Измерение и анализ коррупции по объективным данным 1



Скачать 360.72 Kb.
Pdf просмотр
Дата12.02.2017
Размер360.72 Kb.
Просмотров266
Скачиваний0

1
Измерение и анализ коррупции по объективным данным
1


Т. Натхов, Л. Полищук
Ввиду того, что коррупция является противозаконной деятельностью, получение объективных подтверждений коррупции затруднительно или вовсе невозможно, и существующие индикаторы коррупции опираются преимущественно на субъективные суждения и оценки, получаемые в ходе опросов. Используемая в настоящем исследовании методика опирается на измерение непосредственно наблюдаемых искажений, имеющих коррупционную природу; размер таких искажений становится тем самым мерой коррупции. В разделе излагается математическая модель, используемая для оценки коррупции на основе распределения номеров государственной регистрации между автомобилями различных марок, и приводятся результаты расчетов, свидетельствующие о значительной коррупции в соответствующей государственной службе.
1.
Как измерить коррупцию
Коррупция определяется как использование общественного положения (как правило, государственных постов и должностей) ради личной выгоды. Такого рода злоупотребления как правило чреваты значительным ущербом для экономики и общества ввиду того, что государственные ресурсы не используются должным образом, искажаются стимулы политиков и чиновников, неоправданно завышаются административные барьеры, государственные органы неэффективно исполняют свои основные функции, и подрывается престиж и доверие к государству. Высокий уровень коррупции обычно связывается с бедностью и отсталостью соответствующих стран, однако для того, чтобы количественно оценить наносимый коррупцией урон, необходимо располагать более или менее надежными измерителями коррупции. Такого рода индикаторы необходимы политикам, руководителям государственных служб и ведомств, гражданскому обществу и бизнес-сообществу, а также ученым и экспертам, исследующим предпосылки коррупции и ее влияние на состояние экономики и общества.
Между тем вследствие ряда причин измерение коррупции представляет собой трудную задачу. Основное препятствие состоит в том, что в ввиду противозаконности коррупции, которая в большинстве стран рассматривается как серьезное преступление, коррупционные транзакции носят скрытый характер и поэтому как правило не поддаются прямому наблюдению и измерению. В некоторых случаях, когда бюрократ вымогает
1
Авторы признательны А. Едачеву за содействие в проведении используемого в работе опроса и сбор данных о порядке выдачи автомобильных номеров в России.

2 взятку, ее плательщик может быть заинтересован в разоблачении взяточника, но и в этих ситуациях коррупцию можно «спрятать» и сократить риски разоблачения, например, прибегая к содействию посреднических фирм (Полищук и др. 2008). В других ситуациях коррупция предполагает сговор бюрократа и его «клиента» с целью обмана государства, и здесь обе стороны стремятся сохранить такие транзакции в тайне (Shleifer, Vishny, 1993).
К тому же коррупция многообразна и возникает в различных проявлениях и сферах экономической деятельности, а также в политике и при исполнении государством тех или иных функций. Выделяют, в частности, «низовую» коррупцию, возникающую при общении предпринимателей и граждан с рядовыми чиновниками, и крупномасштабную
«коррупцию в верхах», затрагивающую политиков и администраторов высокого ранга.
Отличаются друг от друга формы коррупции (вымогательство взятки за предоставление государственных услуг, попустительство за взятку противозаконному поведению, обмен привилегиями, проникновение представителей бизнеса в государственные органы для получения незаконных преимуществ, политическая коррупция и пр.). Далеко не всех перечисленных случаях удается найти достаточно надежные и информативные измерители коррупции.
Тем не менее, индексы коррупции активно разрабатываются и применяются на практике. При расчете таких индексов обычно используются – порой в сочетаниях друг с другом – три основных метода. Первый из них заключается в оценке «восприятия коррупции» (corruption perception) с использованием опросных данных, в которых респондентов спрашивают о том, в какой степени коррумпирована их сфера деятельности; при этом оценку обычно просят дать в ранговой шкале. Вторая возможность заключается в том, что респондентов просят сообщить о том, насколько часто им самим (или их знакомым, близким и другим лицам из их профессионального, социального и пр. окружения) приходится сталкиваться с коррупционными проявлениями. Наконец, третий способ состоит в том, чтобы использовать доступные наблюдению и измерению характеристики, относительно которых есть основания ожидать тесной связи с коррупцией (например, высоту административных барьеров, волокиту и пр.)
Два первых способа измерения, так или иначе, носят субъективный характер, что дает основания усомниться в их аккуратности. Общие представления о распространенности коррупции могут отражать преобладающие стереотипы, а не объективное положение вещей (Oldenburg, 1987). Опросы, регистрирующие личный коррупционный опыт респондента, могут давать искаженные результаты ввиду

3 возможного смещения выборки, а также потому, что даже в анонимном опросе респонденты могут искажать фактическое положение дел из чувства стыда и/или страха.
Преимуществом третьего подхода к измерению коррупции – наблюдение за так или иначе связанными с ней индикаторами – является его объективность, однако при этом важно иметь уверенность, что такие индикаторы и в самом деле тесно связаны с коррупцией. Для такой уверенности, в свою очередь, может быть три основания. Во- первых, в некоторых случаях наблюдению доступны последствия коррупции и, в частности, вызванные коррупцией искажения экономических решений (Shleifer, Vishny,
1993).
2
Коррупция заставляет переносить экономическую деятельность в те отрасли и сферы, где возможности для нее более благоприятны – например, потому, что в этих отраслях меньше риски разоблачения. Разумеется, индивидуальные коррупционные транзакции по-прежнему ненаблюдаемы, но агрегированные искажения можно измерить и получить, таким образом, представление о масштабах коррупции.
Во-вторых, можно следить за факторами и предпосылками коррупции, которые поддаются наблюдению и измерению. Например, принято считать, что коррупцию порождают избыточные административные барьеры и вообще чрезмерно обременительное регулирование и частые проверки и инспекции. Высота барьеров поддается измерению, и действительно оказывается коррелированной с оценками коррупции (которые, впрочем, сами получены из опросов) (Djankov et al.,2002).
Аналогичным образом недостаточная прозрачность работы правительства, проблемы с доступом к информации, неспособность обеспечить верховенство закона и пр. также создают предпосылки для распространения коррупции. В принципе о коррупции можно было бы судить по наличию формальным мер и процедур недопущения коррупция
(специальные агентства по расследованию коррупции, процедуры закупок и пр.), но международный опыт свидетельствует о том, что связь между формальными институтам и уложениями, с одной стороны, и состоянием экономики и государственных служб, которые эти институты должны поддерживать, может отсутствовать (Glaeser et al., 2004;
Acemoglu et al., 2008)
Наконец, в-третьих, коррупция и другие формы социально-экономических патологий могут оказаться связанными с культурными особенностями общества, в том числе уровнем доверия, честности, гражданской культуры и пр. Можно предположить, что такого рода особенности влияют на (не)терпимость общества к различным формам
2
Именно по причине таких искажений несправедливо утверждение о том, что коррупция «нейтральна» к экономическим результатам и сводится к трансфертам – перераспределению богатства – без ущерба для экономической эффективности).

4 этически сомнительного поведения (Aghion et al., 2010) В таком случае масштабы предосудительного поведения (отличного от коррупции), если его проще измерить, чем собственно коррупцию, можно использовать для оценки коррупции. В частности, число штрафов за неправильную парковку, неоплаченных дипломатами различных стран, аккредитованных при Организации Объединенных Наций в Нью-Йорке, оказывается значимо коррелировано с оценками коррупции в соответствующих странах (Fishman,
Miguel, 2007).
Коррупция чаще всего измеряется на уровне стран мира; обзор различных подходов и методик ее измерения на межстрановом уровне дан в (Treisnam, 2007). Выясняется, что различные методы измерения коррупции, связанные главным образом с использованием опросных данных, далеко не всегда хорошо согласуются друг с другом. Такие расхождения могут объясняться различными методиками опроса, кругом опрашиваемых
(международные эксперты, предприниматели, население), а также терпимостью респондентов к коррупции, отчего зависит оценка ими ее тяжести, и т.п. В частности, меры, основанные на опросах о восприятии коррупции, ожидаемо коррелированы с политическими, экономическими и институциональными факторами, с которыми коррупция обычно ассоциируется (дефицит демократии и свободы прессы, избыточное регулирование, наличие значительных природных ресурсов и пр.) Что касается мер, опирающихся на опросы о личном опыте коррупции, то они оказываются
«зашумленными», и в меньшей степени связаны с перечисленным выше предпосылками коррупции. Вместе с тем было бы преждевременно утверждать, что первая группа мер лучше измеряют коррупцию – названные корреляции могут быть результатом «эффекта гало» (Bardhan, 2004), когда субъективные оценки респондентами уровня коррупции могут подсознательно выводиться из дефицита демократии и пр. Такая «подгонка под ответ» может поставить под сомнение соответствующие индикаторы и их использование для выявления причин и оценки последствий коррупции.
2.
Измерение коррупции в российских регионах
Коррупцию можно измерять не только на национальном, но и на региональном уровне в пределах одной страны. Преимущество регионального уровня анализа состоит в большей сопоставимости данных и результатов измерения; коме того, в таком случае повышается надежность статистических зависимостей между коррупцией и ее предполагаемыми причинами и последствиями, поскольку для регионов одной и той же страны меньше опасность пропуска существенных для анализа переменных.

5
В Libman, Kozlov (2013) дан обзор известных их разных источников мер коррупции в российских регионах. В числе таковых упоминаются оценки коррупции в регионах, совместно полученные российским отделением Transparency International и фонда
ИНДЭМ; оценки по опросам фонда «Общественное мнение», оценки бизнес-ассоциации
ОПОРА, а также индексы коррупции, рассчитанные по материалам проекта BEEPS
Европейского банка реконструкции и развития, в котором проводился опрос менеджеров российских предприятий. Авторы рассчитывают коэффициенты парной корреляции между различными мерами коррупции, которые в большинстве случаев оказываются положительными, однако лишь в чуть более одной трети случаев величины этих коэффициентов статистически значимы. Такую рассогласованность различных мер коррупции в российских регионах можно рассматривать как несовершенство по крайней мере некоторых из используемых методик измерения.
Еще одно возможное объяснение состоит в том, что коррупция – это «многомерное» явление, и различные меры коррупции фиксируют ее различные аспекты. С одной стороны, можно ожидать, что при наличии упомянутых выше основных предпосылок неподкупности власти – ее демократической подотчетности, прозрачности и пр. – коррупция не должна возникать на сколько-нибудь значимом уровне ни в одной из ее форм. К такому же выводу приводит теория стимулов государственных служащих, согласно которой их добросовестность, усердие и отказ от коррупции во многом зависят от коллективной репутации класса чиновников в глазах общественного мнения
(Dewatripont, Jewitt, Tirole, 1999). С другой стороны, при отсутствии указанных предпосылок «все несчастные семьи несчастны по-разному», и в таком случае в силу специфических для данного региона причин отдельные сегменты государственного сектора и виды государственных услуг могут быть подвержены коррупции в большей или меньшей степени. Такая возможность не позволяет отклонить те или иные индикаторы коррупции только потому, что они не согласуются с другими, однако в отсутствие достоверных способов установить, объясняются ли расхождения между индикаторами коррупции ее многомерностью или большими погрешностями измерения, подобные расхождения вызывают некоторые сомнения в качестве имеющихся индикаторов.
В этой связи особенно ценной является возможность использованию объективных индикаторов коррупции, особенно в тех случаях, когда связь этих индикаторов с коррупцией является неопровержимой. В литературе известны примеры такого рода индикаторов, например разность между расходами на инфраструктуру и оценкой построенных инфраструктурных объектов (Golden, Picci, 2005), или несоразмерно

6 высокие затраты на стройматериалы (ввиду того, что уникальные строительные объекты особенно привлекательны с коррупционной точки зрения) (Rose-Ackerman, 1999). Однако такого рода измерители отсутствуют для разных стран и регионов и не могут поэтому быть использованы в сравнительных исследованиях коррупции.
3.
Автомобильные номера как индикатор коррупции
В настоящей работе мы предлагаем оригинальную методику оценки коррупции, основанную на наблюдении за распределением определенного вида автомобильных номеров среди различных марок автомобилей. По действующим в России правилам, регистрационные номера автомобилей выдаются органами ГИБДД по порядку по мере обращения за номерами владельцев автомобилей. При этом определенные номера
(именуемые в обиходе «красивыми») ценятся некоторыми владельцами машин больше, чем остальные, особенно если трехзначная цифровая часть номера состоит из одних и тех же цифр, или имеет вид «00х» или «х00».
3
Наличие такого номера считается престижным, а вероятность его получения в законном (т.е. по сути случайном) порядке весьма мала, что создает предпосылки для коррупции, когда за дополнительное вознаграждение, «по знакомству» и т.п. владельцы машин могут получить такие номера в обход официально установленной процедуры. Можно ожидать, что при прочих равных условиях «позволить» себе красивый номер, который, как это явствует из дальнейшего, стоит немалых денег, могут более состоятельные автовладельцы, владеющие более дорогими марками автомобилей.
4
Из сказанного вытекает возможность следующего теста коррумпированности органов ГИБДД, отвечающих за выдачу автомобильных номеров. В отсутствие коррупции распределение «красивых» номеров среди различных марок автомобилей должно быть близко к равномерному (точнее, частота, с которой такие номера встречаются среди автомобилей той или иной марки, не должна обнаруживать статистически значимых различий между марками). Наоборот, при наличии коррупции следует ожидать аномально высокой концентрации «красивых» номеров среди автомобилей дорогих марок, статистически значимо превышающей среднюю частоту, с которой должны встречаться
3
Мы не рассматриваем возможность получения частными автовладельцами особых разновидностей номеров, которые ассоциируются с государственными, в том числе силовыми, ведомствами и могут стать источником различного рода привилегий на дорогах.
4
Из представленной далее в работе теории следует, что «полезность» для владельца «красивого» номера на дорогом автомобиле выше, чем на дешевом. Это является еще одной причиной ожидать приобретения
«красивых» номеров владельцами дорогих машин.

7 такие номера, и тем более распространенность этих номеров среди массовых недорогих моделей. Более того, превышение концентрации «красивых» номеров среди дорогих марок над средним уровнем может (с оговорками, речь о которых пойдет далее) считаться индикатором коррупции.
5
Основания для такого оценки коррупции состоят в следующем. Можно предположить, что чем более коррумпирована соответствующая служба, тем, при прочих равных условиях, большая часть «красивых» номеров распределяется незаконно и оказывается по вышеуказанным причинам среди машин дорогих марок. (При этом некоторая часть «красивых» номеров, тем меньшая, чем выше уровень коррупции), распределяется в установленном порядке и попадает в том числе владельцам массовых марок машин).
Поскольку по действующим в России правилам регистрационные номера указывают помимо прочего регион страны, в котором эти номера были получены, появляется возможность судить по концентрации «красивых» номеров среди дорогих машин о
сравнительной коррумпированности соответствующих ведомств в разных регионах страны. Разумеется, при этом следует принять поправки на прочие характеристики регионов, в том числе на уровень доходов населения, который способен повилять на спрос на «красивые» номера, тогда как уровень коррупции оказывает воздействие на их
«предложение».
Заручившись полученными указанным образом индексами региональной коррупции, можно выяснить, до какой степени они согласуются с существующими индикаторами коррупции в регионах, упомянутыми выше в этом разделе. Еще одно перспективное направление анализа заключается в выяснении связи коррупции в региональных органах
ГИБДД с тем, насколько эффективно эти органы выполняют свои основные обязанности , связанные с обеспечением безопасности на дорогах. Поскольку коррупция сигнализирует о недостатке контроля над работой сотрудников ГИБДД, следует ожидать ее связи с аварийностью на дорогах и другими признаками халатности дорожной полиции.
Анализируемая разновидность коррупции нестандартна в том отношении, что коррупция обычно возникает при распределении государством различного рода материальных благ и услуг. В данном же случае спрос на определенные типы благ возникает по сугубо психологическим причинам, и государство по тем или иным
5
Использование данной меры коррупции может быть поставлено под вопрос при наличии вторичного рынка
«красивых номеров», когда возможна их перепродажа в частном порядке (подробнее см. следующий раздел). В таком случае повышенная концентрация «красивых» номеров среди дорогих машин может быть отчасти рыночным результатом, а отчасти – последствием коррупции.

8 причинам не пользуется возможностью соответствующим образом легально дифференцировать цены на свои услуги, эффективно удовлетворяя этот спрос с выгодой для бюджета. Распределение более или менее предпочитаемых номеров на одних и тех же условиях создает предпосылки для коррупции, поскольку рыночный спрос на «красивые номера» значительно выше, чем на все остальные. Возможности измерения данного вида коррупции связана с тем, что номера и марки автомобилей доступны наблюдению, и хотя наличие «красивого» номера на дорогой машине само по себе не является достоверным признаком коррупции, распределение номеров позволяет сделать такой вывод и считать его статистически обоснованным.
4.
Как устроено получение «красивых» номеров?
В России до сих пор отсутствует возможность легально приобрести желаемый номер у регистрирующего органа за дополнительную плату (такая практика узаконена во многих странах мира).
6
В настоящее время «красивый» номер может быть получен в России случайно, о чем свидетельствует их появление в том числе среди недорогих машин. Вторая возможность так или иначе связана с коррупцией (или ее разновидностью – «блатом», когда нужные номера достаются по знакомству). Последние несколько лет существует и относительно легальная рыночная» возможность обзавестись «красивым» номером, состоящая в том, что если такой номер случайно достается владельцу недорогой машины, то более обеспеченный автомобилист официально покупает недорогую марку, на которую выпал
«красивый» номер, у ее владельца, причем при такой покупке номер сохраняется. Затем номер переносится на дорогой автомобиль, а купленная машина возвращается («продается обратно») ее прежнему хозяину. Данная опция занимает немало времени и связана с иными транзакционными издержками, ввиду чего она занимает на современном рынке
«красивых» номеров сравнительно скромное место по сравнению с получением желаемого номера у «источника», т.е. в ведающем выдачей номеров органе ГИБДД,
Следует также подчеркнуть, что до принятия в 2011 г. нормы, позволяющей закрепить
6
Во многих странах – США, Канаде, Великобритании, Австралии, Австрии, Бельгии, Швеции, Турции и др.
– имеется возможность за дополнительную плату получить в качестве номера для автомобиля любую комбинацию букв и цифр, за исключением тех, что запрещены как непристойные или недопустимые по иным причинам. В Северной Америке такие номера известны как «тщеславные» (vanity plates), в
Великобритании – как «престижные», и т.п. Стоимость престижного номера составляет до нескольких сотен долларов, полученные средства, разумеется, поступают в бюджет. По данным статистики, «тщеславными» номерами обычно обзаводятся несколько процентов владельцев автомобилей.

9 номер за машиной при смене владельца,
7
такая опция отсутствовала, и «рыночная» компонента не накладывалась на коррупционную.
Следует также отметить присутствие на рынке «красивых» номеров посреднических фирм, предоставляющих такие номера. Очевидно, эти фирмы аффилированы с коррумпированными сотрудниками ГИБДД
8
и/или используют доступную в последнее время вышеупомянутую «рыночную» опцию.
Отметим, что речь идет о «красивых» номерах, отличающихся привлекательной комбинацией цифр и букв. К таковым, как уже отмечалось, относятся номера с цифровой частью ххх, 00х или х00, номера, в которых цифры так или иначе согласованы с номером региона и пр. В «красивых» номерах, рассчитанных на массового потребителя, цифровая часть симметрична. Особняком стоят так называемые номера «спецсерий» AMP, EMP,
OOO, EKX, которые указывают на принадлежность к той или иной влиятельной госструктуре. Такие номера в данном исследовании не рассматриваются, поскольку их повышенная концентрация среди дорогих автомобилей скорее всего в первую очередь указывает на массовое использование таких автомобилей государственными органами.
5.
Результаты интернет-опроса
Чтобы получить более ясное представление о том, кто, как и почему получает
«красивые» номера, мы провели интернет-опрос с помощью сервиса онлайн-опросов
SurveyMonkey. Анкета опроса размещена в Приложении 1. Опрос проводился с 29 апреля по 27 июня 2014 года.
Всего в опросе приняли участие 1552 респондента. Основная масса трафика пришла из социальной сети «Вконтакте».
Больше 90% респондентов владеют автомобилем, около
42%, по их мнению, обладают "красивым" номером, более 71% знакомы с владельцами "красивых" номеров. Таким образом, выборка вполне компетентная для вопросов данной анкеты. Распределение респондентов по российским регионам показано в следующей таблице:
Таблица 8.1
Московская область
113
Саратовская область
11
Липецкая область
4 7
Приказ МВД России №28 от 20 января 2011 г.
8
О роли посреднических фирм в содействии коррупции см. Полищук и др., 2008.

10
Санкт-
Петербург
68
Ярославская область
11
Сахалинская область
4
Иркутская область
69
Амурская область
10
Смоленская область
4
Москва
62
Волгоградская область
10
Республика
Карелия
3
Новосибирска я область
54
Вологодская область
10
Республика
Коми
3
Архангельска я область
50
Оренбургская область
10
Республика
Марий Эл
3
Республика
Башкортостан
49
Чувашская
Республика
9
Удмуртская
Республика
3
Кемеровская область
35
Кировская область
9
Камчатская область
3
Приморский край
33
Псковская область
9
Ульяновская область
3
Тамбовская область
33
Ханты-
Мансийский
АО
9
Республика
Дагестан
2
Пермский край
27
Республика
Бурятия
8
Калининградск ая область
2
Челябинская область
26
Ставропольски й край
8
Костромская область
2
Краснодарски й край
27
Читинская область
8
Пензенская область
2
Алтайский край
21
Республика
Алтай
7
Еврейская автономная область
2
Ленинградска я область
21
Республика
Хакасия
7
Ямало-
Ненецкий АО
2
Астраханская область
19
Ивановская область
7
Республика
Ингушетия
1
Самарская область
19
Мурманская область
7
Республика
Кабардино-
Балкария
1
Красноярский край
18
Орловская область
7
Республика
Тыва (Тува)
1
Республика
Татарстан
17
Рязанская область
7
Магаданская область
1
Тюменская область
17
Белгородская область
6
Ненецкий АО
1
Хабаровский край
16
Брянская область
6
Карачаево-
Черкесия
0

11
Воронежская область
17
Калужская область
6
Чеченская
Республика
0
Нижегородска я область
17
Курганская область
6
Агинский
Бурятский АО
0
Свердловская область
16
Тверская область
6
Коми-
Пермяцкий АО
0
Ростовская область
14
Тульская область
6
Корякский АО
0
Новгородская область
13
Республика
Мордовия
5
Таймырский
(Долгано-
Ненецкий) АО
0
Республика
Адыгея
12
Курская область
5
Усть-
Ордынский
Бурятский АО
0
Омская область
12
Республика
Калмыкия
4
Чукотский АО
0
Томская область
12
Республика
Саха(Якутия)
4
Эвенкийский
АО
0
Владимирская область
11
Республика
Северная
Осетия
4
Более половины среди респондентов-владельцев автомобилей владеют машинами массовых относительно недорогих марок.
Таблица 8.2
Являетесь ли Вы владельцем автомобиля?
Answer Options
Response
Percent
Response
Count
Да, ценой до 300 тысяч рублей
28,4%
440
Да, ценой от 300 до 500 тысяч рублей
24,4%
378
Да, ценой от 500 тысяч до 1 млн рублей
25,4%
394
Да, ценой от 1 млн до 2 млн рублей
9,7%
151
Да, ценой от 2 млн рублей
3,9%
60
Нет, не владею автомобилем
6,6%
102
Затрудняюсь ответить
1,7%
27
answered question
1552
skipped question
0
«Красивые» номера среди респондентов распределены следующим образом:
Таблица 8. 3
Отметьте, пожалуйста, обладаете ли вы госзнаком со следующими
типами номеров:

12
Answer Options
Response
Percent
Response
Count
Да, с комбинацией цифр типа 111, 222, 333,
444 и т.д.
8,1%
116
Да, с комбинацией цифр типа 001, 002, 003,
004 и т.д.
4,2%
60
Да, с комбинацией цифр типа 100, 200, 300,
400 и т.д.
4,0%
57
У меня другой «красивый» номер
26,1%
374
У меня нет «красивого» номера
55,8%
799
Затрудняюсь ответить
1,8%
26
answered question
1432
skipped question
120
Число тех, кто знаком лично с обладателем «красивого» номера, составляет 71.5%.
Более половины ответивших считают, что люди стремятся обзавестись «красивым» номером, чтобы выделиться среди остальных, около половины дают сходный ответ, указывая на желание продемонстрировать свой статус (разрешалось выбрать несколько вариантов ответа). Приблизительно двадцать процентов респондентов называли эстетические мотивы.
Таблица 8.4
Отметьте, пожалуйста, обладаете ли вы госзнаком со следующими
типами номеров:
Answer Options
Response
Percent
Response
Count
Да, с комбинацией цифр типа 111, 222, 333,
444 и т.д.
8,1%
116
Да, с комбинацией цифр типа 001, 002, 003,
004 и т.д.
4,2%
60
Да, с комбинацией цифр типа 100, 200, 300,
400 и т.д.
4,0%
57
У меня другой «красивый» номер
26,1%
374
У меня нет «красивого» номера
55,8%
799
Затрудняюсь ответить
1,8%
26
answered question
1432
skipped question
120
Отвечая на вопрос о том, как в городе, где живет респондент, можно получить
«красивый» номер, более 60% из тех, кто знает ответ на данный вопрос, называют прямое обращение к сотрудникам ГИБДД. Еще четверть упоминают «рыночную» опцию, доступную последние несколько лет, а остальные – обращение к посредникам.
Таблица 8.5
Как обычно можно приобрести «красивый» номер на машину в
вашем городе?

13
Answer Options
Response
Percent
Response
Count
Купить «с рук» у другого автовладельца через перерегистрацию
18,0%
261
Обратиться к сотрудникам ГИБДД
44,0%
638
Обратиться к лицам или организациям, оказывающим такие услуги
13,1%
190
Затрудняюсь ответить
22,6%
328
Другое (укажите)
2,3%
34
answered question
1451
skipped question
101
Посредники в подавляющем большинстве случаев находятся «по знакомству» и выступают в качестве посредников между приобретателями «красивых» номеров и органами ГИБДД, а не между частными продавцами и покупателями «красивых» номеров.
Таблица 8.6
Как в вашем городе обычно находят такие лица или организации?
Answer Options
Response
Percent
Response
Count
По знакомству
76,0%
136
В интернете
15,1%
27
По объявлениям в городе
2,8%
5
Затрудняюсь ответить
5,0%
9
Другое (укажите)
1,1%
2
answered question
179
skipped question
1373
Таблица 8.7
Как Вы считаете, каким образом такие лица или организации
осуществляют такие услуги?
Answer Options
Response
Percent
Response
Count
Они имеют связи в ГИБДД, выдающей автомобильные номера
81,0%
145
Они выступают посредниками между автовладельцами, желающими купить
«красивый» номер и автовладельцами, желающими продать свой «красивый» номер
10,1%
18
Затрудняюсь ответить
8,9%
16
Другое (укажите)
0,0%
0
answered question
179
skipped question
1373
Значительный интерес представляют материалы опроса о ценах «красивых» номеров, которые зависят от типа номера и варьируются от региона к региону. Больше

14 других ценятся номера «ххх» и «00х»; по не до конца понятным психологическим причинам номера «х00» значительно (в два и более раз) дешевле. «Плата за тщеславие» во многих регионах превышает 100000 рублей, и претерпевает значительные вариации от региона к региону. Отметим, что на цену несомненно влияет уровень коррупции
(оказывающий воздействие на предложение соответствующего товара желающим приобрести его платежеспособным покупателям), однако цена испытывает и воздействие иных факторов, в том числе доходов жителей региона. Именно этим последним скорее всего объясняется наиболее высокий в выборке уровень цен в Ямало-Ненецком и Ханты-
Мансийском округах.
Таблица 8.8
Как вы думаете, за какую сумму денег (в рублях) указанным выше способом в вашем городе можно получить красивый номер следующих типов?(распределение по регионам): все респонденты
111 222 333 001 002 003 100 200 300 количество респондентов алтайский край
26917 26917 13750 12 амурская область
104000 114000 54000 5 архангельская
34103 35206 23758 29 астраханская
18636 34636 12416 12 белгородская
45000 29500 17000 4 брянская
35000 45000 17500 2 владимирская
34750 41000 36375 8 волгоградская
35250 33500 10625 8 вологодская
40625 30625 17625 8 воронежская
44321 34000 20115 13 еврейская АО
7500 8000 1750 2 марий эл
15000 20000 15000 1 ивановская
73000 97500 43000 5 иркутская
41403 34714 19535 56

15 калининградская
30000 1 калужская
26200 42750 16500 4 камчатская
40000 30000 30000 2 кемеровская
39322 41000 19344 29 кировская
51666 51000 33433 3 костромская
20000 32500 25000 2 краснодарский край
62187 67500 27500 14 красноярский
25166 48083 19333 12 курганская
70000 60000 28333 4 курская
146250 120000 46666 4 ленинградская
30166 37181 20583 12 липецкая
25000 30000 15000 3 магаданская
50000 50000 50000 1 москва
116756 115210 58921 38 московская область
62931 61866 37441 86 мурманская обл
106000 85000 73750 4 ненецкий ао
100000 1 нижегородская
47500 47272 20454 11 новгородская
28333 12583 18375 12 новосибирская
47500 45783 18652 36 омская
81777 72600 65222 9 оренбургская
38750 37857 18571 7 орловская
42500 40833 23333 6 пензенская
100000 62500 50000 2 пермский край
53117 69294 59764 17 приморский край
43416 38125 30739 23

16 псковская
29000 23500 10500 5 адыгея
5000 20000 11000 1 алтай
47500 33750 8125 4 башкортостан
30093 30625 20106 33 бурятия
77857 40714 19333 7 дагестан
70000 90000 9500 2 ингушетия кабардино- балкария калмыкия
33666 30000 12500 3 карелия
75000 37500 12500 2 коми
110000 50000 15500 2 мордовия
42200 36200 18200 5 саха (якутия)
30000 50000 10000 1 северная осетия
36666 47666 12333 3 татарстан
48538 23923 17384 13 тыва хакасия
60000 43666 16500 3 ростовская
42272 50454 27083 12 рязанская
32500 28750 21250 4 самарская
48125 68125 26562 16 санкт-петербург
60188 66673 44250 52 саратовская
32277 35428 28571 7 сахалинская
30000 30000 20000 2 свердловская
23392 35583 20208 12 смоленская
68333 83333 45000 3 ставропольский край
48571 43571 26714 7 тамбовская
22421 24166 14321 19 тверская
57500 30000 12500 2 томская
64375 54375 40625 8 тульская
30000 35000 23333 3

17 тюменская
44050 60285 20428 7 удмуртская
40000 3000 10000 2 ульяновская
8333 5333 3366 3 хабаровский
66266 80000 48769 13 ханты-мансийский
140000 118571 51428 7 челябинская
40078 49450 45815 19 читинская
91428 94166 52116 7 чувашская
50000 56250 55000 4 ямало-ненецкий
200000 50000 15000 1 ярославская
70555 34444 27333 9
6.
Модель рынка «красивых» номеров
Для корректной формулировки подлежащих эмпирической проверке гипотез и лучшего понимания механизмов, формирующих равновесие на рынке «красивых» номеров, полезно располагать моделью данного рынка. В первую очередь необходимо формализовать мотивы стремления получить «красивый» номер. Адекватным описанием этих мотивов является известная из экономической теории концепция статусного
потребления, развивающая классическую концепцию потребления напоказ (conspicuous consumption) Т. Веблена. Согласно этой концепции предметы роскоши могут приобретаться, чтобы публично продемонстрировать богатство их владельца. Обладание такими благами является свидетельством высокого социально-экономического статуса и как таковое может иметь в глазах тщеславных и/или по иным причинам чувствительных к публичной демонстрации своего статуса индивидов значительную самостоятельную ценность.
Понятие статусного потребления близко к первоначальной концепции потребления напоказ и нередко смешивается с последним, по крайней мере в литературе по маркетингу
– см.,напр., Mason, 1984. Экономическая теория позволяет уточнить это понятие, предполагая, что статус (в определенной референтной группе) зависит от доли членов группы, достигших определенного уровня дохода (или иного статусно важного

18 показателя) среди всех остальных членов группы. Статусное потребление в таком случае, помимо прямого удовлетворения потребностей потребителя, играет еще и сигнальную функцию, свидетельствуя о статусе индивида. Это создает дополнительные мотивы для приобретения соответствующего товара или услуги, или является единственным мотивом, если товар сам по себе бесполезен. Примером товара статусного потребления являются драгоценности; в эту же категорию входят и «красивые» автомобильные номера.
Моделью статусного потребления является функция полезности вида
( ( )) (Frank 1985), где – размер потребления статусного товара, ( ) – доля членов статусной группы с уровнем потребления меньше , а – потребление всех остальных благ, измеряемое располагаемым доходом, оставшимся после приобретения статусного блага. Функция полезности предполагается монотонно возрастающей по всем трем переменным. В данном случая предполагается, что статусный товар является
«непрерывным» благом, которое может потребляться в различных количествах.
Аналогичная модель может быть предложена для случая дискретного статусного блага.
Модель равновесия на коррупционном рынке «красивых» автомобильных номеров в простейшем варианте выглядит следующим образом. Пусть население (численность которого нормализована к единице) состоит из двух групп – обеспеченных индивидов и среднего класса. Численность обеспеченных индивидов составляет , а доход этих граждан равен ; численность среднего класса равна причем каждый представитель среднего класса имеет доход
Предполагается, что имеется две марки автомобилей – элитная и массовая, причем представители среднего класса покупают массовую марку, а обеспеченные индивиды – элитную. Цена массовой марки машины равна
, а выгода от ее эксплуатации составляет
; для элитной машины эти величины составляют соответственно и
Функции полезности индивидов в соответствии с упомянутой выше общей моделью статусного потребления имеют вид
( ) где – выигрыш от использования автомобиля, – доход индивида после приобретения автомобиля (и, возможно, «красивого» номера), – коэффициент тщеславия, – статус (доля населения со статусом, меньшим, чем у индивида). Функция монотонно возрастает и обладает свойством убывающей предельной полезности.

19
Коэффициенты тщеславия у разных индивидов, вообще говоря, не совпадают; предполагается, что такой коэффициент распределен среди континуума индивидов согласно закону с кумулятивной функцией распределения ( ). Предполагается также, что тщеславие некоррелировано с доходом, так что его распределение среди среднего класса и обеспеченных индивидов одно и то же и также описывается функцией ( ).
Будем предполагать, что некоторая часть «красивых» номеров коррупционным путем достается представителям обеспеченного класса, которые готовы платить за это цену ??????, составляющую коррупционный доход бюрократов, ведающим распределением номеров. Оставшиеся «красивые» номера распределяются законным, т.е. случайным, образом. Ввиду малочисленности обеспеченного класса пренебрежем ради простоты долей доставшихся ему случайно номеров, и будем считать, таким образом, что все номера на машинах дорогой марки получены коррупционным путем. Наоборот,
«красивые» номера на массовых машинах получены по закону – таким образом, предполагается, что массы не покупают «красивые» номера. Последнее предположение выглядит естественным – цена «красивого» номера устанавливается в основном спросом обеспеченного класса и может оказаться не по карману представителю масс. В терминах используемой модели, ввиду убывающей предельной полезности остаточного дохода , предельные издержки (утраченная полезность) тщеславия для среднего класса оказываются запретительно высокими.
9
Решение представителя обеспеченного класса о приобретении по цене ?????? «красивого» номера определяется сравнением соответствующих полезностей. Если довольствоваться обычным номером, то полезность составит
(
) ( ), тогда как в случае приобретения «красивого» номера полезность будет равна
(
??????) (
( ( ̂)), где ̂ – пороговое значение коэффициента тщеславия, с которого обеспеченные индивиды начинают приобретать «красивые» номера. Индивид из этой группы с ̂ безразличен между обеими опциями, вследствие чего
̂ ( ̂) (
) (
??????).
9
В несколько иной версии модели, когда приобретение «красивого» номера должно сигнализировать необычные возможности владельца машины (доход, влияние, способность добиваться особого положения и пр.), нежелание владельца массовой машины приобретать «красивый» номер может объясняться не только высокими издержками, но и низкой ценностью посылаемого сигнала. Точнее говоря, возникает разделяющее равновесие, в котором сигнал о статусе посылают только обеспеченные индивиды. В этом равновесии попытка послать сигнал владельцем массового автомобиля не окажет должного эффекта на окружающих, которые сочтут, что «красивый» номер достался данному индивиду случайно, и не сделают из этого желаемого вывода о личных качествах владельца машины, сочтя, что ему просто повезло. В терминах теории сигнализирования, в данном случае наблюдается неблагоприятное соотношение между сигналом и шумом, вследствие чего издержки сигнализирования не окупаются, и сигнализирования в данной группе не происходит, как это и должно быть в разделяющем равновесии.

20
Спрос на «красивые» номера равен, очевидно, ( ( ̃)), и таким образом возникает следующее уравнение спроса
( )
( ) (
) (
??????), позволяющее рассчитать функцию спроса (?????? ), убывающую по ?????? и возрастающую по .
Функция предложения «красивых номеров» имеет вид (?????? ), где – индекс коррупции. Эта функция возрастает по ?????? и . Данные свойства отражают тот факт, что чем более коррумпирована служба по выдаче номеров, тем меньше контролируется процедура выдачи номеров, и тем с меньшими издержками такие номера могут быть пущены в коррупционный оборот; при этом, как обычно, чем выше цена, тем сильнее стимулы к вовлечению в этот оборот «красивых» номеров.
10
В модели предполагается, что коррупционный рынок «красивых» номеров является конкурентным. Для справедливости этого предложения достаточно иметь возможность получить номер в одном из нескольких офисов соответствующего ведомства.
11
Конкурентное равновесие определяется равенством
(?????? ) = (?????? ) из которого могут быть найдены равновесный объем рынка и цена:
( , ), ?????? ??????( )
Простой анализ сравнительной статики приводит к следующим выводам:
А) Рост доходов населения (увеличение ) повышает объем продаж «красивых номеров» и их цену;
Б) Рост коррупции (увеличение ) также повышает продажи и снижает цену.
7.
Эмпирический анализ
10
Функция предложения может иметь нулевую эластичность по цене; в этом случае доля «красивых» номеров, попадающих на коррупционный рынок, сама может служить мерой коррупции.
11
Именно так обстоит дело в России, где владелец автомобиля может зарегистрировать его в любом отделении ГИБДД в данном регионе. Для конкурентности коррупционного рынка необходимо также предположение о том, что коррупция носит децентрализованный характер и не координируется из вышестоящего центра. В случае централизованной коррупции более уместна монопольная модель образования коррупционной цены, но основные выводы анализа сохраняют силу и в этом случае. В частности, объем коррупционного рынка, как и в конкурентной версии модели, растет по мере увеличения коррумпированности соответствующей службы.

21
Изложенная модель предсказывает перераспределение «красивых» номеров в пользу дорогих автомобилей от массовых марок, ввиду того, что владельцы последних не располагают средствами, подчас немалыми, для приобретения «красивого» номера, и вдобавок рынок не считает такие номера на недорогой машине свидетельством престижа.
Эмпирическая проверка предсказаний модели возможна ввиду того, что как марка автомобиля, так и его номер, доступны непосредственному наблюдению.
Нами используются данные о марках и номерах автомобилей, поставленных на государственную регистрацию в г. Москве в период с 2000 по 2007 гг.; число таких автомобилей близко к 4 миллионам. Важно, что период наблюдений заканчивается до вступления в силу в 2011 г. приказа МВД, разрешившего сохранение номера за автомобилем при смене владельца, так что легальное рыночное перераспределение номеров в этот период было невозможно. Таким образом, аномалии в распределении номеров могли возникать только у «источника» их выдачи, и если такие аномалии удастся обнаружить, они могут быть с полным основанием отнесены на счет коррупции.
Нас по-прежнему интересуют главным образом три разновидности номеров вида ххх, 00х и х00. В некоторых случаях также отслеживаются номера с симметричной цифровой частью вида х0х, а также номера, совпадающие с цифровым кодом региона
(077, 177).
Если рассмотреть распределения номеров для автомобилей дорогих марок, то в таких распределениях отчетливо видны «пики», соответствующие «красивым» номерам ; при этом особенно выделяются номера вида ххх(Рис. 8.1-8.5).
12
В то же время аналогичные «пики» отсутствуют для автомобилей массовых марок (Рис. 8.6-8.9).
Обнаруженные различия являются высоко статистически значимыми, и не могут быть отнесены на долю случайных факторов. Таким образом, есть основания говорить об аномально высокой концентрации «красивых» номеров среди дорогих автомобилей, которая иначе как коррупцией в соответствующих службах ГИБДД объяснена быть не может.
12
Одна и та же «красивая» цифровая комбинация может встречаться в сочетании с различными буквенными частями номера.

22
Рис. 1 Распределение номеров автомобилей марки Mercedes-Benz
Рис. 2 Распределение номеров автомобилей марки BMW
050 111 222 333 400 444 500 555 600 700 777 888 999 0
200 400 600 800 1000 1200 1400 1600 1800 2000 1
21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 501 521 541 561 581 601 621 641 661 681 701 721 741 761 781 801 821 841 861 881 901 921 941 961 981

23
Рис. 3 Распределение номеров автомобилей марки Lexus
Рис. 4 Распределение номеров автомобилей марки Infiniti
050 111 222 333 500 555 777 999 0
100 200 300 400 500 600 1
16 31 46 61 76 91 106 121 136 151 166 181 196 211 226 241 256 271 286 301 316 331 346 361 376 391 406 421 436 451 466 481 496 511 526 541 556 571 586 601 616 631 646 661 676 691 706 721 736 751 766 781 796 811 826 841 856 871 886 901 916 931 946 961 976 991 111 222 300 333 400 555 777 888 999 0
20 40 60 80 100 120 140 160 180 200 1
24 47 70 93 116 139 162 185 208 231 254 277 300 323 346 369 392 415 438 461 484 507 530 553 576 599 622 645 668 691 714 737 760 783 806 829 852 875 898 921 944 967 990

24
Рис. 5 Распределение номеров автомобилей марки Bentley
Рис. 6 Распределение номеров автомобилей марки Ford
007 111 333 444 777 999 0
10 20 30 40 50 60 70 005 111 555 777 999 0
2 4
6 8
10 12 14 16 18 20 001 009 024 041 095 114 140 173 196 212 237 266 292 311 343 362 410 433 456 489 521 555 581 609 634 674 700 718 757 786 812 836 869 887 905 922 950 969 991

25
Рис. 7 Распределение номеров автомобилей марки

Škoda
Рис. 8. Распределение номеров автомобилей марки

Škoda
0 50 100 150 200 250 300 350 400 1
25 49 73 97 121 145 169 193 217 241 265 289 313 337 361 385 409 433 457 481 505 529 553 577 601 625 649 673 697 721 745 769 793 817 841 865 889 913 937 961 985 108 359 745 0
10 20 30 40 50 60 70 80 90 100 1
25 49 73 97 121 145 169 193 217 241 265 289 313 337 361 385 409 433 457 481 505 529 553 577 601 625 649 673 697 721 745 769 793 817 841 865 889 913 937 961 985

26
Рис. 9 Распределение номеров автомобилей марки

ВАЗ
Ввиду того, что количество «красивых» номеров изначально ограничено, их высокая концентрация среди автомобилей дорогих марок должна сопровождаться особой редкостью таких номеров среди массовых автомобилей. Данные подтверждают наличие
007 0
50 100 150 200 250 300 1
25 49 73 97 121 145 169 193 217 241 265 289 313 337 361 385 409 433 457 481 505 529 553 577 601 625 649 673 697 721 745 769 793 817 841 865 889 913 937 961 985 010 115 151 264 344 413 626 676 989 500 520 540 560 580 600 620 640 660 680 700 001 024 047 070 093 116 139 162 185 208 231 254 277 300 323 346 369 392 415 438 461 484 507 530 553 576 599 622 645 668 691 714 737 760 783 806 828 851 874 897 919 942 965 988

27 такого «закона сохранения» – «красивые» номера оказываются наиболее популярными среди автомобилей дорогих марок, и наименее часто встречающимися среди массовых моделей.
Таблица 9. Рейтинги автомобильных номеров
Наиболее часто встречающиеся номера среди автомобилей Mercedes Benz
Наименее часто встречающиеся номера среди автомобилей ВАЗ
1 777 001 2
001 005 3
999 003 4
500 007 5
007 666 6
555 005 7
888 008 8
600 002 9
002 555 10 005 006
Численность «красивых» номеров среди автомобилей различных марок – как элитных, так и массовых – приведена в следующей таблице.
Таблица 10. Количество «красивых» номеров начинают ся на 00 круглые
(100, 200) одна цифра
(555, 777) симметричн ые (101, 303) индекс регион а (077,
177) все остальн ые итого
Bentley
64 39 84 99 6
387 679
Rolls-
Royce
44 27 97 44 2
416 630
Mersede s-Benz
8360 10535 9194 28174 1968 235911 29414 2
BMW
3006 3405 3073 10971 585 103930 12497 0
Audi
2114 3180 2294 10561 636 118900 13768 5
Ford
1479 2749 1186 9934 587 138664 15459 9
Skoda
453 1026 428 3488 195 51470 57060
ВАЗ
4277 11271 4857 41066 2321 519422 58321 4
ГАЗ
1009 2044 918 7309 454 115362 12709

28 6
Частоту «номеров» можно оценить, сравнив ее с частотой возникновения этих номеров при их случайном распределении между машинами (как это и должно быть по закону).
Номера типа ххх или 00х составляют 1% от общей численности номеров для каждого из типов (10 номеров из 1000). Фактические доли номеров этого типа представлены в следующей таблице.
Таблица 11. Доли «красивых» номеров
00х ххх
Bentley
94 124
Rolls-Royce
70 154
Mersedes-
Benz
28 31
BMW
24 25
Audi
15 17
Ford
10 8
Skoda
8 8
ВАЗ
7 8
ГАЗ
8 7
Нетрудно видеть, что дорогих автомобилей частота появления «красивого» номера превышает «бескоррупционный» уровень в 2-3 раза (это число, несомненно, было бы еще выше, если исключить из числа автомобилей сегмента «премиум» подержанные машины этих марок, которые правомерно отнести к массовым моделям.). Для роскошных автомобилей превышение составляет 7-10 раз. Соответственно среди массовых моделей
«красивые» номера встречаются на 20-30% реже, чем это было бы в отсутствие коррупции.
Наглядное представление о перераспределении «красивых» номеров от массовых моделей машин к дорогим маркам дает следующий рисунок. На нем изображена доля
«красивых» номеров для различных моделей в зависимости от средней цены автомобиля определенной марки. На рисунке учтены номера 00х, ххх, и х00; доля таких номеров среди всех автомобилей составляет 3%, и значимые отклонения от этого среднего уровня свидетельствуют о коррупции.
Рис. 10. Частота «красивых» номеров для автомобилей различных марок

29
Часть диаграммы над линией 3% характеризует объем коррупционного рынка
«красивых» номеров (при подсчете высоту столбцов следует учитывать с весами, отражающими численность автомобилей соответствующих марок).
13
Расчеты показывают, что только для пяти наиболее дорогих моделей машин в их пользу в Москве перераспределено около 5000 «красивых» номеров. При оценке стоимости одного номера в 40 тысяч рублей (в настоящее время, как явствует из Таблицы 8, такая оценка может достигать 120-140 тысяч рублей), мы приходим к нижней оценке коррупционного рынка
«красивых» автомобильных номеров в Москве в 200 млн. рублей.
8.
Направления дальнейших исследований
На дальнейших этапах исследования предстоит включить в анализ данные о распределениях «красивых» номеров среди различных марок автомобилей для других регионов России. Масштабы перераспределения «красивых» номеров от недорогих к дорогим моделей автомобилей позволит судить о коррумпированности соответствующих служб в российских регионах. Это позволит получить объективную меру коррупции, которую предстоит сравнить с существующими индикаторами коррупции и таким образом дать последним объективную верификацию.
Первоначально в качестве «сырой» меры коррупции в соответствующей региональной службе можно будет взять долю «красивых» номеров, перераспределенных в пользу дорогих моделей автомобилей. Такой подход, однако, не является полностью удовлетворительным, поскольку согласно изложенной ранее модели размер
13
Емкость рынка можно также оценить «площадью» (с необходимыми весами) диаграммы под трехпроцентной линией; при учете всех марок автомобилей обе величины должны совпасть.
3%
0%
10%
20%

30 коррупционного рынка «красивых» автомобильных номеров зависит не только от коррумпированности службы регистрации автомобилей (влияющей на предложение
«красивых» номеров состоятельным автовладельцам), но и от спроса на такие номера, который в сою очередь определяется доходами населения. Более уместной в такой ситуации окажется эконометрическая модель, в которую уровень коррупции будет включен в виде латентной переменной.
Возможное применение мер коррупции, рассчитанных по изложенной выше методике, не ограничится верификацией известных ранее индексов коррупции.
Значительный интерес представит также возможность выяснить, каким образом коррупция отражается на результатах работы соответствующих служб, в данном случае дорожной полиции. Для этого можно будет воспользоваться статистическим данными об аварийности на дорогах и другими индикаторами эффективности работы ГИБДД. Можно ожидать, что уровень коррупции находится в обратной зависимости с результатами работы дорожной полиции, поскольку коррупция и ненадлежащее исполнение должностных обязанностей и неэффективное и/или нецелевое использование соответствующих средств являются различными проявлениями одних и тех же недостатков в организации работы государственных органов, дефицита подотчетности и прозрачности и отсутствия необходимых стимулов среди персонала. Региональные данные о распределении «красивых» номеров позволят проверить такого рода гипотезы.
Литература
Полищук Л. И., Шестоперов О. М.,
Щетинин О. А. Посредники между частным сектором и государством: содействие бизнесу или соучастие в коррупции? // Вопросы экономики. 2008. № 3. С. 106-123.
Acemoglu, D., Querubin, P., Johnson, S., J. Robinson. When Does Policy Reform Work? The
Case of Central Bank Independence. Brookings Papers on Economic Activity, vol. 39(1), pages 351-429, 2008.
Aghion, Ph., Algn Y., Cahuc, P., Shleifer, A. Regulation and Distrust Quarterly Journal of
Economics. 125(3), 1015-1049, 2010.
Bardhan, P. Scarcity, Conflict, and Cooperation. MIT Press, 2004.
M. Dewatripont, I.Jewitt, J. Tirole. Economics of Career Concerns. Part II: Application to
Missions and Accountability of Government Agencies. Review of Economic Studies, 66 (1),
1999 ,199-217.
Djankov, S., La Porta. R., Lopez-de-Silanes, F., and A. Shleifer. The Regulation of
EntryQuarterly Journal of Economics, 117(1), 1-37, 2002.
Fishman, R., Miguel, E. Corruption, Norms, and Legal Enforcement: Evidence from
Diplomatic Parking Tickets. Journal of Political Economy, 2007, 119(6).
Frank, R.H. (1985) The demand for unobservable and other nonpositional goods. American
Economic Review 75: 101–116.

31
Glaeser, E., La Porta. R., Lopez-de-Silanes, F., and A. Shleifer. Do Institutions Cause Growth?
Journal of Economic Growth, 2004, Volume 9, Issue 3, pp 271-303
Golden M, Picci L. 2005. Proposal for a new measure of corruption, illustrated with Italian data.
Econ. Polit. 17:37–75
Libman, A., Kozlov. Sub-National Variation of Corruption in Russia: What Do We Know
About It? Region: Regional Studies of Russia, Eastern Europe, and Central Asia, 2, Number
2, 2013, pp. 153-180.
Mason, R. (1984), "Conspicuous Consumption: A Literature Review”, European Journal of
Marketing, Vol. 18 No.3, pp. 26–39.
Oldenburg, Ph. Middlemen in Third-World Corruption: implications of an Indian case. World
Politics, Vol. 39, No. 4, Jul., 1987.
Rose-Ackerman, S. Corruption and Government: Causes, Consequences, and Reform.
Cambridge University Press, 1999.
Shleifer A., Vishny R. Corruption. The Quarterly Journal of Economics, Vol. 108, No. 3. (Aug.,
1993), pp. 599-617.
Treisman, D. What Have We Learned About the Causes of Corruption from Ten Years of Cross-
National Empirical Research? Annual Review of Political Science, 2007, 10, 211-244.

Каталог: data -> 2014
2014 -> Особенности проведения маркетИнговых исследований для новых товаров
2014 -> Программа исследования 28
2014 -> Специализированный журнал автомобильной тематики: специфика аудитории, контента, продвижения на рынок
2014 -> Федеральное государственное автономное образовательное
2014 -> Программа «Управление образованием»
2014 -> Приложения выберите пункт Электронная почта
2014 -> Клиент-серверная система на основе беспроводной сети стандарта ieee 802. 15. 4
2014 -> Гринкруг Ефим Михайлович (должность, звание) подпись (Ф. И. О.) (Дата) Москва, 2014 г реферат


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©nethash.ru 2019
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал