Модернизация и применение современного математическогоrnподхода к оценке коррупционного риска в государственных закупках (наrnпримере России)
Объектом исследования является коррупционный риск в сфере государственных закупок. Цель работы – исследование и реализация нового объективного подхода к оценке коррупционного риска в государственных закупках, основанного на применении методов математической статистики. Составлена и реализована математическая модель коррупционного риска на языке программирования Python, проведена валидация модели с использованием статистических методов и на конкретных контрактах, предложены способы улучшения качества коэффициентов модели.
ВВЕДЕНИЕ …………………………………………………………………………………………………………………………………………………………..9
ОБЗОР ЛИТЕРАТУРЫ ………………………………………………………………………………………………………………………………………11
1 ОБЪЕКТ И МЕТОДЫ ИССЛЕДОВАНИЯ …………………………………………………………………………………………………………………..14
1.1 Существующие подходы к определению коррупционного риска. Индексы коррупции. ………………………………14
1.1.1 Индекс восприятия коррупции Transparency International ………………………………………………………………..14
1.1.2 The Worldwide Governance Indicators ………………………………………………………………………………………………14
1.2 Описание методологии для объективного оценка коррупционного риска …………………………………………………16
1.2.1 Методика расчёта Corruption Risk Index (CRI) ………………………………………………………………………………..16
1.2.2 Формулировка гипотезы о составляющих коррупционного риска ……………………………………………………17
1.2.3 Определение порогов для непрерывных переменных………………………………………………………………………19
1.2.4 Методика расчёта весов элементарных показателей коррупции (ЭПК)…………………………………………….21
1.3 Применение логистической регрессии для оценки коррупционного риска …………………………………………………21
1.4 Статистические методы для валидации логистической регрессии ………………………………………………………..23
1.4.1 Проверка значимости коэффициентов регрессии (тест Вальда) ……………………………………………………….24
1.4.2 Проверка значимости уравнения регрессии. Критерий хи-квадрат отношения правдоподобия …………24
1.4.3 Допущения логистической регрессии …………………………………………………………………………………………….25
1.4.3.1 Стационарность переменных и остатков …………………………………………………………………………………25
1.4.3.2 Уровень данных …………………………………………………………………………………………………………………….31
1.4.3.3 Величина выборки …………………………………………………………………………………………………………………31
1.4.3.4 Автокорреляция в остатках …………………………………………………………………………………………………….31
1.4.3.5 Обнаружение влиятельных наблюдений …………………………………………………………………………………34
1.4.3.6 Мультиколлинеарность независимых переменных ………………………………………………………………….35
1.4.3.7 Тесты стабильности коэффициентов регрессии ………………………………………………………………………36
2 ПРИМЕНЕНИЕ МЕТОДОЛОГИИ НА ПРИМЕРЕ РЫНКА ГОСУДАРСТВЕННЫХ ЗАКУПОК В РОССИИ …………………………………….37
2.1 Подготовка исходных данных для использования в модели ……………………………………………………………………..37
2.2 Расчёт порогов для непрерывных переменных ………………………………………………………………………………………..38
2.3 Оценка коэффициентов модели ……………………………………………………………………………………………………………..39
2.4 Расчёт весов ЭПК, расчёт CRI ……………………………………………………………………………………………………………..41
2.5 Агрегация CRI на различные уровни (контракт, поставщик, регион) ………………………………………………………43
2.6 Валидация модели………………………………………………………………………………………………………………………………….45
2.6.1 Проверка значимости коэффициентов регрессии (тест Вальда) ……………………………………………………….46
2.6.2 Проверка значимости уравнения регрессии. Критерий хи-квадрат отношения правдоподобия …………46
2.6.3 Проверка допущений логистической регрессии ………………………………………………………………………………46
2.6.3.1 Результаты тестов на стационарность …………………………………………………………………………………….46
2.6.3.2 Уровень данных …………………………………………………………………………………………………………………….47
2.6.3.3 Величина выборки …………………………………………………………………………………………………………………47
2.6.3.4 Автокорреляция в остатках …………………………………………………………………………………………………….47
2.6.3.5 Обнаружение влиятельных наблюдений …………………………………………………………………………………48
2.6.3.6 Результаты теста на мультиколлинеарность ……………………………………………………………………………51
2.6.3.7 Тесты на стабильность …………………………………………………………………………………………………………..51
2.6.4 Валидация на конкретных данных ………………………………………………………………………………………………….52
3 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И РЕСУРСОСБЕРЕЖЕНИЕ …………………………………………………..53
3.1 Предпроектный анализ ………………………………………………………………………………………………………………………….53
3.1.1 Потенциальные потребители результатов исследования ………………………………………………………………….53
3.1.2 Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения 54
3.1.3 SWOT-анализ ………………………………………………………………………………………………………………………………..55
3.1.4 Оценка готовности проекта к коммерциализации ……………………………………………………………………………57
3.1.5 Методы коммерциализации результатов научно-технического исследования ……………………………………58
3.2 Инициация проекта……………………………………………………………………………………………………………………………….58
3.2.1 Цели и результат проекта ………………………………………………………………………………………………………………58
3.2.2 Организационная структура проекта ……………………………………………………………………………………………….59
3.2.3 Ограничения и допущения проекта …………………………………………………………………………………………………60
3.3 Планирование управления научно-техническим проектом ………………………………………………………………………60
3.3.1 План проекта …………………………………………………………………………………………………………………………………60
3.3.2 Бюджет научного исследования ……………………………………………………………………………………………………..63
3.3.3 Матрица ответственности ………………………………………………………………………………………………………………65
3.3.4 Реестр рисков проекта ……………………………………………………………………………………………………………………66
3.4 Определение ресурсной (ресурсосберегающей), финансовой, бюджетной, социальной и экономической
эффективности исследования …………………………………………………………………………………………………………………….67
3.5 Выводы …………………………………………………………………………………………………………………………………………………68
4 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ ……………………………………………………………………………………………………………………..69
4.1 Введение ……………………………………………………………………………………………………………………………………………….69
4.2 Правовые и организационные вопросы обеспечения безопасности ………………………………………………………….70
4.2.1 Специальные правовые нормы трудового законодательства ……………………………………………………………70
4.2.2 Перечень нормативных документов законодательства охраны труда ……………………………………………….72
4.2.3 Организационные мероприятия при компоновке рабочей зоны ……………………………………………………….73
4.3 Производственная безопасность …………………………………………………………………………………………………………..74
4.3.1 Отклонение показателей микроклимата ………………………………………………………………………………………….76
4.3.2 Недостаточная освещенность рабочей зоны ……………………………………………………………………………………77
4.3.3 Опасное воздействие электромагнитного излучения ……………………………………………………………………….78
4.3.4 Пожароопасность и вред здоровью от статического электричества ………………………………………………….79
4.3.5 Опасность поражения электрическим током …………………………………………………………………………………..79
4.3.6 Превышение допустимого уровня шума …………………………………………………………………………………………81
4.4 Экологическая безопасность …………………………………………………………………………………………………………………81
4.5 Безопасность в чрезвычайных ситуациях ………………………………………………………………………………………………82
4.6 Выводы …………………………………………………………………………………………………………………………………………………85
ЗАКЛЮЧЕНИЕ…………………………………………………………………………………………………………………………………………………..86
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ …………………………………………………………………………………………………87
ПРИЛОЖЕНИЕ А ………………………………………………………………………………………………………………………………………………90
ПРИЛОЖЕНИЕ Б……………………………………………………………………………………………………………………………………………….91
ПРИЛОЖЕНИЕ В……………………………………………………………………………………………………………………………………………….92
ПРИЛОЖЕНИЕ Г……………………………………………………………………………………………………………………………………………….93
ПРИЛОЖЕНИЕ Д ………………………………………………………………………………………………………………………………………………94
Одной из ключевых угроз национальной безопасности Российской
Федерации является высокий уровень криминализации и коррупции в
экономической сфере [1]. В частности, огромной проблемой является коррупция
в государственных закупках. По информации Счётной палаты Российской
Федерации объём госзакупок только в 2015 году составил 25 трлн. рублей. При
этом только за 9 месяцев было выявлено нарушений более чем на 34 млрд.
рублей [2].
Эмпирические исследования коррупции в настоящее время имеют
глобальный характер. Свои индексы коррупции по большому массиву стран на
регулярной основе рассчитывают Transparency International, The World Bank,
Transparency International, Heritage Foundation, Freedom House. Характерной
особенностью индексов этих и множества других организаций и
исследовательских групп является то, что они используют «два основных
способа измерения коррупции в обществе: измерение через восприятие и
измерение через наличие коррупционного опыта» [3]. Очевидно, что оба этих
способа достаточно субъективны.
Текущим трендом в исследованиях коррупции являются попытки
преодоления субъективного характера ее измерений в соответствии с
вышеназванными подходами и прежде всего методиками «World Bank’s Control
of Corruption» и «Transparency International’s Corruption Perceptions Index» и
создания более объективных измерителей коррупции [4]; [5]. Наиболее
удачными в этом направлении являются работы М. Фазекаса и его коллег [6]; [7]
по CEU Government Transparency Institute и связанному с ним Corruption Research
Center (Будапешт), опирающихся на методы статистического анализа, Big Data и
сетевой науки (Network Science).
Целью данной работы является исследование и реализация нового
объективного подхода к оценке коррупционного риска в государственных
закупках, основанного на применении методов математической статистики. Для
достижения данной цели были сформулированы следующие задачи:
1. Изучить существующие подходы к определению коррупционного риска в
государственных закупках, изучить методику составления индексов коррупции.
2. Выбрать актуальный и методологически обоснованный подход к
определению коррупционного риска. Модернизировать методологию для
возможности ее применения в России.
3. Собрать, обработать, визуализировать входные данные.
4. Составить и реализовать математическую модель коррупционного риска
на языке программирования Python.
5. Провести валидацию модели.
Обзор литературы
Большой вклад в изучение механизмов коррупции в госзакупках внесла
работа Cole, S., & Tran, A [8], в частности глава «Evidence from the Firm: A New
Approach to Understanding Corruption». В ней уделяется большое внимание
распространённым схемам по отмыванию денег, описываются ключевые
различия в государственных и частных закупках, освещается ненадежность
социальных опросов, в случае, когда даже тщательные исследования не
позволяют количественно определить наличие сговора. В итоге представлен
подход, позволяющий выявлять взаимосвязь организаций.
Особый интерес в рамках данной работы представляет статья M. Fazekas
[6], где представлен индикатор, полученный исключительно из объективных
данных, определенный на микроуровне, например, отдельные транзакции, и
имеющий возможность для последовательных временных сопоставлений внутри
и между странами. Этот индикатор включает большое количество элементарных
показателей, описанных в статье [9], таких как: подача единственной заявки, тип
процедуры закупки, длина критериев отбора, длительность периода
рассмотрения заявок, стоимость подачи документов на тендер, изменение
условий конкурса и т. д. (Подробнее в Разделе 1.2.2).
В статье [10] рассмотрено применение данной методологии в Венгрии для
измерения коррупционного риска государственных закупок в масштабе страны.
В источнике [11] так же применен объективный метод измерения коррупции на
данных в Италии.
Некоторые более общеизвестные и широко используемые индексы,
ориентированные на измерение коррупции являются индекс восприятия
коррупции (ИВК), который составляется международной организацией
Transparency International [12], и Worldwide Governance Indicators (WGI)
Всемирного банка [13]. Множество работ направлено на то, чтобы показать их
несостоятельность и обосновать необходимость составления объективных
индексов. Например, в [14] проведено сравнение этих двух индексов, и показано,
что ИВК не дает полной информации о коррупции в стране, потому что она
отражает восприятие коррупции только в государственном секторе с точки
зрения деловых людей и экспертов страны. Так же сравнение ИПЦ между годами
может быть затруднено, поскольку рейтинг страны может легко измениться из-
за изменений в списке анализируемых стран.
В статье [15] критически анализируется методология расчета ИВК.
Обосновываются рекомендации по формированию концептуальных и
методических основ национальной системы оценки уровня коррупции как
универсального стандартизированного инструментария для проведения
систематического мониторинга антикоррупционной деятельности в Российской
Федерации.
В то же время в статье [16] рассматривается проблема измерения
коррупции, отношение к коррупционным рейтингам. Основное внимание
уделено анализу недостатков ИВК. Автор приходит к выводу, что очевидная
политизированность проблемы коррупции (как в национальном, так и в
глобальном контекстах) существенно затрудняет ее объективный научный
анализ.
В работе [17] предложены некоторые объективные индексы коррупции,
некоторые из которых опираются на политические составляющие. Проведен
сравнительный анализ Corruption Risk Index (CRI) – индекс риска коррупции,
который отражает коррупцию при формировании и распределении ренты,
Political Influence Indicator (PII) – индикатор политического влияния,
измеряющий влияние политической группы во власти на успешность
государственных закупок компаний, и Political Control Indicator (PCI) – индикатор
политического контроля, обозначающий прямой политический контроль
подрядчиков по государственным закупкам.
Таким образом, исследователи часто связывают коррупцию с
социальными аспектами общества, такими как сегрегация [18], межличностное
доверие [19], гражданственность [20] и вовлечение сообщества [21]. Эти
подходы основаны на понимании того, что коррупция является коллективным
результатом сообщества, сформированного взаимодействием между людьми
[22], что позволяет предположить, что различия в социальном капитале, могут
помочь объяснить сохранение коррупции и наблюдаемые различия в его
уровнях.
Данное предположение является основополагающим в представляющей
один из новых и современных подходов к оценке коррупции работе Johannes
Watch [23]. Здесь для анализа связи между социальной структурой государства
(на примере Венгрии) и распространенностью коррупции используются данные
социальных сетей популярной онлайн-платформы. Рассматриваются
социальные, экономические и политические факторы, в результате чего делается
вывод, что поселения с фрагментированными социальными сетями,
указывающие на избыток связующего социального капитала, имеют более
высокий риск коррупции, а населенные пункты с более разнообразной внешней
связью, предполагающие избыток связующего социального капитала, менее
подвержены коррупции. Предполагается, что данный подход может дополнить
показатели восприятия ИВК и WGI более объективными данными на
микроуровне.
Последние выполненные заказы
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!