Везде
Лоббизм и санкции США: статистический анализ
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
Лоббизм и санкции США: статистический анализ
Аннотация
Код статьи
S268667300008061-7-1
DOI
10.31857/S268667300008061-7
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Костяев Сергей Сергеевич 
Аффилиация: Институт научной информации по общественным наукам РАН
Адрес: Российская Федерация, Москва
Выпуск
Выпуск № 1
Страницы
118-126
Аннотация

Статья посвящена исследованию вопроса о том, эффективен ли лоббизм как инструмент отмены санкций США. В качестве основного метода был использован анализ панельных данных с помощью логистической регрессии со случайными эффектами (panel data random effects logistic regression). Панельные данные охватывают 25 стран за период 2001–2017 г. Зависимая переменная – статус санкций (имеются / отсутствуют), независимые переменные: количество консалтинговых фирм в каждом году, ежегодный размер лоббистских расходов и ВВП; индекс страны «Полити 4», индекс восприятия коррупции, нахождение страны в списке стран – спонсоров терроризма (имеется в списке/отсутствует). Логистическая регрессия использована из-за бинарного характера зависимой переменной, случайные эффекты – из-за недостаточной вариации в зависимой переменной для ряда стран. Основные выводы: во-первых, роль лоббизма в отмене санкций статистически не значима; во-вторых, чем больше ВВП страны, тем ниже вероятность, что она окажется под санкциями США; в-третьих, нахождение страны в списке стран – спонсоров терроризма снижает вероятность скорой отмены санкций.

Ключевые слова
лоббизм, санкции, коррупция, терроризм, США, страны Африки, Ближний Восток, Латинская Америка, Юго-Восточная Азия, Центральная Азия
Источник финансирования
Публикация подготовлена в рамках поддержанного гранта РФФИ «Лоббизм и санкции США и ЕС: сравнительный анализ», №, 17-37-01001-ОГН-МОЛ-А2, 2017-2019.
Классификатор
Получено
10.09.2019
Дата публикации
20.01.2020
Всего подписок
45
Всего просмотров
1806
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
Доступ к дополнительным сервисам
Дополнительные сервисы только на эту статью
Преимущества сервисов
100 руб. / 1.0 SU
Дополнительные сервисы на весь выпуск”
Преимущества сервисов
920 руб. / 16.0 SU
Дополнительные сервисы на все выпуски за 2020 год
Преимущества сервисов
8448 руб. / 169.0 SU
1

ВВЕДЕНИЕ

  

Данное исследование представляет собой продолжение работы по изучению роли лоббизма как инструмента отмены санкций [Данилина Н.В., Костяев С.С., 2018]. Произведено расширение базы данных за счёт включения десяти дополнительных стран с тем, чтобы охватить все 25 стран, которые находятся под санкциями США. Также произведён пересмотр набора независимых контрольных переменных. В частности, была удалена переменная о партийной принадлежности президента США, поскольку в ходе откровенных интервью с бывшим сотрудником Государственного департамента США и двумя действующими сотрудниками аппарата Конгресса США было установлено, что в политике санкций партийная принадлежность не играет большой роли. Были введены две новые переменные: индекс восприятия коррупции (поскольку степень коррумпированности той или иной страны является фактором при принятии решения о наложении санкций) и индекс политического режима «Полити 4» (поскольку более авторитарные страны чаще оказываются под санкциями).
2 В ходе проведенного анализа установлено, что чем больше ВВП, тем ниже вероятность нахождения страны под санкциями. Нахождение в списке стран – спонсоров терроризма также снижает вероятность снятия санкций. Взаимосвязи между интенсивностью лоббизма и санкционным статусом нет, иными словами, лоббизм не является эффективным инструментом снятия санкций США.
3

ДИЗАЙН ИССЛЕДОВАНИЯ

 

Созданная автором статьи база данных состоит из 417 наблюдений (observations) по 25 странам Африки, Большого Ближнего Востока, Азии, Латинской Америки, которые находились под санкциями США в 2001–2017 гг. (см. табл. 1). Зависимая переменная – статус санкций – является дискретной (0 – отсутствие санкций, 1 – наличие санкций), данные И. Розенберга [Rosenberg E., 2016] и сайта Управления по контролю за зарубежными активами Министерства финансов США [1]. Независимые переменные: количество консалтинговых контрактов (ККК) по каждой стране в каждый год и общий объём расходов на консалтинговые (РК) фирмы по каждой стране в каждый год, на основе данных отчётности лоббистов по закону 1938 г. «О регистрации иностранных агентов», размещённых на сайте Министерства юстиции США [2]; используется термин «консалтинг» потому, что услуги по «отношениям с правительством» оказывают лоббистские, юридические фирмы и агентства по связям с общественностью; ВВП по каждой стране в год, данные Всемирного банка [3]; индекс восприятия коррупции (ИВК), данные «Трансперенси интернэшнл» [4], официально декларируемой политикой США является борьба с коррупцией, нередко причиной (или поводом) введения санкций является коррупция среди чиновников других стран; нахождение страны в списке стран – спонсоров терроризма (СТ), сайт Государственного департамента США; индекс «Полити 4», данные Центра за системный мир [5].
4

Таблица 1

Описательная статистика по переменным

Переменная Кол-во наблюдений Нет данных Среднее арифметическое Минимальное значение Максимальное значение
ККК 417 0 2,225 0 23
РК* в млн долл. 417 0 1,736 0 59,877
ВВП** в млрд долл. 417 0 89,928 0 1740,248
ИВК*** 417 75 1.102 1 2
СТ 417 0 0,170 0 1
Полити 4**** 417 54 -0,595 -10 8

Подсчеты автора с помощью R-documentation Prediction [6].

*Данные на расходы по консалтинговым услугам (РК) собраны в номинальных долларах, которые потом переведены в доллары 2001 г. При наличии отчётности по фактам найма консалтинговых фирм сведения по расходам отсутствуют по следующим странам в нижеперечисленные годы: Мьянма 2003 г., Центральноафриканская Республика (ЦАР) 2003 г., Демократическая Республика Конго (ДРК) 2007 г., Фиджи 2011 г., Гвинея-Бисау 2013 г., Гондурас 2014 г., Иран 2005 г., Берег Слоновой Кости (БСК) 2013 и 2016 г., Ливан 2003, 2008, 2010 г., Ливия 2004 г., Нигерия 2003 г., КНДР 2003, 2005–2008, 2011–2014 гг., Сербия 2002 г., Сомали 2001–2003, 2007–2008 гг., Южный Судан 2009, 2016–2017 гг., Судан 2007 г., Сирия 2012 г., Узбекистан 2010–2011, 2017 г., Йемен 2001–2002, 2010, 2013 г., Зимбабве 2004–2006, 2008–2010, 2013 гг.,

**Данные по ВВП собраны в номинальных долларах, затем пересчитаны в долларах 2001 г. Данных по ВВП КНДР нет за 2001–2017 гг. Из-за гражданских войн для Сомали данные по ВВП недоступны за 2001–2012 гг., поэтому было рассчитано среднее значение по информации за 2013–2015 гг.; по Южному Судану данные недоступны за 2016–2017 гг., среднее значение вычислено по данным за 2014–2015 гг.; по Сирии нет сведений за 2008–2017 гг., поэтому среднее значение вычислено по информации за 2005–2007 годы.

***Вследствие того что половина изменений индекса от года к году по каждой стране вызвана изменением методологии [Treisman D., 2007], были проведены следующие действия: индекс восприятия коррупции (ИВК) «Трансперенси» в 2001–2011 гг. измерялся цифрами с десятичными знаками, например, Финляндия в 2001 г. имела индекс 9,9, а Бангладеш 0,4. Автор статьи перекодировал и округлил значения от 0 до 3,4 в 1, значения от 3,5 до 5,4 в 2, значения от 6,5 до 10 в 3. В 2012–2017 гг. индекc был изменён и теперь, например, в 2017 г. Сомали имела индекс 9, а Новая Зеландия – 89. В эти годы было проведено аналогичное перекодирование значения: от 0 до 34 были перекодированы в 1 от 35 до 54 в 2; от 65 до 100 в 3. Тем самым произведена попытка нивелировать роль изменений в методологии, которую произвела «Трансперенси». Индекс не присвоен следующим странам в следующие годы: Беларусь 2001 г., Мьянма 2001–2002 гг., ЦФР в 2001–2005 гг., Куба 2001–2002 гг., ДРК 2001–2002 гг., Фиджи 2001–2004 и 2006–2017 гг., Гвинея-Бисау 2001–2006 гг., Иран 2001–2003, 2005 гг., Ливан 2001–2002 гг., Либерия 2001–2004, 2006–2007, 2009 г., Ливия 2001–2002 гг., КНР 2001–2010 гг., Сербия 2001–2002 гг., Сомали 2001–2004, 2008 г., Южный Судан 2009–2012 гг., Судан 2001–2002 гг., Узбекистан 2007 г., Йемен 2001–2002 годы.

**** Индекс не присвоен следующим странам в нижеуказанные периоды: Мьянма 2015 г., ЦАР 2013–2015 гг., ДРК 2001–2005 гг., Берег Слоновой Кости 2002–2010 гг., Ливан 2001–2004 гг., Либерия 2003–2005 гг., Ливия 2011–2017 гг., Сомали 2001–2011 гг., Южный Судан 2009–2010, 2013–2017 гг., Йемен 2014–2017 годы.
5 Поскольку зависимая переменная – статус санкций – дихотомическая, то очевиден выбор группы моделей бинарной логистической / вероятностной регрессии (binary logits).
6 Основной моделью в данной работе является анализ панельных данных логистической регрессии с учётом случайных эффектов. Использование модели с учётом анализа фиксированных эффектов невозможно из-за того, что зависимая переменная имеет низкую вариативность; например, Куба и ряд других стран постоянно находились под санкциями.
7

В ходе исследования протестированы следующие гипотезы:

количество консалтинговых контрактов имеет негативную связь с санкционным статусом;

размер расходов на консалтинг имеет негативную связь с санкционным статусом;

размер ВВП имеет негативную связь с санкционным статусом;

индекс восприятия коррупции имеет позитивную связь с санкционным статусом;

нахождение страны в списке спонсоров терроризма имеет позитивную связь с санкционным статусом; индекс «Полити 4» имеет негативную связь с санкционным статусом.
8 Следует отметить сделанное допущение о гомогенности целей стран, которые находятся под санкциями. Они представлены в базе данных по закону 1938 г. «О регистрации иностранных агентов», которую администрирует Министерство юстиции США. С 1997 г. только представители зарубежных государств и политических партий должны регистрироваться по вышеуказанному закону. В базе данных по закону 1995 г. «О раскрытии лоббистской деятельности» попадаются организации, занимающиеся защитой прав человека, которые выступают за введение санкций в отношении правительств своих стран. Поэтому данная база не использована в проделанном исследовании.
9

РЕЗУЛЬТАТЫ СТАТИСТИЧЕСКОГО АНАЛИЗА

 

При проведении статистического анализа в R [6] автоматически было удалено 116 наблюдений из-за отсутствия данных по тем или иным переменным для отдельных стран (см. примечания к табл. 1).
10 Проверка на мультиколлинеарность, ситуацию, при которой имеется значительная корреляция между независимыми переменными, показала, что независимые переменные не влияют существенным образом друг на друга. Значения фактора инфляции дисперсии (variance inflation factor) «Полити 4» (1,262259), ВВП (1,327669), индекс восприятия коррупции (1,018841), нахождение страны в списке спонсоров терроризма (1,184831), количество консалтинговых контрактов (1,419233), расходы на консалтинг (1,099056) не превышают 5, что принято считать пороговым значением, обозначающим сильную корреляцию между независимыми переменными.
11

Таблица 2

Коэффициенты независимых переменных

Переменная Коэффициент Стандартная ошибка Стандартизированная оценка (z value)
«Полити 4» -0,0249984333048632 0,0238422770319968 -1,048
ВВП -0,0000000000014453 0,0000000000006287 -2,299
ИВП 1,7111807938318344 0,5600330425202630 3,055
СТ 1,5737303439299162 0,4453124268338123 3,534
ККК 0,0150679079248286 0,0507087453335456 0,297
РК 0,0000000607738589 0,0000000435586322 1,395

Подсчёты автора с помощью R [6].
12 Как видно из табл. 2, значение стандартизированной оценки превышает 2 по трём независимым переменным: ВВП, индекс восприятия коррупции, нахождение в списке спонсоров терроризма. Можно сделать вывод о том, что подтверждены следующие гипотезы: размер ВВП имеет негативную связь с санкционным статусом; нахождение страны в списке спонсоров терроризма имеет позитивную связь с санкционным статусом.
13 Прямая интерпретация коэффициентов в логистической регрессии невозможна, поэтому был произведен расчёт предсказанной вероятности (predicted probability) нахождения под санкциями при заданных значениях независимой переменной. Это было сделано с помощью пакета «Прогноз» (Prediction) в R [6]. Если задать значение ВВП как среднее 89,9 млрд. долл. (см. табл. 1), то вероятность нахождения под санкциями составляет 60,76%. Если задать значение ВВП как максимальное из имеющихся 1,74 трлн долл., то вероятность попасть под санкции снижается до 17,64%. Если задать значение индекса восприятия коррупции как 1, то вероятность нахождения под санкциями составляет 56,59%. Если задать значение как 2, то вероятность нахождения под санкциями повышается до 86,21%. Данный вывод противоречит ранее выдвинутой гипотезе о том, что чем более коррумпированной является страна, тем больше вероятность нахождения под санкциями. Наконец, если задать значение переменной «нахождение в списке спонсоров терроризма» как 0, то вероятность нахождения под санкциями составляет 54,49%. Если же задать значение 1, то вероятность попадания под санкции повышается до 83,76%. Данный вывод вполне очевиден: правительство США борется с терроризмом.
14

ЗАКЛЮЧЕНИЕ

 

Полученные результаты интерпретируем следующим образом. Поскольку не установлена статистически значимая негативная связь между лоббизмом и санкционным статусом, можно утверждать, что лоббизм не является эффективным инструментом снятия санкций. В ходе дальнейших исследований база данных будет расширена за счёт стран, которые совершали определённые нарушения международных норм, но избегали участи подвергнуться секторальным санкциям США (Египет, Саудовская Аравия, Турция). Это позволит ответить на вопрос, является ли лоббизм эффективным инструментом, который позволяет предотвратить введение санкций США. Сравнение предсказанных вероятностей нахождения под санкциями в зависимости от размера ВВП чётко показывает, что страны, занимающие заметную долю в мировом ВВП, имеют меньше шансов попасть под санкции США. Очевидно, что санкции являются обоюдоострым инструментом и могут нанести ущерб американской экономике. Это учитывается при решении вопроса о введении или не введении санкций против той или иной страны.
15 Сравнение предсказанных вероятностей попадания под санкции в зависимости от индекса восприятия коррупции показывает, что, хотя США нередко вводят санкции за коррупцию высших должностных лиц других государств, это не является ключевым фактором санкционной политики.
16 Наконец, ожидаемым образом нахождение государства в списке стран – спонсоров терроризма резко повышает вероятность введения секторальных санкций, что осложняет усилия по их отмене.
17 На способность сделать более фундированные выводы повлияло несколько обстоятельств. Прежде всего следует отметить ошибку в измерениях: из-за гражданской войны данные по ВВП по ряду стран за несколько лет отсутствуют, а из-за недостаточного усердия Министерства юстиции США в реализации закона 1938 г. «О регистрации иностранных агентов» отсутствуют данные по консалтинговым расходам нескольких стран в определённые периоды при наличии регистраций. Иными словами, лоббисты, представляющие интересы зарубежных государств, указали факт найма, но скрыли сумму контракта. Ряд консультантов, представляющих услуги зарубежным государствам, просто не регистрируются в отделе регистрации иностранных агентов Министерства юстиции США, о чём свидетельствуют нашумевшие случаи с бывшим помощником по национальной безопасности Д. Трампа М. Флинном и бывшим председателем избирательного штаба нынешнего президента США П. Манафортом, которые в разное время представляли интересы Украины и Турции. Центр за системный мир и «Трансперенси интернэшнл» при вычислении своих индексов иногда не присваивали фиксированные значения тем или иным странам в определённые годы (см. табл. 1).
18 Второе ограничение, повлиявшее на возможность делать обоснованные выводы, – это отсутствие ряда важных переменных в панельной базе данных. В ходе дальнейшей работы планируется, во-первых, включить такую переменную, как статус союзника США. Страны – союзники США имеют свойство не оказываться под санкциями, несмотря на те или иные нарушения (Египет, Пакистан и т.п.). Операционализировать эту переменную можно двумя способами – размер военной помощи из федерального бюджета США и объём покупок американского вооружения. Во-вторых, дополнительной переменной будет индекс прав человека, составляемый ООН. Страны, замеченные в нарушениях прав человека, иногда оказываются под санкциями западных стран. В-третьих, следует учитывать «тяжесть проступка», повлёкшего за собой санкции: в одних случаях речь идёт о нарушениях выборных процедур, в других – о геноциде. Можно предположить, что снятие санкций при более тяжёлых нарушениях становится проблематичным. Планируется заимствовать переменную для анализа из базы данных Т.К. Моргана и др. [Morgan T.С., Navin B., Yoshiharu K., 2014].
19 В ходе интервью с представителями вашингтонского внешнеполитического истеблишмента было установлено, что администрация Трампа с большей лёгкостью вводит санкции в отношении стран, контролируемых «левыми» политическими силами. Соответственно планируется ввести двоичную переменную, которая позволит учесть это обстоятельство. Вышеуказанные интервью также позволили обратить внимание на то, что наличие сильных диаспор в округах влиятельных законодателей может служить фактором введения или невведения санкций. Очевидно. ещё предстоит провести работу по сбору данных для создания такой переменной.
20 Также автором планируется расширить базу данных за счёт стран, которые нарушали международные нормы, но избегали санкций США, чтобы ответить на вопрос, эффективен ли лоббизм как инструмент предотвращения санкций.
21 Наконец, в ходе дальнейших исследований необходимо сменить основную модель статистического анализа. Зависимую переменную следует операционализировать как количество физических и юридических лиц определённой страны, находящихся под санкциями США в каждый отдельный год. Данные доступны на сайте Управления по контролю зарубежных активов Министерства финансов США. Это позволит учитывать масштаб санкционного давления. Вариант анализа, представленный в данном исследовании, не принимает во внимание снятие части санкций администрацией Б. Обамы с Ирана и Кубы и последующее их восстановление администрацией Д. Трампа. Для статистического анализа такой операционализации зависимой переменной необходима отрицательная биномиальная регрессия (negative binomial regression).
22

ИСТОЧНИКИ

[1] Office of Foreign Assets Control. Available at: >>> (accessed 12.09.2019).

[2] The United States Department of Justice. Available at: >>> (accessed 12.09.2019).

[3] The World Bank. Data. Available at: >>> (accessed 12.09.2019).

[4] Transparency International. Corruption Perception Index. Available at: >>> (accessed 12.09.2019).

[5] Center for Systemic Peace. Available at: >>> (accessed 12.09.2019).

[6] Rdocumentatio. Prediction. Available at: >>> (accessed 12.09.2019).

Библиография

1. Данилина Н.В., Костяев С.С., 2018. Лоббизм стран Африки, Ближнего Востока и санкции США и ЕС. США & Канада: Экономика, Политика, Культура. № 12. С. 36–50. DOI: 10.31857/S032120680002701-5

2. Morgan T.C., Navin B., Yoshiharu K., 2014. Threat and Imposition of Economic Sanctions 1945–2005: Updating the TIES Dataset. Conflict Management and Peace Science. No. 31 (5). P. 541-558. Available at: https://www.jstor.org/stable/26271378 (accessed 13.09.2019).

3. Rosenberg E., 2016. The New Tools of Economic Warfare: Effects and Effectiveness of U.S. Financial Sanctions. Washington, D.C.: CNAS. 74 p.

4. Treisman D., 2007. What Have We Learned About the Causes of Corruption from Ten Years of Cross-National Empirical Research? Annual Review of Political Science. Vol. 10. P. 211-244.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести