy voor het al dan niet gelegen zijn in Rusland. In tabel 14 worden twee voorbeelden geïllustreerd.
Tabel 14: Regressie smeergeld en kickback bedrijven met interactieterm Rusland (2002)
Bron: EBRD: BEEPS 2002 Als eerste lichten we het verschil in middelgrote bedrijven bij de afhankelijke variabele smeergeld toe. Dit geldt voor het jaar 2002. Zoals al eerder vermeld, oefent de variabele van deze middelgrote bedrijven een significante invloed uit op het aantal betaald smeergeld indien Rusland niet in de schatting is opgenomen. Daarom is een interactieterm toegevoegd aan de schatting waarin Rusland wel verwerkt zit. Deze interactieterm is niet significant, wat erop wijst dat het verschil in significantie er niet mee te maken heeft dat een bedrijf uit Rusland afkomstig is. Als de kickback bedrijven bekeken worden, bemerken we onder andere een verschil in de variabele omtrent binnenlandse bedrijven. Ook hier wordt een interactieterm toegevoegd aan de regressie. Deze is insignificant.
- 26 -
Voor alle testen voor het verschil blijkt dit niet te kunnen verklaard worden doordat een bedrijf in Rusland is gesitueerd. In de voorgaande regressies hebben we telkens per categorie een aparte regressie uitgevoerd. Nu volgt een tabel waarbij de regressie alle variabelen bevat. Voor smeergeld zijn state capture en public procurement de ene keer opgenomen in de regressie, de andere keer niet. Voor de afhankelijke variabelen captor en kickback bedrijven wordt de regressie zonder state capture en public procurement uitgevoerd om dezelfde redenen als hierboven.
Tabel 15: Regressie met alle variabelen (smeergeld, captor en kickback bedrijven) met Rusland
Bron: EBRD: BEEPS 2002 en 2005 Beginnende bij de regressie waarbij smeergeld de afhankelijke variabele is en state capture en public procurement toegevoegd zijn, merken we op dat het onderscheid kleine/middelgrote
- 27 -
onderneming en de kickback dummy significant zijn op het 5% significantieniveau. De constante die als een soort basisvariabele dient is echter niet significant verschillend van nul. Zonder de variabelen omtrent state capture en public procurement blijken zowat alle variabelen insignificant te worden. Hetzelfde geldt bij de captor bedrijven. Bij de kickback bedrijven zien we twee opmerkelijke trends. De servicesvariabele is negatief significant, maar interessanter is dat de binnenlandse en buitenlandse ondernemingen beide positief significant zijn (in 2005). Opnieuw betekent dit dat beide soorten bedrijven meer kans hebben om een kickback bedrijf te worden dan de staatsbedrijven. De coëfficiënt voor de lokale ondernemingen ligt echter wel hoger dan die van de buitenlandse. De resultaten van de regressies zonder Rusland (zie bijlage tabel G) zijn gelijkaardig met deze hierboven. De verschillen die we vinden zijn echter wel te verklaren doordat een bedrijf al dan niet in Rusland gelegen is. Tabel 16 toont dit aan.
Tabel 16: Regressie (alle variabelen) smeergeld en kickback bedrijven met interactieterm Rusland (2005)
Bron: EBRD: BEEPS 2005 Bij de afhankelijke variabele smeergeld is er in 2005 een verschil in significantie voor de middelgrote ondernemingsvariabele. Indien we een interactieterm toevoegen, blijkt het afkomstig zijn uit Rusland van belang te zijn. Indien het middelgrote bedrijf namelijk in Rusland is gesitueerd, zorgt dit voor meer betalingen van smeergeld aan overheidsambtenaren aangezien de bijhorende coëfficiënt positief is. Bij de kickback bedrijven zien we iets gelijkaardigs. Er is voor binnenlandse bedrijven meer kans op het worden van een kickback bedrijf indien men een binnenlands bedrijf is (ten opzichte
- 28 -
van de constante), terwijl een bedrijf die zich in de servicessector bevindt minder kans heeft om een kickback bedrijf te worden. De weinige andere verschillen zijn niet significant te verklaren door de mogelijke vestiging in Rusland.
Tabel 17: Regressie smeergeld, captor en kickback bedrijven (2002-2005)
Bron: EBRD: BEEPS 2002 en 2005
- 29 -
Vervolgens zijn de BEEPS enquêtes van 2002 en 2005 met de voor ons relevante vragen samengevoegd in één dataset. Hierdoor kunnen we nagaan of de coëfficiënten vrij gelijkaardig zijn zoals voorheen of dat er een specifieke trend is tussen deze jaren. Er zijn regressies uitgevoerd waarvan de resultaten in tabel 17 worden weergegeven. In deze tabel zijn opnieuw regressies apart uitgevoerd per categorie en indien nodig aangepast voor heteroskedasticiteit. Wat ten eerste weer opvalt, is dat alle basisvariabelen significant zijn. Als we naar de afhankelijke variabele smeergeld kijken, is duidelijk dat het onderscheid tussen kleine, middelgrote en grote ondernemingen significant is, net als de captor (enkel met Rusland in de dataset) en kickback dummy’s. Bij de captor bedrijven blijkt weer amper iets significant verschillend van nul te zijn (op de basisvariabelen na) en bij de kickback bedrijven valt enkel het onderscheid tussen manufacturing en services op.
Tabel 18: Regressie (smeergeld, captor en kickback bedrijven) met alle variabelen (2002-2005)
Bron: EBRD: BEEPS 2002 en 2005 - 30 -
Waar in deze paper meer aandacht wordt aan besteed, is aan de categorie ‘owner’. De variabele die de buitenlandse firma’s omschrijft is niet significant, de binnenlandse ondernemingsvariabele daarentegen wel (bij de afhankelijke variabelen smeergeld en kickback bedrijven). Deze laatste onafhankelijke variabele kent een positieve coëfficiënt wat erop wijst dat deze bedrijven tot meer corruptie bijdragen dan staatsondernemingen. Hierna werd opnieuw alle variabelen in één regressie geschat. De resultaten hiervan zijn in beeld gebracht in tabel 18. Als we de eerste regressie van naderbij bekijken, bemerken we dat de kleine en middelgrote ondernemingsvariabelen significant zijn, net als de kickback dummy. Ook in de tweede regressie van smeergeld is de categorie omvang significant. Bij de captor bedrijven is niets significant op de constante na. Bij de kickback bedrijven daarentegen valt weer de negatief significante coëfficiënt van de services op. Vanzelfsprekend wordt nog eens dieper ingegaan op de categorie ‘owner’. In tegenstelling tot de voorgaande regressies is geen van beide variabelen nog significant. Als alle variabelen dus samen onderzocht worden, blijkt het onderscheid tussen binnenlandse en buitenlandse bedrijven geen invloed te hebben op de vormen van corruptie die als afhankelijke variabelen zijn gehanteerd. Tot slot zijn de BEEPS enquêtes ook nog eens geanalyseerd in een panel data. Hiervoor zijn enkel de bedrijven genomen die zowel in 2002 en 2005 hebben deelgenomen aan de enquête en waarvan hun antwoorden in beide datasets terug te vinden zijn. In BEEPS 2005 zijn namelijk de serienummers van 2002 weergegeven indien ze indertijd hebben deelgenomen aan de enquête. Het gaat om 651 bedrijven. Bij de OLS-schattingen worden zowel regressies uitgevoerd zonder effect als met een fixed cross-section effect. De keuze voor een cross-section effect ligt voor de hand daar het om landendata (op bedrijfsniveau) gaat en hierbij eigenlijk een countrydummy wordt gecreëerd. Ook zijn de regressies getest op heteroskedasticiteit. Daarvoor zijn de gekwadrateerde residuen gelinkt aan de afhankelijke en onafhankelijke variabelen. Indien een bepaalde trend wordt gespot, kan men een vermoeden van heteroskedasticiteit hebben. Een voorbeeld hiervan staat in de bijlage (grafiek B-E). Als correctie op deze heteroskedasticiteit is GLS met cross section weights uitgevoerd. Hierdoor wordt een schatting gedaan die veronderstelt dat er cross-sectie heteroskedasticiteit is en hiervoor corrigeert. We kiezen hiervoor omdat we veronderstellen dat er veel verschillen kunnen zijn tussen de landen, veeleer dan verschillen over de tijd. Als we de resultaten van de schattingen van de panel data toelichten, dient eerst vermeld te worden dat niet alle basisvariabelen significant zijn. Verder is er bij de schatting met crosssection effect geen enkele andere variabele significant. - 31 -
Tabel 19: Regressie smeergeld (panel data)
Bron: EBRD: BEEPS 2002 en 2005 Bij de regressies zonder effect daarentegen zijn alle variabelen (behalve geprivatiseerde bedrijven in de regressie met Rusland) significant. Alle coëfficiënten zijn positief met uitzondering van de servicesvariabele. Dit betekent dus dat bij al onze onderverdelingen (behalve de services) er meer smeergeld wordt betaald ten opzichte van de basisvariabele. Wat ook opmerkelijk is, is dat de coëfficiënt van de binnenlandse bedrijven hoger is dan deze van de buitenlandse firma’s. Dus ook bij deze regressie blijkt dus dat binnenlandse ondernemingen meer
- 32 -
bijdragen tot corruptie dan staatsondernemingen, terwijl er bij buitenlandse ondernemingen minder invloed blijkt te zijn. De enige variabele die verschilt in de regressies met of zonder Rusland is dus de geprivatiseerde bedrijven, maar dit kan niet verklaard worden door het al dan niet gelegen zijn van het bedrijf in Rusland (zie bijlage tabel H). Daarna is ook een panel regressie uitgevoerd met alle variabelen in één regressie verwerkt in plaats van ze apart per categorie te behandelen. De resultaten hiervan zijn in bijlage (tabel I) terug te vinden. Voor smeergeld zijn veel variabelen significant.
Tabel 20: Regressie captor en kickback bedrijven (panel data)
Bron: EBRD: BEEPS 2002 en 2005 Vervolgens bekijken we de panel data voor captor en kickback bedrijven. Hier kan geen onderscheid gemaakt worden tussen een schatting zonder effect of met fixed cross-section effect, daar we een probitmodel schatten. Dit gebeurt omdat de afhankelijke variabelen dummyvariabelen zijn.
- 33 -
Het is duidelijk dat hier wel alle basisvariabelen significant zijn. Net als bij de vorige regressies is verder niets meer significant bij de captor bedrijven. Bij de kickback bedrijven echter zijn enkel de lokale en buitenlandse firma’s significant. Opnieuw hebben ze een positieve coëfficiënt, wat betekent dat de kans op het worden van een kickback bedrijf hoger is dan bij staatsbedrijven. Als laatste zijn alle variabelen ook nog eens in één regressie samengevoegd. De tabel (bijlage tabel J) levert geen interessante resultaten op. Als conclusie van de regressies van smeergeld, captor en kickback bedrijven kunnen we stellen dat binnenlandse bedrijven een positieve coëfficiënt hebben bij smeergeld en kickback bedrijven en dus leiden tot meer corruptie ten opzichte van staatsondernemingen. De buitenlandse bedrijven blijken vooral in 2005 ook een positieve coëfficiënt te hebben voor de kickback bedrijven.
4.3 Reële groei van de sales Om de regressieanalyse van de reële groei van de sales aan te vatten, is er van dezelfde onafhankelijke variabelen gebruik gemaakt en worden ze opnieuw per categorie gelinkt aan de afhankelijke variabele: de reële groei van de sales. Wat opnieuw opvalt, is dat de basisvariabelen telkens significant zijn. In 2002 is het onderscheid in oorsprong duidelijk van belang. Zowel de ‘de novo’ als de geprivatiseerde ondernemingsvariabele kennen een negatieve coëfficiënt, wat een kleinere groei betekent ten opzichte van een joint venture met een buitenlands bedrijf. Dit is enigszins logisch aangezien men in de joint venture sterker staat dankzij de buitenlandse onderneming. Daarenboven zal een buitenlands bedrijf in zijn zoektocht naar een bedrijf om een joint venture mee op te richten, zich sowieso richten tot de beter presterende bedrijven die al een goede groei kennen. Verder is de servicesvariabele negatief significant (enkel in 2002). Opvallend is ook de significantie van de kickback dummy en diens interactieterm. Dit is wel enkel het geval in 2005. Het weglaten van Rusland in de regressie geeft hetzelfde beeld weer, namelijk een positieve coëfficiënt voor de kickback dummy. Dit wijst erop dat bedrijven die zich bezighouden met public procurement een hogere groei van de sales kennen. Als er echter een hoge mate van public procurement kickbacks is in een bepaald land, zal dit de groei lichtjes tegenwerken, daar de coëfficiënt van de interactie negatief is. De onderverdeling waar onze belangstelling vooral naar toe gaat is die tussen binnenlandse, buitenlandse en staatsondernemingen. Deze blijkt ook significante verschillen op te leveren
- 34 -
(deels in 2002, volledig in 2005). De coëfficiënten zijn positief. De groei van binnenlandse, maar vooral buitenlandse bedrijven is significant hoger dan de groei van staatsondernemingen. Tot slot dient nog vermeld te worden dat het onderscheid van omvang nergens een impact heeft op de groei van de sales.
Tabel 21: Regressie reële groei van de sales
Bron: EBRD: BEEPS 2002 en 2005 Een opvallend verschil is te merken bij de categorie oorsprong in 2002. Daar zijn alle variabelen significant in de schatting met Rusland. Tabel 22 test daarom of deze verschillen te maken - 35 -
hebben met de ligging. Dit blijkt het geval te zijn. Terwijl de variabelen van de geprivatiseerde en de ‘de novo’ ondernemingen in de schatting met Rusland een negatieve invloed hebben op de groei van de sales, zorgen de interactietermen (met de dummy voor Rusland) die positieve coëfficiënten hebben ervoor dat de significantie verdwijnt in een schatting zonder Rusland.
Tabel 22: Regressie reële groei van de sales met interactieterm Rusland (2002)
Bron: EBRD: BEEPS 2002 Tabel 23: Regressie reële groei van de sales met alle variabelen
Bron: EBRD: BEEPS 2002 en 2005
- 36 -
Verder zijn er opnieuw regressies uitgevoerd waarbij alle categorieën zijn samengevoegd. In 2002 vinden we in de regressie met Rusland dat enkel de binnenlandse bedrijven significant zijn. Opvallend is dat deze coëfficiënt negatief is, wat in contrast is met de bevindingen in tabel 21. Deze coëfficiënt is echter gespiegeld aan een algemene constante in plaats van aan een basisvariabele per categorie wat dit verschil verklaart. In de schatting zonder Rusland is enkel de servicesvariabele significant. Deze significantie kan verklaard worden via een interactieterm met de dummy voor Rusland (zie bijlage tabel K). In 2005 zijn enkel de categorieën state capture en public procurement kickbacks significant. De coëfficiënten van de kickback dummy en de state capture interactieterm zijn positief, de andere zijn negatief. Bij een kickback bedrijf zullen de sales dus groeien (maar iets minder indien men zich in een land bevindt met veel public procurement kickbacks), terwijl de sales afnemen voor captor bedrijven (maar in mindere mate indien er veel state capture in een bepaald land is). Hierna is ook een schatting gemaakt van alle variabelen zonder de categorieën state capture en public procurement. Uit de resultaten (in bijlage tabel L) valt nauwelijks iets af te leiden.
Tabel 24: Regressie reële groei van de sales (2002-2005)
Bron: EBRD: BEEPS 2002 en 2005 Vervolgens hebben we de relevante vragen van de BEEPS 2002 en 2005 enquêtes in één dataset gevoegd. Tabel 24 geeft de resultaten weer. Ook hier zijn de basisvariabelen telkens significant (zowel met als zonder Rusland in de regressie). Voorts zijn enkel de ‘de novo’ ondernemings- 37 -
variabele en de kickback dummy significant (en dit slechts voor de regressie waar Rusland in de dataset verwerkt is). Voor de categorie ‘owner’ is het beeld hetzelfde als Rusland al dan niet is opgenomen in de dataset. We zien dat de lokale ondernemingen niet significant blijken te zijn voor de groei van de sales, terwijl de buitenlandse firma’s een positief significante coëfficiënt kennen. Het zijn dus vooral de buitenlandse ondernemingen die een hogere groei van de sales hebben ten opzichte van de staatsondernemingen.
Tabel 25: Regressie reële groei van de sales met interactie Rusland (2002-2005)
Bron: EBRD: BEEPS 2002 en 2005 Er zijn wel enkele verschillen te bemerken in de regressies met of zonder Rusland. Zo is er een verschil in significantie voor de ‘de novo’ bedrijven, de kickback bedrijven en de interactieterm van state capture. Allen blijken hun verschil te kunnen verklaren door de aan- of afwezigheid van Rusland in de dataset en dit telkens via een positieve coëfficiënt indien het bedrijf in Rusland is gesitueerd, zoals te zien is in tabel 25. Ook een regressie waarin alle variabelen verwerkt zijn (dus niet apart per categorie), is uitgevoerd. De resultaten zijn beschreven in tabel 26. Een analyse van deze tabel maakt duidelijk dat de lokale bedrijven een negatieve significante coëfficiënt hebben, terwijl de buitenlandse firma’s geen significante invloed blijken uit te oefenen. Voor de rest valt er weinig te melden. Er is echter nog een verschil in de schatting met of zonder Rusland voor de variabele kickback bedrijven. Dit is te verklaren door de aan- of afwezigheid van Rusland in de dataset (zie bijlage tabel M). Er wordt dan overgestapt naar de panel data. Zoals bij het smeergeld, captor en kickback bedrijven zijn hier de data van de bedrijven, die zowel de BEEPS 2002 als de BEEPS 2005 enquêtes hebben ingevuld, gebruikt. Ook hier wordt een onderscheid gemaakt tussen een schatting zonder effect en met fixed cross-section effect.
- 38 -
Tabel 26: Regressie reële groei van de sales (2002-2005) met alle variabelen
Bron: EBRD: BEEPS 2002 en 2005 De basisvariabelen blijken bij de schattingen meestal significant te zijn. Als de schatting zonder effect van naderbij wordt onderzocht, valt het op dat zowat alle variabelen wel eens significant zijn (ofwel in de schatting met of zonder Rusland of in beide). Het is opmerkelijk dat de coëfficiënten van de captor en kickback dummy’s en diens interactietermen een tegenovergesteld teken hebben. Zo heeft een captor bedrijf een positieve invloed op de groei van de sales van dat bedrijf ten opzichte van de constante. Dit klinkt ook logisch omdat dit een incentive inhoudt om aan state capture te doen. De interactieterm is dan negatief. Als er al veel firma’s captor bedrijven zijn, zal de groei van de sales minder zijn. Echter de coëfficiënt van kickback bedrijven is negatief. Als men dus aan public procurement doet, zou dit een negatief effect hebben op de sales volgens deze panel regressie, wat best vreemd is. Indien er veel ondernemingen zich als kickback bedrijven gedragen wordt dit effect wat tegengegaan. Bij de categorie owner is het effect ook dubbelzinnig. Bij de regressie met Rusland zijn de coëfficiënten van de binnenlandse en buitenlandse ondernemingen positief, in de schatting
- 39 -
zonder Rusland worden de coëfficiënten negatief. Echter de basisvariabele is van een andere grootteorde. Zonder Rusland is deze 29,7 en met Rusland slechts 23,4. Dit kan het verschil in teken van de coëfficiënten verklaren. Als de schatting met fixed cross-section effect wordt beschouwd, zien we een ander beeld. Hier hebben de lokale bedrijven een negatief significante invloed ten opzichte van de staatsbedrijven. De coëfficiënt van de buitenlandse firma’s is insignificant. Over de overige variabelen valt weinig te zeggen.
Tabel 27: Regressie reële groei van de sales (panel data)
Bron: EBRD: BEEPS 2002 en 2005 - 40 -
De verschillen die op het eerste zicht te vinden zijn tussen de schattingen met of zonder Rusland situeren zich in de categorieën omvang (middelgrote bedrijven), oorsprong (de novo en geprivatiseerde ondernemingen), ‘owner’ (binnenlandse en buitenlandse firma’s) en public procurement (kickback dummy en interactieterm). De interactieterm voor Rusland van de middelgrote bedrijven en buitenlandse firma’s blijkt geen significante invloed te hebben. Bij de overige zijn telkens positieve coëfficiënten te merken (behalve bij de interactieterm voor Rusland van public procurement) wat er dus toe leidt dat het gesitueerd zijn in Rusland tot een hogere groei van de sales leidt voor deze variabelen.
Tabel 28: Regressie reële groei van de sales met interactieterm Rusland (panel data)
Bron: EBRD: BEEPS 2002 en 2005 Tot slot is ook een regressie van de panel data met alle variabelen uitgevoerd. Hierbij is de lokale ondernemingsvariabele meestal negatief significant, terwijl de variabele voor buitenlandse bedrijven een positieve coëfficiënt kent. De servicesvariabele is overwegend negatief significant. De overige variabelen zijn voor het merendeel insignificant. De tabel is terug te vinden in de bijlage (tabel N). De testen voor de verschillen zijn ook te raadplegen in de bijlage (tabel O). Enkel het verschil voor binnenlandse bedrijven kan verklaard worden door het gelegen zijn in Rusland. Indien een bedrijf zich daar vestigt, kent het een grotere groei van de sales.
- 41 -
Als besluit kunnen we stellen dat buitenlandse bedrijven meestal een hogere groei van de sales kennen dan een staatsonderneming, terwijl voor een binnenlandse firma’s het effect minder uitgesproken is. We vinden zowel positieve als negatieve coëfficiënten terug.
4.4 FDI In deze paragraaf wordt de impact van corruptie op de buitenlandse directe investeringen bekeken. Specifiek gaat het om de totale FDI uitgedrukt in US dollars per capita en de periodes zijn 3 jaar lang. Op deze manier wordt het effect van een groot land te zijn en dus veel FDI inflows te hebben vanwege het marktpotentieel deels weggefilterd. Al deze regressies zijn uitgevoerd zonder Rusland en Duitsland. Het toevoegen van Rusland lijkt weinig zinvol daar we vooral geïnteresseerd zijn in de FDI instroom van de toegetreden transitielanden. Zo kan de invloed van de toetreding tot de EU bekeken worden. Een schatting met Rusland erbij zou de coëfficiënten dus kunnen vertekenen. Voor Duitsland geldt dezelfde reden. Daarenboven is er voor Duitsland een gebrek aan data, aangezien dit land enkel in de BEEPS 2004 enquêtes is opgenomen. Al de schattingen zijn uitgevoerd met een constante en de waarde tussen haakjes in de tabellen geeft de t-statistiek weer. Alle schattingen zijn OLS-regressies omdat de totale buitenlandse directe investeringen, de afhankelijke variabele, continu zijn. De onafhankelijke variabelen zijn de mate van state capture en public procurement (zie tabel 3), het totaal betaalde smeergeld (dus inclusief de faciliteringsbetalingen) en de niet-hervormde communist. Deze laatste variabele is een dummy die waarde één heeft voor Roemenië en Bulgarije en nul voor de overige landen. Deze dummy kan twee betekenissen hebben. Enerzijds zijn Roemenië en Bulgarije landen die pas later hervormingen hebben doorgevoerd als communist (zie tabel 2), anderzijds zijn het ook de landen die later tot de EU zijn toegetreden. Als deze variabele significant is, kan de toetreding tot de EU dus gevolgen hebben voor de FDI. Tot slot wordt nog opgemerkt dat het bij deze regressies telkens om landendata gaat. Dit is logisch aangezien er geen data te vinden zijn waarbij de FDI op bedrijfsniveau zijn beschreven. Tabel 29 geeft de regressies weer waarbij het enquêtejaar (bv. BEEPS 1999) als eindjaar fungeert. Als eerste wordt een schatting gemaakt met state capture als onafhankelijke variabele. Daarna wordt de niet-hervormde communist als variabele toegevoegd. De derde en vijfde regressie zijn schattingen met respectievelijk public procurement en smeergeld als onafhankelijke variabele. In de vierde en zesde schatting wordt opnieuw de niet-hervormde communistvariabele toegevoegd.
- 42 -
Tabel 29: Regressie totale FDI (enquêtejaar als eindjaar)
Bron: UNCTAD en EBRD (BEEPS 1999, 2002 en 2005) Wat opvalt, is dat geen enkele variabele een significante impact heeft op de buitenlandse directe investeringen. De mate van state capture en public procurement, het smeergeld en de latere toetreding tot de EU hebben geen invloed op de FDI als het eindjaar het jaar is waarop de BEEPS enquêtes zijn uitgevoerd. Als controle hebben we ook het enquêtejaar als middelste jaar gekozen. Zo laten we toe dat er nog invloed is op de FDI in het daaropvolgende jaar. De resultaten zijn terug te vinden in tabel 30. Ook hier zijn zes regressies uitgevoerd volgens dezelfde onderverdeling als in de voorgaande tabel. Opnieuw blijkt geen enkele variabele een significante verklaring te kunnen geven voor de buitenlandse directe investeringen. Toch lijkt het vreemd dat geen enkele vorm van corruptie invloed heeft op de FDI. Zoals in de theorie al is aangehaald, zijn er al wetenschappelijke papers die de invloed van corruptie op de
- 43 -
investeringen en groei hebben onderzocht en merkbare verbanden hebben gevonden. Zo hebben Hellman, Jones en Kaufmann (2002, p. 10) ook gebruik gemaakt van de BEEPS 1999 enquête. Zij hebben echter alle 26 transitielanden uit de dataset gebruikt. Aangezien zij dus meer variatie in hun landen hebben doordat ook de vroegere Sovjetlanden tot hun studie behoren, hebben ze significante resultaten. Ook vallen Roemenië en Bulgarije bij hen niet onder de variabele niethervormde communist, aangezien er in de vroegere landen van de Sovjetunie slechtere gevallen zijn die geen hervormingen hebben doorgevoerd. Als verklaring waarom in deze paper geen significante verschillen worden gevonden, kan dus gesteld worden dat de landen die bestudeerd worden, namelijk de meeste Oost-Europese landen, te homogeen zijn.
Tabel 30: Regressie totale FDI (enquêtejaar als middelste jaar)
Bron: UNCTAD en EBRD (BEEPS 1999, 2002 en 2005)
- 44 -
Tot slot zijn er nog regressies uitgevoerd op basis van panel data. Ook hier betreft het landendata. Voorts wordt opnieuw een onderscheid gemaakt tussen een schatting zonder effect en een schatting met fixed cross-section effect. De keuze voor een fixed cross-section effect is opnieuw te verklaren omdat het om landendata gaat. Immers door dit te doen, wordt een landspecifieke constante opgelegd. De afhankelijke variabele is opnieuw de totale FDI. De periode is telkens drie jaar, met de ene keer het enquêtejaar als einddatum en de andere keer het enquêtejaar als middelpunt.
Tabel 31: Regressie totale FDI (panel data)
Bron: UNCTAD en EBRD (BEEPS 1999, 2002 en 2005) De onafhankelijke variabelen zijn opnieuw de mate van state capture en public procurement, smeergeld en de niet-hervormde communist. Deze laatste is niet in de fixed cross-section regressie opgenomen, omdat het een dummy is en daardoor een ‘near singular matrix’ vormt waardoor een schatting uitvoeren onmogelijk is. Bij het analyseren van bijhorende tabel zien we dat het smeergeld en meestal ook de mate van state capture significant zijn op het 5% significantieniveau. De coëfficiënten zijn telkens negatief. Smeergeld en state capture hebben dus een negatieve impact op de investeringen, wat enigszins te verwachten was. Aangezien in de voorgaande regressies nergens een significante coëfficiënt te bespeuren was, wordt vermoed dat er een tijdseffect speelt. De significantie van de variabelen in deze panel regressie zou dan verklaard worden door een tijdspatroon dat eigen is - 45 -
aan de paneldata. De mate van public procurement en de latere toetreding tot de EU zijn insignificant. Voor de mate van public procurement kan dit verklaard worden doordat de buitenlandse investeerders zich niet richten tot bedrijven die overheidscontracten in de wacht willen slepen. Een latere toetreding tot de EU heeft geen invloed op de FDI. Waarschijnlijk werd verwacht dat Roemenië en Bulgarije sowieso ooit lid van de EU zouden worden en bijgevolg heeft dit geen impact op de FDI flows.
5 Conclusie In deze paper hebben we de invloed geanalyseerd van smeergeld en de volgende vormen van corruptie: state capture en public procurement. State capture is het beïnvloeden van wetgeving en reguleringen in het voordeel van het bedrijf door onofficiële betalingen, terwijl public procurement het betalen is aan overheidsambtenaren om overheidscontracten in de wacht te slepen. De landen die we bestuderen, zijn de landen die toegetreden zijn tot de EU in 2005 en 2007 (met uitzondering van Cyprus en Malta). De landen kunnen qua corruptie geklasseerd worden tussen Duitsland (heel clean) en Rusland (zeer corrupt). Ook voor het aantal betaalde smeergeld geldt dit. Voor de specifieke vormen van corruptie, namelijk state capture en public procurement gaat dit niet op. Rusland blijkt in deze vormen niet het meest corrupt te zijn. Litouwen gaat met deze ‘eer’ lopen. Een onderverdeling tussen binnenlandse en buitenlandse bedrijven leert ons ook dat buitenlandse bedrijven ongeveer even vaak aan state capture en public procurement doen als binnenlandse ondernemingen. De buitenlandse firma’s zorgen dus niet voor een betere standaard op vlak van corruptie. De regressieanalyse toont aan dat een onderscheid tussen binnenlandse en buitenlandse bedrijven zinvol is. Zo blijken de binnenlandse ondernemingen meer bij te dragen tot het betalen van smeergeld dan staatsbedrijven. Ook stijgt de kans om een kickback bedrijf te vormen ten opzichte van een staatsonderneming indien men een binnenlands en in mindere mate een buitenlands bedrijf heeft. Verder is duidelijk dat buitenlandse firma’s (mede door corruptie) een grotere groei van de sales kennen dan staatsondernemingen. Het effect voor binnenlandse bedrijven is minder vanzelfsprekend. Soms kennen ze een grotere groei dan staatsbedrijven, soms is de coëfficiënt negatief. Dit laatste is vooral het geval indien een regressie met alle variabelen wordt uitgevoerd.
- 46 -
Ook de andere categorieën hebben een invloed. Zo spelen de omvang, capture en procurement vaak een rol bij smeergeld en op gelijkaardige manier geldt dit voor manufacturing vs. services bij kickback bedrijven. De categorie oorsprong die bestaat uit de ‘de novo’ ondernemingen, de geprivatiseerde bedrijven en de joint ventures met buitenlandse firma’s heeft dan weer invloed op de groei van de sales. De variabele captor bedrijven kan niet verklaard worden door de onderzochte categorieën. Tot slot blijkt in deze paper dat smeergeld, state capture en public procurement geen invloed hebben op de FDI. Dit resultaat dient echter genuanceerd te worden, aangezien we te maken hebben met een te homogene groep van landen. In de panel data regressies worden wel negatieve verbanden gevonden tussen smeergeld/state capture en FDI. Er wordt vermoed dat de significantie van deze variabelen verklaard kan worden door het tijdspatroon dat aanwezig is in panelschattingen. De mate van public procurement is niet van belang. Waarschijnlijk komt dit omdat buitenlandse investeerders niet geïnteresseerd zijn in bedrijven die zich richten tot het binnenhalen van overheidscontracten. Ook de latere toetreding tot de EU heeft geen invloed op de FDI, daar verondersteld werd dat Roemenië en Bulgarije sowieso lid van de EU zouden worden.
- 47 -
6 Literatuurlijst Abed, G. T. en Davoodi, H. R., 2002, “Corruption, Structural Reforms, and Economic Performance in the Transition Economies”, in: Abed, G. T. en Gupta, S. (eds.), Governance, Corruption & Economic Performance, International Monetary Fund, Publication Services, Washington D.C, p. 489-537
Acemoglu, D., Robinson, J. A. en Johnson, S., 2001, “The Colonial Origins of Comparative Development: An Empirical Investigation”, American Economic Review, Vol. 91, Nr. 5, p. 13691401
Acemoglu, D., Johnson, S. en Robinson, J. , 2002, “Reversal of fortune: geography and institutions in the making of the modern world income distribution”, Quarterly Journal of Economics, Vol. 117 , Nr. 4, p. 1231-1294
Asian Development Bank, Definitions of Corruption, ADB, 11 februari 2009, p. URL: http://www.adb.org/documents/policies/anticorruption/anticorrupt300.asp
Barreto, R. A., 2000, “Endogenous corruption in a neoclassical growth model”, European Economic Review, Vol. 44, Nr. 1, p. 35-60
Becker, G. S., 1968, “Crime and Punishment: An Economic Approach”, Journal of Political Economy, Vol. 76, Nr. 2, p. 169-217
Elliot, K. A., 1997, “Introduction”, in: Elliot, K. A., Corruption and the Global Economy, Institute For International Economics, Washington D.C., p. 1-6
European Bank for Reconstruction and Development, “Business Environment and Enterprise Performance Survey”, EBRD, 23 februari 2009, p. URL: http://www.ebrd.com/country/sector/econo/surveys/beeps.htm
Fagbadebo, O., 2007, “Corruption, Governance and Political Instability in Nigeria”, African Journal of Political Science and International Relations, Vol. 1, Nr. 2, p. 28-37
- 48 -
Gray, C. W. en Kaufmann, D., 1998, “Corruption and Development”, Finance & Development (IMF), Vol. 35, Nr. 1, p. 7-10 Gujarati, D. N., 2003, Basic Econometrics, McGraw-Hill Higher Education, Boston, 1002 p. Hellman, J. S., Jones, G., Kaufmann, D. en Schankermann, M., 2000a, Measuring Governance, Corruption, and State Capture: How Firms and Bureaucrats Shape the Business Environment in Transition Economies, Onderzoeksrapport 2312 in opdracht van The World Bank, World Bank Institute, Washington D.C., 54 p., p. URL: http://www.worldbank.org/wbi/governance/pdf/measure.pdf (3 december 2008)
Hellman, J. S., Jones, G. en Kaufmann, D., 2000b, Seize the State, Seize the Day: State Capture, Corruption and Influence in Transition, Onderzoeksrapport 2444 in opdracht van The World Bank, World Bank Institute, Washington D.C., 41 p., p. URL: www.worldbank.org/wbi/governance/pdf/seize_synth.pdf (3 december 2008)
Hellman, J. S., Jones, G. en Kaufmann, D., 2002, Far from Home: Do Foreign Investors Import Higher Standards of Governance in Transition Economies?, Onderzoeksrapport in opdracht van The World Bank, World Bank Institute, Washington D.C., 29 p., p. URL: http://www.worldbank.org/wbi/governance/pdf/farfromhome.pdf (16 november 2008)
Lambsdorff, J. G., 2006, “Causes and consequences of corruption: What do we know from a cross-section of countries?”, in: Rose-Ackermann, S. (ed.), International Handbook on the Economics of Corruption, Edward Elgar, Northampton, Massachusetts en Cheltenham, p. 3-51
Lindbeck, A., 1975, Swedish Economic Policy, MacMillan Press, London, 268 p.
Mauro, P., 1995, “Corruption and Growth”, Quarterly Journal of Economics, Vol. 110, Nr. 3, p. 681-712
Mehlum, H., Moene, K. en Torvik, R., 2006, “Cursed by resources or institutions?”, World Economy, Vol. 29, Nr. 8, p. 1117-1131
- 49 -
Murphy, K., Shleifer, A. en Vishny, R., 1991, “The Allocation of Talent: Implications for Growth”, Quarterly Journal of Economics, Vol. 106, Nr. 2, p. 503-530
Murphy, K., Shleifer, A. en Vishny, R., 1993, “Why is Rent-seeking so Costly to Growth?”, American Economic Review, Vol. 83, Nr. 2, p. 409-414
Rose-Ackerman, S., 1997, “The Political Economy of Corruption”, in: Elliot, K. A., Corruption and the Global Economy, Institute For International Economics, Washington D.C., p. 31-60
Shleifer, A. en Vishny, R. W., 1998, The Grabbing Hand: Government pathologies and their cures, Harvard University Press, Cambridge, Massachusetts, 278 p.
Shleifer, A. en Vishny, R. W., 1993, “Corruption”, Quarterly Journal of Economics, Vol. 108, Nr. 3, p. 599-617
Svensson, J., 2005, “Eight Questions about Corruption”, The Journal of Economic Perspectives, Vol. 19, Nr. 3, p. 19-42
Tanzi, V., 2002, “Corruption Around the World”, in: Abed, G. T. en Gupta, S. (eds.), Governance, Corruption & Economic Performance, International Monetary Fund, Publication Services, Washington D.C., p. 19-58
Tanzi, V., 1995, “Corruption, Arm’s-Length Relationships, and Markets,” in: Fiorentini, G. en Peltzman, S. (eds.), The Economics of Organised Crime, Cambridge University Press, Cambridge, Massachusetts, p. 161-180
The World Bank Group, “The BEEPS Interactive Dataset”, World Bank, 1 februari 2009, p. URL: http://info.worldbank.org/governance/beeps/
The World Bank Group, “BEEPS Firm Level Data (All Rounds)”, World Bank, 1 februari 2009, p. URL: http://go.worldbank.org/Y4YAMUYFS0
The World Bank Group, “FAQ: Business Environment and Enterprise Performance Surveys (BEEPS)”, World Bank, 19 februari 2009, p. URL: http://go.worldbank.org/DXOVXVCAJ0 - 50 -
Transparency International, “TI Corruption Perception Index, Transparency, 12 februari 2009, p. URL: http://www.transparency.org/policy_research/surveys_indices/cpi
United Nations Conference on Trade And Development, “FDI Stats”, UNCTAD, 22 maart 2009, p. URL: http://stats.unctad.org/fdi/ReportFolders/reportFolders.aspx
Weber, M., 1947, The Theory of Social and Economic Organization, The Free Press of Glencoe, Londen, 436 p.
Wei, S.-J., 2000, “How Taxing is Corruption on International Investors”, Review of Economics and Statistics, Vol. 82, Nr. 1, p. 1-11
- 51 -
7 Appendix 7.1 Tabellen Tabel A: Corruption Perception Index (1995-1998)
- 52 -
Tabel A (vervolg)
Uit: Tanzi, V., 2002, “Corruption Around the World”, in: Abed, G. T. en Gupta, S. (eds.), Governance, Corruption & Economic Performance, International Monetary Fund, Publication Services, Washington D.C., p. 40-42 - 53 -
Tabel B: Corruption Perception Index 2003
Bron: Transparency International, p. URL: http://www.transparency.org/policy_research/surveys_indices/cpi
- 54 -
Tabel C : Corruption Perception Index 2008
Bron: Transparency International, p. URL: http://www.transparency.org/policy_research/surveys_indices/cpi
- 55 -
Tabel D: Kleine, middelgrote en grote bedrijven/de novo, geprivatiseerde bedrijven en joint ventures met buitenlandse bedrijven
Bron: EBRD: BEEPS 2002 en 2005 Tabel E: Totale FDI inflows (10 jaar)
Bron: UNCTAD
- 56 -
Tabel F: White test voor total bribes en categorie ‘omvang’ (2002)
Bron: EBRD: BEEPS 2002 De waarde van het aantal observaties vermenigvuldigd met R² is 6,818326 wat de kritische waarde van 5,99147 (χ²-verdeling, 2 vrijheidsgraden en 5% significantieniveau) overschrijdt. Bijgevolg kan de nulhypothese van homoskedasticiteit op het 5% significantieniveau verworpen worden. Er is dus sprake van heteroskedasticiteit.
- 57 -
Tabel G: Regressie met alle variabelen (smeergeld, captor en kickback bedrijven) zonder Rusland
Bron: EBRD: BEEPS 2002 en 2005
- 58 -
Tabel H: Regressie smeergeld (zonder effect) met interactieterm Rusland
Bron: EBRD: BEEPS 2002 en 2005 Tabel I: Regressie smeergeld met alle variabelen (panel data)
Bron: EBRD: BEEPS 2002 en 2005
- 59 -
Tabel J: Regressie captor en kickback bedrijven met alle variabelen (panel data)
Bron: EBRD: BEEPS 2002 en 2005 Tabel K: Regressie (alle variabelen) reële groei van de sales met interactieterm Rusland
Bron: EBRD: BEEPS 2002
- 60 -
Tabel L: Regressie reële groei van de sales met alle variabelen (zonder capture en procurement)
Bron: EBRD: BEEPS 2002 en 2005 Tabel M: Regressie (alle variabelen) reële groei van de sales met interactieterm Rusland (2002-2005)
Bron: EBRD: BEEPS 2002 en 2005
- 61 -
Tabel N: Regressie reële groei van de sales met alle variabelen (panel data)
Bron: EBRD: BEEPS 2002 en 2005
- 62 -
Tabel O: Regressie (alle variabelen) reële groei van de sales (panel data)
Bron: EBRD: BEEPS 2002 en 2005
- 63 -
7.2 Grafieken Grafiek A: Totale FDI inflows (3 jaar)
Bron: UNCTAD
- 64 -
Grafiek B: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de afhankelijke variabele smeergeld 2,500
RESIDXSIZE11
2,000
1,500
1,000
500
0 0
10
20
30
40
50
60
Q55
Bron: EBRD: BEEPS 2002 en 2005
Hier worden de gekwadrateerde residuen en de afhankelijke variabele smeergeld in een scatterdiagram voorgesteld. Als we de grafiek bekijken, zien we een duidelijk patroon. Het scatterdiagram geeft als het ware een deel van een kwadratische functie weer. Indien er een bepaalde trend te ontdekken valt, zoals hier, kunnen we spreken van heteroskedasticiteit. Een voorbeeld van hoe een scatterplot eruit ziet zonder een bepaalde trend wordt getoond in grafiek E.
- 65 -
Grafiek C: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de onafhankelijke variabele kleine bedrijven 2,500
RESIDXSIZE11
2,000
1,500
1,000
500
0 0
1
2
SMALL01
Bron: EBRD: BEEPS 2002 en 2005
Hier zijn de gekwadrateerde residuen en de afhankelijke variabele kleine bedrijven weergegeven. Het is duidelijk dat bij waarde nul er veel minder variatie is dan bij waarde één. Opnieuw kunnen we spreken van heteroskedasticiteit.
- 66 -
Grafiek D: Testen heteroskedasticiteit van de regressie smeergeld (zonder effect) op omvang: kwadraat van de residuen en de onafhankelijke variabele middelgrote bedrijven 2,500
RESIDXSIZE11
2,000
1,500
1,000
500
0 0
1
2
KICKBACK01
Bron: EBRD: BEEPS 2002 en 2005
De grafiek toont ons de gekwadrateerde residuen en de middelgrote ondernemingsvariabele. Ook hier is een groot verschil in variatie te merken tussen waarde nul en één. Hier wordt dus heteroskedasticiteit vermoed.
- 67 -
Grafiek E: Testen voor heteroskedasticiteit van de regressie FDI (met fixed cross-section effect) op de state capture: gekwadrateerde residuen en afhankelijke variabele state capture 3,000,000
2,500,000
RESIDX2
2,000,000
1,500,000
1,000,000
500,000
0 0
5
10
15
20
25
30
35
STATECAPTURE
Bron: UNCTAD en EBRD: BEEPS 1999, 2002 en 2005
Uit deze scatterplot waarin FDI en state capture zijn weergegeven, blijkt dat er niet echt een trend te spotten is. De hypothese van homoskedasticiteit kan dus behouden worden.
- 68 -
