Диссертация (1136874), страница 15
Текст из файла (страница 15)
Средний донор жертвует лишь около 2,7 раз. Среднеепожертвование равно 632.7 BGN ($442.3). Возможным объяснением может бытьто, что политические затраты представляют собой невозвратные издержки,которые не могут внести свой вклад в будущие инвестиции и более высокие, чемобычно, пожертвования могут привлечь нежелательное внимание.Послезаметного пика в 2006 году пожертвования резко сократились, достигнув лишьBGN 7,113,689 ($4,972,521) в 2011 г. – тенденция, характерная для большинствадоноров.
Эта тенденция к снижению может объясняться экономическимкризисом и коррупционными скандалами, связанными с этой неоднозначнойпрактикой. Доноры полиции составляют: средние и малые предприятия (63.8%),большие(между)народныекорпорации(15.7%)(включаяроссийскиеэнергетические компании), министерства и муниципалитеты (7.4%), физическиелица (5.1%), иностранные правительства (в основном, Германии, Нидерландов,США и Соединенного Королевства) (3.3%), кооперативы (2.2%), элитныеспортивные клубы (1.8%), ассоциации, союзы и НКО (0.5%), суды (0.3%), истаршие школы (0.1%). Есть два правдоподобных объяснения, почему малые исредние предприятия производят подавляющее большинство пожертвований.
Вначале 1990-х годов, приватизация, либерализация рынка и новая конституция,гарантировавшая права частной собственности и современный коммерческийкодекс, привели к значительному увеличению небольших частных фирм в7Местные единицы валюты, переведенные в доллары по среднему обменному курсу 2005 г.88Болгарии.
В период крупных социально-экономических преобразований переходк рынку предлагал нарождающемуся бизнесу многочисленные возможности дляперераспределенияресурсовотнизкойквысокойпроизводительнойдеятельности в новой рыночной экономике. Во-вторых, для более мелких фирмтребуется меньшее количество капитала и бюрократии при регистрации. Вполневозможно, что некоторые малые и средние предприятия являются фирмамиоднодневками, зарегистрированными, чтобы обслуживать определенные узкиеинтересы.Рисунок7иллюстрируетпожертвованыеденьгипотипупромышленности и размеру фирмы.
Большинство крупных корпораций – это(меж)национальные банки и крупные промышленные предприятия. Малые исредние предприятия состоят главным образом из охранных, транспортныхи строительных фирм, мелких и розничных торговцев. Пожертвованныеденьги были потрачены на топливо (32.6%), аппаратуру (17.6%), бензин(16.7%), офисное оборудование и канцелярские товары (10.0%), транспортныесредства или связанные с ними предметы (5.6%), программное обеспечение(3.4%), наличные (2.7%), и многое другое. Опрошенные сотрудники полициипояснили,чтонекоторыеполицейскиедепартаментыпринимаютвосновном топливо потому, что «[...] топливо является конвертируемымтоваром, который легко перепродать.
У нас нет достаточного количестватоплива, так как многие коллеги воруют топливо, чтобы перепродать его нарынке» [3].Самую большую долю денег получали крупные региональные управленияполиции (77%), за которыми следовали подразделения пограничной охраны(7.9%),безопасности(4.6%)итранспортнаяполиция(3.5%).Такоераспределение позволяет предполагать, что доноры пытаются повлиять нанациональную региональную политику, так же, как и пограничную политику иполитику безопасности. Далее, мы применяем сетевую методологию для89выявления скрытых взаимодействий на микроуровне между донорами иполицией.
Мы визуализируем данные в виде двухрежимной сети доноров иполицейских ведомств, в адрес которых совершались пожертвования, сиспользованием алгоритма Kamada- Kawai (1989), который отделяет болеесвязанные кластеры от менее связанных. Квадраты представляют уникальныеполицейские подразделения, а круги - фирм–доноров. Края иллюстрируютденежные переводы. Этот алгоритм позволяет различать более и менеедоминирующие группы интересов в скрытой сети.Преимущественнонебольшие фирмы, порой в сотрудничестве с крупными предприятиями,мобилизуются в небольшие разнородные клики, чтобы финансировать отделенияполиции в их районе.
Мы наблюдаем единственную доминирующую группуинтересов в центре графика в окружении многочисленных мелких клик.Доминирующая группа интересов, содержащая сильно связный кластер, можетбыстромобилизоваться,чтобысодействоватьилиблокироватьинституциональные изменения, вытесняя интересы изолированных клик. Такаясетевая конфигурация напоминает Порядок ограниченного доступаНорта (2007). В Порядке ограниченного доступа, «государство не обладаетбезопасной монополией на насилие, и, таким образом, общество должносформировать доминирующую коалицию, в которую входят все отдельные лицаи группы с ограниченным доступом к насилию, способную контролироватьконфликты между разными частями элит, в целях поддержания социальногопорядка».Рисунок 8 иллюстрирует географическое распределение пожертвованийпериода 2005-2011 гг.
для двух групп акторов – малых и средних предприятий икрупных корпораций. Пожертвования малых и средних предприятий и болеекрупных корпораций коррелируют положительно (r = .65, ρ = .00 с 2010-2011, иr =.77, ρ = .00 с 2005-2006) предполагая, что менее опытные мелкие фирмы90имитируют рыночное поведение старых, более влиятельных корпораций, длятого, чтобы выжить на рынке. В 2005 году, как малые и средние предприятия,так и крупные корпорации делали пожертвования преимущественно вприбрежных провинциях Болгарии. В период государственного социализма,коммунистическая партия построила легендарные курорты вдоль болгарской380-километровой береговой линии.
После того, как в 1995 году началасьмассовая приватизация, олигархи и преступные группы были одними из первых,захвативших активы морских курортов. Концентрация пожертвований полициив прибрежной зоне предполагает связь между пожертвованиями полиции имассовой приватизацией в Болгарии.
Начиная с 2011 года, фирмы началиперемещение своих взносов в более центральные регионы.Таблица 2 представляет описательную статистику и простые корреляцииПирсона для всех наших статистических переменных. Мы представляем болееподробную описательную статистику в таблицах в приложении. Пожертвованиямалых и средних фирм и более крупных корпораций коррелируют положительно(r = .65, ρ = .00 с 2010-2011, и r = .77, ρ = .00 с 2005-2006), что предполагаетдлительное подражание между фирмами-конкурентами. Местные органы власти,собирая более высокие корпоративные налоги, тратят значительно меньше повопросам безопасности и обороны (r = -.64, ρ =.00), и менее эффективнообеспечивают правоохранение (r = -.32, ρ = .01). Более того, полицейскиеподразделения, которые собрали больше пожертвований в 2005-2006 гг, менееэффективно обеспечивали работу правоохранительных органов с 2010-2011годов (r = -0.26, ρ =0.04).
Это говорит о неэффективности в распределениибюджета полиции и отсутствии социального государства.91Рисунок 6. Описательная статистика пожертвований в пользу болгарскойполиции, 2005-2011Примечание: Пожертвования рассчитываются в местной валюте в постоянных ценах 2005года.92Рисунок 7. Пожертвования по отраслям и размерам предприятий, 2010-2011Примечание: тысячи в единицах местной валюты в постоянных ценах 2005 года.Рисунок 8. Географическое распределение пожертвований полиции порегионам и типам фирм, 2005-2011Примечание: Совокупные региональные пожертвования рассчитываются в местной валюте впостоянных ценах 2005 года и нормализованы по числу сотрудников полиции в регионе.93Таблица 2.
Корреляции и описательные статистики для всех исходныхпеременныхSDM11. Big0.000.002. МСП0.000.000.65***1.002314567891013. Big’1,1471.34,628-0.13*-0.25*4. МСП’2,2552.74,357-0.03-0.11*NA5. Law9.6653.38-0.31**-0.17-0.005-0.0211.006. Defense0.892.72-0.06-0.180.13*0.05*0.131.007. License0.000.00-0.14-0.25-0.03-0.01-0.230.061.008. Tax5.3315.420.31**0.35**-0.07*0.01-0.32**-0.64***-0.061.009.
Bigt-50.000.000.04-0.100.15*0.14*-0.18-0.180.060.121.0010. МСПt-50.000.000.01-0.050.08*0.04*-0.26*-0.08-0.10-0.030.77***1.00Примечание: N = 56, *p < .05, **p < .01, ***p < .001.Таблица 3. Тест множителя Лагранжа (LM) Бройша-ПаганаСтатистикаБольшие корпорации corporationsМСПChi sq0.240.692Таблица 4. Тест ГаусманаСтатистикаБольшие корпорацииМСПChi sq0.3130.917df44p-value0.9890.922Таблица 5. Тест Бройша-Пагана на гомоскедастичностьСтатистикаБольшие корпорацииМСПBP35.93841.802df323294p-value0.2890.115df p-value1 0.6241 0.406Таблица 6. Результаты регрессионного анализа для МСПЗависимая переменная:lnLawlnDefenselnLicensetaxBig (сводная1)Big (сводная2)МСП(сводная 1)МСП(сводная 2)Big(случайная 1)BigМСП(случайная 2) (случайная1)МСП(случайная 2)-1.02-0.85-0.24-0.26-0.98-0.85-0.22-0.26(0.82)(0.84)(0.46)(0.50)(0.82)(0.84)(0.47)(0.50)1.08**1.12***0.080.081.12***1.15***0.110.11(0.41)(0.40)(0.23)(0.24)(0.42)(0.40)(0.24)(0.25)-0.45**-0.46**-0.38***-0.38***-0.45**-0.45**-0.38***-0.38***(0.21)(0.20)(0.12)(0.12)(0.20)(0.20)(0.12)(0.12)0.10***0.10***0.04**0.04**0.10***0.10***0.04***0.04**(0.02)(0.02)(0.02)(0.02)(0.02)(0.02)(0.02)(0.02)lnBig t-50.120.10(0.12)(0.12)lnSmall t-5-0.02-0.05(0.10)(0.09)-12.87***-12.08***-12.55***-12.68***-13.06***-12.32***-12.69***-13.12***(2.84)(2.86)(1.67)(1.52)(2.90)(2.99)(1.73)(1.63)Observations5656565656565656R20.250.260.220.230.220.240.190.190.230.230.200.200.200.210.180.174.21*** (df =4; 51)3.53*** (df =5; 50)3.70** (df =4; 51)2.90** (df =5; 50)3.68** (df =4; 51)3.11** (df =5; 50)3.08** (df =4; 51)2.39* (df =5; 50)ConstantAdjusted RF Statistic2* ** ***Note:p p p<0.013.3 Результаты95Используя панельный анализ данных и многоуровневую регрессию вRX643.3.1, мы запускаем две модели для каждого типа донора: первая включает всебя все наши объясняющие переменные, а вторая добавляет зависимуюпеременную с лагом.
В таблице 6 представлены результаты регрессии анализасводных и панельных данных. На рисунках 9 и 10 и в таблицах 14 и 15 вприложении представлены результаты многоуровневой регрессии. Таблица 7подытоживает наши гипотезы, находки и предположения.Для того, чтобы решить, следует ли использовать простую множественнуюрегрессию или анализ панельных данных, мы сначала тестируем случайныеэффекты с использованием теста Бройша-Пагана с множителем Лагранжа (LM).Нулевая гипотеза в тесте LM показывает, что отклонения между группами равнынулю.
То есть, нет никакой существенной разницы между единицами (то есть,нет панельного эффекта). В таблице 3 представлены данные тестов LM. ТестыLM для малых и средних предприятий и крупных корпораций не смоглиотвергнуть нулевую гипотезу, и мы приходим к выводу, что модель случайногоэффекта не подходит. То есть, нет доказательств существенных различий междурегионами.
Тем не менее, мы запускаем и сводную модель, и модель случайногоэффекта, так как наши данные о пожертвованиях имеют панельную структуру.Для того, чтобы выбрать между фиксированными или случайными эффектами,мы используем тест Хаусмана,где нулевая гипотеза состоит в том, чтопредпочтительная модель выглядит как случайные эффекты в сравнении сальтернативной моделью, которая выглядит какфиксированные эффекты(Green 2008). Тест Хаусмана оценивает, коррелируют ли уникальные ошибки срегрессорами. Нулевая гипотеза состоит в том, что уникальные ошибки некоррелируютсобъясняющимипеременными.Таблица4показываетрезультаты наших тестов Хаусмана для малых и средних предприятий икрупных корпораций.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
