Worldwide clustering of the corruption perception

De kern

Stel je de landen van de wereld voor als een gigantisch, luidruchtig feestje waar iedereen fluistert over hoe eerlijk of oneerlijk hun buren zijn. De auteurs van dit artikel, Michal Paulus en Ladislav Kristoufek, besloten te stoppen met luisteren naar het gefluister en begonnen naar de zitplaatsen te kijken. Ze wilden zien of landen van nature "bij elkaar zitten" op basis van hoe corrupt ze worden gepercipieerd.

Hier is het verhaal van hun bevindingen, uitgelegd in eenvoudige termen:

Het Instrument: Een "Vriendschapskaart"

Normaal gesproken proberen wetenschappers verbindingen tussen dingen te vinden door te kijken naar hoe ze in de loop van de tijd samen bewegen (zoals twee aandelen die synchroon stijgen en dalen). Maar corruptie is een beetje anders; het gaat over het niveau van eerlijkheid, niet alleen over hoe het verand veranderd.

Dus, in plaats van te zoeken naar een dansritme, gebruikten de auteurs een instrument genaamd hiërarchische clustering. Denk aan dit als een enorme stamboom, maar in plaats van te laten zien wie aan bloedverwantschap is verbonden, laat het zien wie verbonden is door "eerlijkheid."

• Ze maten 134 landen met een score voor "Vrijheid van Corruptie" (0 tot 100, waarbij 100 super eerlijk is).
• Ze berekenden de "afstand" tussen landen. Als Land A en Land B zeer vergelijkbare scores hebben, zijn ze "goede vrienden" (korte afstand). Als het ene land zeer eerlijk is en het andere zeer corrupt, zijn ze "vreemden" (lange afstand).
• Ze gebruikten een methode genaamd average linkage, wat zoiets is als het vinden van de gemiddelde afstand tussen twee groepen mensen om te beslissen of de groepen moeten samensmelten.

Het Resultaat: Vier Duidelijke Buurten

Toen ze deze "eerlijkheidsboom" tekenden, zag het er niet uit als een rommelige hoop. Het splitste zich spontaan op in vier duidelijke buurten (clusters). Het was alsof de wereld zichzelf natuurlijk sorteerde in vier verschillende groepen op basis van hoe corrupt ze worden gepercipieerd.

Dit is hoe elke buurt eruitziet:

1. De "Eerlijke Elite" Club (Cluster #1)

• Wie zijn hier: De VS, Japan, West-Europa, Australië, Nieuw-Zeeland, Singapore en Hong Kong.
• De Sfeer: Dit zijn de meest ontwikkelde landen ter wereld. Ze hebben een zeer lage corruptie (hoge scores).
• De Verbinding: Deze groep is nauw verbonden. Ze zijn allemaal rijk en ze zijn allemaal zeer eerlijk. Er zijn bijna geen arme landen hier, en geen Afrikaanse landen. Het is een zeer exclusieve, hoogpresterende groep.

2. De "Inhalen" Groep (Cluster #2)

• Wie zijn hier: Landen zoals Spanje, Portugal, Slovenië, Israël, Taiwan en Botswana.
• De Sfeer: Dit zijn de "runners-up". Ze zijn niet zo rijk of zo eerlijk als de Elite Club, maar ze doen het wel redelijk goed. Ze zijn de "middenklasse" van de wereld.
• De Verbinding: Ze proberen de leiders in te halen. Ze hebben redelijke economieën en redelijke eerlijkheidsniveaus, en zitten precies in het midden van het veld.

3. De "Strijdende" Zone (Cluster #3)

• Wie zijn hier: Dit is de grootste groep, met 60 landen. Het bevat Rusland, China, India, Brazilië en veel landen in Afrika en het Midden-Oosten. Het bevat ook landen met autoritaire regeringen.
• De Sfeer: Deze groep heeft de hoogste niveaus van waargenomen corruptie.
• De Verbinding: Het is een gemengde boel van economieën. Sommige zijn enorme, snelgroeiende economieën (zoals China en India), terwijl andere zeer arm of in conflict zijn. Ondanks hun omvang of potentieel, delen ze allemaal een gemeenschappelijke strijd met corruptie. De auteurs merken op dat hoge corruptie lijkt op een zwaar anker dat deze landen tegenhoudt om het "Elite"-niveau te bereiken.

4. De "Tussenin" Groep (Cluster #4)

• Wie zijn hier: Dit is een vreemde mix. Het bevat post-communistische landen zoals Polen, Hongarije en Tsjechië, maar ook Italië, Griekenland en Noord-Afrikaanse landen zoals Egypte en Marokko.
• De Sfeer: Deze landen zitten vast in het midden. Ze zijn niet zo corrupt als de "Strijdende" groep, maar ze zijn niet zo schoon als de "Inhalen" groep.
• De Verbinding: Het is interessant dat Italië en Griekenland (meestal gezien als welvarend) hier zitten, wat suggereert dat hun economische problemen mogelijk gelinkt zijn aan hun corruptieniveau. Ondertussen zijn de Oost-Europese landen met hen gegroepeerd, wat laat zien dat ze nog steeds in een transitiefase zitten.

Het Grote Plaatje: Geld en Eerlijkheid Lopen Hand in Hand
Het belangrijkste dat het paper vond, is een perfect spiegelbeeld.

• Als je landen rangschikt op basis van hoeveel geld ze per persoon verdienen (BBP), krijg je een lijst.
• Als je landen rangschikt op basis van hoe eerlijk ze zijn, krijg je exact dezelfde lijst.

Het paper zegt niet dat geld eerlijkheid veroorzaakt of dat eerlijkheid geld veroorzaakt. Het zegt alleen dat ze aan elkaar gekoppeld zijn als twee zijden van dezelfde munt. De "Eerlijke Elite" zijn de rijksten, en de "Strijdende" groep met de meeste corruptie is de armste.

Waarom Dit Belangrijk Is

Voordat deze studie bestond, wisten mensen wel dat corruptie slecht is voor de economie, maar ze hadden geen kaart die liet zien hoe landen zichzelf natuurlijk groeperen op basis van deze eigenschap. Dit paper is het eerste dat deze specifieke "stamboom"-methode gebruikt om te laten zien dat de wereld niet zomaar een willekeurige mix is van corrupte en eerlijke plekken; het is een gestructureerde hiërarchie waarin ontwikkeling en corruptieperceptie diep met elkaar verweven zijn.

Kortom: De wereld sorteert zichzelf in vier duidelijke groepen, en in elke groep komt het niveau van corruptie perfect overeen met het niveau van rijkdom.

Technische samenvatting

Probleemstelling
Hoewel er uitgebreide empirische en theoretische literatuur bestaat over de negatieve effecten van corruptie op economische groei, ongelijkheid en investeringen, blijft er een specifieke kloof in de literatuur bestaan: geen enkele eerdere studie heeft de werkelijke clustering van landen gebaseerd op hun corruptieniveaus of corruptiepercepties onderzocht. Bestaand onderzoek behandelt corruptie vaak als een continue variabele die economische indicatoren beïnvloedt, maar faalt in het onderzoeken of landen van nature groeperen in duidelijke hiërarchieën of clusters op basis van deze percepties. Deze studie beoogt dit gat te vullen door complexe systeemtools toe te passen—specifiek hiërarchische clustering—op de specifieke casus van corruptie om potentiële structurele relaties tussen naties te ontdekken.

Methodologie
De auteurs analyseren een dataset van 134 landen met behulp van de "Freedom from Corruption" (COR) index van de Heritage Foundation, die de periode van 1996 tot 2014 beslaat. De COR-index is afgeleid van de Transparency International Corruption Perception Index (CPI), geschaald van 0 tot 100 (waarbij hogere waarden duiden op minder corruptie).

Om de specifieke aard van de data aan te pakken, wijken de auteurs af van standaard correlatiegebaseerde clusteringmethoden. Standaard correlatiecoëfficiënten middelen tijdreeksen uit, waardoor informatie over het absolute niveau van corruptie verloren gaat, wat juist de primaire variabele van belang is. In plaats daarvan maakt de studie gebruik van de Euclidische afstand ($d_{xy}$) tussen de tijdreeksvectoren van elk paar landen om een dissimilariteitsmatrix op te stellen.

Voor de constructie van de hiërarchische structuur gebruiken de auteurs de average linkage clustering benadering (ook wel bekend als UPGMA). Het algoritme identificeert iteratief het dichtstbijzijnde paar knopen (landen of clusters) op basis van de dissimilariteitsmatrix, voegt ze samen tot een nieuwe cluster en wijst de nieuwe cluster een afstandswaarde toe die gelijk is aan het gemiddelde van de afstanden van alle elementen binnen de nieuw gevormde cluster. Dit proces herhaalt zich totdat een enkele cluster is gevormd, wat resulteert in een dendrogram. De auteurs merken op dat zij primair average linkage gebruiken, maar dat zij ook complete linkage en Ward's algoritme hebben getest, waarbij zij tot de conclusie kwamen dat de resultaten kwalitatief robuust zijn.

Belangrijkste Resultaten
De toepassing van average linkage clustering op de 134 landen onthult een goed gedefinieerde hiërarchische structuur, die de wereldwijde dataset verdeelt in vier duidelijke clusters:

1. Cluster #1 (Laagste Corruptie / Hoogste Ontwikkeling): Deze cluster bestaat uit ontwikkelde naties, waaronder de VS, Japan, West-Europese EU-staten, Australië, Nieuw-Zeeland en Singapore. Het vertoont de hoogste gemiddelde COR (82,92) en het hoogste gemiddelde BBP per capita ($52.138). Het is duidelijk gescheiden van andere clusters in zowel corruptieniveau als economische ontwikkeling.
2. Cluster #2 (Boven-Midden Ontwikkeling): Deze heterogene groep omvat diverse EU-staten (bijv. Spanje, Portugal), Taiwan, Israël en Botswana. Het heeft een gemiddelde COR van 59,21 en een gemiddeld BBP per capita van $23.521. De auteurs karakteriseren deze landen als "runner-up" leiders op hun respectieve continenten, die een "succesvol transiterende" of "inhaalbeweging makende" groep vertegenwoordigen.
3. Cluster #3 (Hoogste Corruptie / Laagste Ontwikkeling): De grootste cluster (60 leden), deze groep omvat BRIC-landen (Brazilië, Rusland, India, China), nieuwe EU-leden zoals Bulgarije en Roemenië, en diverse autoritaire regimes. Het heeft de laagste gemiddelde COR (24,15) en het laagste gemiddelde BBP per capita ($3.888), hoewel het een breed scala aan economische potentie bevat.
4. Cluster #4 (Intermediair): Deze cluster bevindt zich tussen de voorgaande groepen in met een gemiddelde COR van 41,28. Het omvat de Visegrád-groep (Tsjechië, Hongarije, Polen, Slowakije), de Baltische staten, Kroatië en Noord-Afrikaanse landen. Het bevat ook ontwikkelde landen met economische problemen, zoals Italië en Griekenland. Het gemiddelde BBP per capita is $9.751.

Belangrijkste Bijdragen en Bevindingen

• Identificatie van Hiërarchie: De studie slaagt erin een duidelijke hiërarchische structuur te onthullen, waarmee wordt aangetoond dat landen effectief kunnen worden gescheiden in vier onderscheidende groepen op basis van deze metrieken.
• Correlatie met Ontwikkeling: Een sterke verbinding wordt geïdentificeerd tussen corruptieniveaus en de fase van economische ontwikkeling binnen de clusters. De rangschikking van landen naar corruptieperceptie weerspiegelt perfect de rangschikking naar BBP per capita.
• Structurele Inzichten: De clustering onthult specifieke geopolitieke en institutionele patronen, zoals de scheiding van nieuwe EU-leden (Bulgarije, Roemenië) van de rest van de EU, de groepering van BRIC-landen, en de inclusie van autoritaire regimes in de meest corrupte cluster.

Betekenis en Claims
De auteurs beweren dat deze studie, naar hun weten, de eerste toepassing van hiërarchische en clusteringmethoden op de specifieke casus van corruptie is. De betekenis van het werk ligt in het overbruggen van een economisch onderwerp met tools uit complexe systemen en interdisciplinaire natuurkunde.

De auteurs hanteren een bescheiden toon met betrekking tot causaliteit en stellen expliciet dat hun analyse geen discussie voert over de potentiële causale mechanismen tussen corruptie en economische prestaties. Ze stellen echter dat de geobserveerde sterke correlatie en de duidelijke scheiding van landen in clusters een veelbelovend startpunt bieden voor toekomstig sociaalwetenschappelijk onderzoek. Zij suggereren dat dergelijke clusteringmethoden bijzonder nuttig kunnen zijn voor studies betreffende internationale handel, waar een rigoureuze differentiatie van corrupte landen momenteel ontbreekt.