Диссертация (1105768), страница 15

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 15)

¹²⁴ Приложение 2. Таблица 2.

¹²⁵ Приложение 2. Таблица 3.

¹²⁶ Приложение 2. Таблица 4.

¹²⁷ Mauro, P. (1995). Corruption and growth // The Quarterly Journal of Economics 110(3). P. 681-712.

¹²⁸ Mo, P.-H. (2001). Corruption and economic growth // Journal of Comparative Economics 29(1). P. 66–79.

прямых иностранных инвестиций, то есть коэффициент зависимости ПИИ от ИВК должен быть высоким, положительным.

Перейдём к анализу воздействия коррупции на величину прямых иностранных инвестиций. Модель с фиксированными эффектами по объектам имеет вид¹²⁹:

FDI=14315,3+3628,1CPI

F-тест подтверждает наличие фиксированных эффектов при уровне значимости 1%. Модель со случайными эффектами описывается уравнением¹³⁰:

FDI=19849,3+61967,7CPI

Тест Бреуша-Пагана подтверждает наличие случайных эффектов при уровне значимости 1%. По результатам теста Хаусмана более качественной оказывается модель со случайными эффектами. Модели с эффектами по времени демонстрируют иной результат – наиболее точной оказывается pool-модель, поскольку фиксированные эффекты в регрессии отсутствуют на уровне значимости 5%, а случайные – на уровне значимости 1%. Таким образом, наилучшей следует признать однонаправленную модель с фиксированными эффектами по объектам. В динамических моделях лаг FDI оказывается статистически незначимой

переменной.¹³¹

В таблице 17 приведены количественные результаты, показывающие, в какой степени рост коррупции влияет на изменение притока прямых иностранных инвестиций.

Далее рассмотрим модель влияния коррупции на уровень инфляции. Гипотеза заключается в том, что уровень коррупции в стране приводит к возникновению, так называемого,

«коррупционного налога», что характеризуется ростом общего уровня цен в экономике. Оптимальной является динамическая модель, поскольку одним из фундаментальных факторов инфляции является её же уровень в предыдущем периоде.

При моделировании инфляции и влияния коррупции на уровень инфляции следует учитывать, что во многих существующих моделях инфляции одним из основных факторов роста уровня цен является уровень инфляции в предыдущем периоде, что объясняется значительной ролью ожиданий в процессе формирования инфляционных процессов.

Динамическая модель Аллерано-Бонда, характеризующая воздействие коррупции на уровень инфляции, описывается следующим уравнением¹³²:

INFL_t=0,31INFL_t-1-1,02CPI_t+8,7

Уравнение статистически значимо в целом и характеризуется статистической значимостью каждого коэффициента. Следует, однако, отметить, что коэффициент при ИВК

¹²⁹ Приложение 2. Таблица 5.

¹³⁰ Приложение 2. Таблица 6.

¹³¹ Приложение 2. Таблица 7.

¹³² Приложение 2. Таблица 8.

можно признать значимым только при уровне значимости 10%. В рамках моделей без динамического элемента оптимальной по результатам тестирования следует признать однонаправленную модель со случайными эффектами по объектам.¹³³ Тот факт, что модель со случайными эффектами, по результатам теста Хаусмана, является наиболее точной версией модели, чем с фиксированными эффектами¹³⁴ , объясняется высокой ролью стохастической составляющей в динамике инфляции в целом. По показателям Акаике и Шварца динамическая модель, в случае регрессии с уровнем инфляции, оказывается более точной, чем все модели без динамической составляющей.

В таблице 17 приведены количественные результаты, показывающие, в какой степени рост коррупции влияет на изменение уровня инфляции.

Перейдем к рассмотрению модели влияния коррупции на Индекс человеческого развития. Рост уровня коррупции, предположительно, приводит к сокращению Индекса человеческого развития, что свидетельствует о коррупции, как о факторе «разложения общества».

Модель с фиксированными эффектами по объектам имеет вид¹³⁵:

HDI=-0,06CPI+0,79

Модель со случайными эффектами по объектам описывается уравнением¹³⁶:

HDI=0,09CPI+0,71

Существование, как фиксированных, так и случайных эффектов подтверждается тестами. Однако модели противоречивы с точки зрения знаков влияния коррупции на Индекс человеческого развития. Методика расчёта ИЧР такова, что его зависимость от ВВП на душу населения строго положительна. Поскольку выше было показано, что с ростом ИВК растет и ВВП на душу населения, ИЧР, следовательно, так же должен увеличиваться, что является аргументом в пользу модели со случайными эффектами. Тест Хаусмана, в свою очередь, требует выбора в пользу модели с фиксированными эффектами. Это означает, что при росте коррупции сокращается ИВК и растет ИЧР. Неверный знак модели может быть следствием либо мультиколлинеарности, что невозможно в модели парной регрессии, либо зависимости ошибок от одного из регрессоров. На проверку коэффициент корреляции между ИВК и ошибками модели со случайными эффектами оказывается равным 0,67, что достаточно высоко для нарушения состоятельности оценок. Для решения этой задачи можно использовать метод инструментальных переменных или же построить динамическую модель, которая автоматически оценивается с учетом инструментальных переменных. Уравнение динамической модели вновь демонстрирует положительное влияние коррупции на Индекс

¹³³ Приложение 2. Таблица 10.

¹³⁴ Приложение 2. Таблица 9.

¹³⁵ Приложение 2. Таблица 11.

¹³⁶ Приложение 2. Таблица 12.

человеческого развития. Эффект также не удается устранить на основе использования инструментальных переменных. На диаграмме рассеивания, представленной на Рисунке 1, явно видна положительная зависимость между ИВК и ИЧР, что означает отрицательное влияние коррупции на Индекс человеческого развития.

Рисунок 1 - Диаграмма рассеивания HDI в зависимости от CPI

Данная модель оказывается единственной моделью, для которой необходимо дополнительное исследование, поскольку только для неё результаты, отображенные на графике, не совпадают с результатами уравнения регрессии. В рамках остальных моделей диаграммы рассеивания совпадали с полученными уравнениями регрессии.¹³⁷

В таком случае можно по переменному разбросу на графике предположить наличие

гетероскедастичности. После коррекции на гетероскедастичность уравнение приобретает вид¹³⁸:

HDI=0,05CPI+0,52,

что соответствует ожиданиям и подтверждает гипотезу.

В таблице 17 приведены количественные результаты, показывающие, в какой степени рост коррупции влияет на изменение Индекса человеческого развития.

Специфика дальнейшего эмпирического исследования заключается в том, что, кроме непосредственно модели регрессии на панельных данных, необходимо выбрать результирующую переменную. Помимо этого, отдельное рассмотрение продиктовано отличающейся выборкой данных для исследования.

Введём для анализа следующие переменные:

¹³⁷ Приложение 2. Рисунок 1-3.

¹³⁸ Приложение 2. Таблица 13.

• Индекс восприятия коррупции (CPI);¹³⁹

• Индекс независимости судебной системы (JI).¹⁴⁰

В таблице 16 представлена матрица корреляций, оцененная по панельным данным, по 87 странам за период 2008-2011 гг.,

Таблица 16 - Матрица корреляций

| CPI JI LCPI LJI

-------------+------------------------------------

Из таблицы 16 явно следует высокий уровень статистической значимости между величиной коррупции и независимостью судебной системы. Потенциальных переменных две

– Индекс восприятия коррупции (CPI) и Индекс независимости судебной системы (JI). Причём вопрос о направлении причинно-следственной связи является первичным, поскольку от ответа на него зависит конструкция правой и левой частей уравнения регрессии. Выявить направление причинно-следственной связи можно на основе теста Гренжера в модификации для панельных данных.

Для реализации данного теста построим две модели регрессии на панельных данных. В первой CPI, предположительно, зависит от JI и лаговых значений обеих переменных. Во второй? в качестве результирующей переменной? используется CPI при том же наборе регрессоров. Используются лаги первого и второго порядка.

В случае если лаг принимается за единицы, вид уравнений для CPI ¹⁴¹ и JI ¹⁴² ,

соответственно, представлены ниже:

CPI_t=1,68+0,49CPI_t-1+0,08JI_t+JI_t-1 JI_t=0,76+0,08CPI_t+0,49JI_t-1+0,21CPI_t-1

По критерию Вальда первое уравнение не является статистически значимым (W=3,42, Prob(W)=0,33>0,1). Соответственно, нельзя утверждать, что лаг НСС оказывает влияние на ИВК. Обратное уравнение (второе) статистически значимо по критерию Вальда (W=7,8, Prob(W)=0,049). Следовательно, если лаг принят за единицы, то именно коррупция оказывает влияние на независимость судебной системы. С целью подтверждения полученного вывода,

¹³⁹ Приложение 1. Таблица 12.

¹⁴⁰ Приложение 1. Таблица 13.

¹⁴¹ Приложение 2. Таблица 14

¹⁴² Приложение 2. Таблица 15

увеличиваем лаг независимой переменной до 2. Полученные уравнения для CPI ¹⁴³ и JI¹⁴⁴ , соответственно, представлены ниже:

CPI_t=-0,68+0,98CPI_t-1+0,08JI_t-0,03JI_t-1+0,15JI_t-2 JI_t=4,61+0,58CPI_t-1,07JI_t-1+0,37CPI_t-1-0,11CPI_t-2

В данном случае оба уравнения статистически незначимы по критерию Вальда, при уровне значимости 5%, вероятная причина – неверная спецификация, включение в модель лишнего лага. Таким образом, в общей модели регрессии результирующей переменной является JI, а регрессором – CPI.

Второй вопрос заключается в том, каков вид модели, описывающей зависимость НСС от ИВК.

Сначала построим модель с фиксированными эффектами по объектам. В основе данной модели лежит предпосылка о том, что каждая страна имеет свой собственный, независимый, фиксированный уровень независимости судебной системы, а вторая её составляющая зависит от коррупции по схеме, идентичной для всех рассматриваемых стран. Модель с

фиксированными индивидуальными эффектами имеет вид¹⁴⁵:

JI_t=2,38+0,38CPI_t

Уравнение статистически значимо в целом, коэффициент наклона также статистически значим при 5% уровне значимости. Коэффициент детерминации равен 0.11, а F-тест подтверждает наличие фиксированных эффектов по объектам. Это позволяет сделать вывод о том, что модель с фиксированными эффектами по объектам наилучшим образом подходит для

данных, чем pool-модель. Построим модель со случайными эффектами¹⁴⁶:

JI_t=1,82+0,5CPI_t

Данное уравнение также является статистическим значимым, а в соответствии с результатами теста Бреуша-Пагана, можно отвергнуть гипотезу о том, что дисперсия всех случайных эффектов равна нулю. Таким образом, модель с индивидуальными случайными эффектами описывает данные лучше, чем pool-модель. Остаётся выяснить, как соотносятся между собой модели со случайными и фиксированными эффектами. Для этого применяется тест Хаусмана. Статистика теста оказывается равна 3.55, что соответствует вероятности, равной 0.0596. При уровне значимости 5% нельзя отвергнуть гипотезу о том, что нет статистически значимой разницы между двумя способами оценки. В такой ситуации, с точки зрения математической статистики, необходимо выбрать модель со случайными эффектами.

¹⁴³ Приложение 2. Таблица 16.

¹⁴⁴ Приложение 2. Таблица 17.

¹⁴⁵ Приложение 2. Таблица 18.

¹⁴⁶ Приложение 2. Таблица 19.

Однако:

• Уровень значимости 6% уже позволяет отвергнуть данную гипотезу;

• В отличие от модели с фиксированными эффектами, модель со

случайными эффектами не имеет под собой основы в виде гипотезы о существовании некоторого индивидуального для каждой страны уровня коррупции.

Исходя из двух изложенных аргументов, следует остановить выбор на модели с фиксированными эффектами.

Далее, предположим, что имеют место фиксированные эффекты по времени (тренд). Модель принимает вид¹⁴⁷:

Характеристики

Список файлов диссертации