I+D Revista de Investigaciones
ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
8
Probabilidad para el pago de soborno:
aproximación multi-país para América
Latina y el Caribe
1
Probability for bribe payment: multi-country approach for
Latin America and the Caribbean
Jahir Lombana
2
, Leonor Cabeza
3
Artículo recibido en abril 16 de 2021; artículo aceptado en junio 01 de 2021
Este artículo puede compartirse bajo la Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional y se referencia
usando el siguiente formato: Lombana, J. y Cabeza, L. (2022). Probabilidad para el pago de soborno: aproximación multi-país para América Latina
y el Caribe. I+D Revista de Investigaciones, 17(1), 7-24.
_____________________________________________________________________________________
Resumen
El soborno como temática se ha centrado en análisis de causalidad e impacto y en muchos de los casos supeditado
como una tipología más de la corrupción. A partir de los microdatos del Barómetro de Corrupción Global de
Transparency International se busca determinar para un conjunto de países seleccionados de América Latina y el
Caribe, las variables dependientes para predecir la probabilidad de pagar soborno al tener contacto con las personas,
empresas o entidades que le prestan servicio. Se utilizan técnicas de estadística inferencial, como la regresión logística
aplicando el método de máxima verosimilitud y proceso iterativo hasta encontrar el mejor modelo. De una encuesta
inicial con 117 variables, resultaron 11 que explican mejor la probabilidad de pagar un soborno. Variables como el
grado de escolaridad y la influencia de funcionarios y políticos afectan la disposición de las personas a pagar un
soborno. Tópicos significativos de este estudio como la retaliación para favorecer votaciones y los favores sexuales
para recibir beneficios, aunque incipientes en su estudio, valen su profundización investigativa. Este trabajo sirve de
base para motivar estudios con microdatos que ayuden a entender mejor y de manera específica las tipologías de
corrupción a través de modelos que predicen comportamientos del ciudadano del común.
Palabras clave: corrupción, Américas, probabilidad estadística.
______________________________________________________________________________________________
Abstract
Bribery, as research issue, focuses on causality and impact analysis and in many cases has been subordinated as one
of the many types of corruption. Using microdata from Transparency International's Global Corruption Barometer, the
objective is to determine for a set of selected countries in Latin America and the Caribbean, the dependent variables to
predict the probability of paying bribes when in contact with individuals, companies or entities that provide services.
Inferential statistical techniques are used, such as logistic regression applying the maximum likelihood method and
iterative process until the best model is found. From an initial survey with 117 variables, 11 variables were found to
1
Artículo de investigación, con enfoque mixto que utiliza percepciones analizadas con una herramienta cuantitativa (regresión logística), resultado
de un proyecto de investigación en curso, perteneciente al área de ciencias sociales, subárea de economía y negocios, desarrollado en el Grupo de
Investigación Innovar del Caribe de la Universidad del Norte (Barranquilla, Colombia). Dirección: Km 5 Antigua Vía a Puerto Colombia (Atlántico),
PBX: (5) 3509509. Fecha de inicio: febrero de 2019.
2
Doctor en Economía de la Universidad de Göttingen (Alemania). Profesor Asociado del Grupo de Investigación Innovar del Caribe, Universidad
del Norte (Barranquilla, Colombia) Dirección: Km5 Antigua Via a Puerto Colombia, Atlántico. PBX: (5) 3509509. ORCID ID:
https://orcid.org/0000-0002-0055-8392 Correo electrónico institucional: lombanaj@uninorte.edu.co.
3
Magister en Administración de Empresas, Universidad del Norte. Profesora Asistente del Grupo de Investigación Innovar del Caribe, Universidad
del Norte (Barranquilla, Colombia) Dirección: Km5 Antigua Via a Puerto Colombia, Atlántico. PBX: (5) 3509509. ORCID ID:
https://orcid.org/0000-0003-4335-7395 Correo electrónico institucional: lcabeza@uninorte.edu.co
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
9
best explain the probability of paying a bribe. Variables such as level of schooling and the influence of officials and
politicians affect people's willingness to pay a bribe. Significant topics of this study, such as retaliation to favor voting
and sexual favors to receive benefits, although incipient in their study, are worth further research. This work can serve
as a basis to motivate studies with microdata that help to better understand specific typologies of corruption through
models that predict behaviors of ordinary citizens.
Keywords: corruption, Americas, statistical probability.
______________________________________________________________________________________________
Introducción
La corrupción toma muchas formas, pero la ciudadanía se
ve expuesta de manera sistemática a ella a través del
soborno. El barómetro de corrupción global incluye en su
instrumento de medición el pago de soborno frente a
diferentes entidades. Usando dicha fuente de información
el objetivo de este artículo es determinar para países
seleccionados de América Latina y el Caribe, las
variables dependientes para predecir la probabilidad de
pagar soborno al tener contacto con las personas,
empresas o entidades que le prestan servicio. Este artículo
aporta al debate con el uso de microdatos en una
perspectiva multi-país, específicamente en el soborno,
que dicho sea de paso su investigación específica es más
bien incipiente pues se generaliza al concepto de
corrupción.
Para lograr el objetivo del documento, la primera parte es
una revisión de la literatura en cuanto a los aspectos que
normalmente se indagan a la hora de estudiar el soborno,
las problemáticas metodológicas por utilizar
percepciones, la disyuntiva entre el uso de datos macro
y/o micro y la relevancia regional del estudio. Luego se
presenta la metodología, describiendo las técnicas de la
estadística inferencial con la regresión logística que
aplica el método de máxima verosimilitud y utiliza un
proceso iterativo hasta encontrar el mejor modelo
ajustado a los datos. Una vez seleccionadas las variables
y realizando las etapas de la regresión logística se
analizan los resultados con base en el modelo de
referencia. En este aparte se presentan tanto variantes al
modelo de referencia como impacto sobre el pago de
soborno. El artículo finaliza con algunas conclusiones.
Revisión de literatura y marco de estudio
El soborno en sus modalidades (ofrecer, recibir o tolerar)
es tan solo una de las formas de corrupción (Lee &
Guven, 2013), que también cuenta con matices
(Heidenheimer, 1989; La Porta et al., 1999) y va a
depender de elementos económicos (Ades & Di Tella,
1999; Gurgur & Shah, 2005; Knack & Azfar, 2000; Leite
& Weidmann, 1999; Tanzi, 1998; Van Rijckeghem &
Weder, 1997), políticos (Alt & Lassen, 2003; Herzfeld &
Weiss, 2003; Kaufmann et al., 2007; Lederman et al.,
2005; Leite & Weidmann, 1999; Serra, 2006) y culturales
(Davis & Ruhe, 2003; Gatti & Fisman, 2000; Treisman,
2000).
La literatura es pródiga en las causas y efectos de la
corrupción en general y en los efectos del soborno (Azfar
et al., 2001; Myint, 2000; Pellegrini, 2011; Rose-
Ackerman & Palifka, 2016; Shahabuddin, 2002), pero las
causas del soborno quedan más bien como una reiteración
de lo que se dice de la corrupción y salvo unos pocas
investigaciones lo hacen de forma explícita y específica
(David-Barrett, 2014; Gao, 2011; Martin et al., 2007;
Moore Jr, 2007; Peiffer & Rose, 2018; Sanyal &
Samanta, 2004; Shahabuddin, 2002).
Siguiendo a Klitgaard (1998) la corrupción cuando se
refiere al soborno está directamente relacionada con el
hecho de que los dueños de los recursos tengan la
oportunidad de obtener rentas económicas y poseer poder
discrecional, e inversamente proporcional a la
transparencia y rendición de cuentas de los oficiales.
Llevando esto a un grado de detalle mayor, para Bliss &
Di Tella (1997); Moore Jr (2007) el poder como
mecanismo de control entre las partes es lo que posibilita
las relaciones de corrupción. Husted (1999) y You &
Khagram (2005) encuentran que si las relaciones de poder
son desiguales por ejemplo a través del ingreso, hay
mayor propensión a la corrupción, esto además
respaldado por una perspectiva sociológica en la que los
pobres son proclives a pagar sobornos pues los burócratas
los ven como objetivos fáciles (Uslaner, 2015) y desde
una perspectiva institucional cuando los servicios
estatales que tienen competencia con entes privados
(p.ej.: salud y educación) afectan más a los pobres pues
ellos solo tienen acceso a los servicios públicos. Otros
elementos influenciadores son la libertad económica en
comercio, política monetaria, salarios y precios,
intervención gubernamental y el tamaño de la economía
informal. Al imponer más restricciones los individuos
tienden a buscar cómo salvar esos obstáculos, en algunas
ocasiones a través de actos corruptos (Eiras, 2003; Sanyal
& Samanta, 2004). Sin embargo, el tener altos impuestos
no necesariamente implica más corrupción (Martin et al.,
2007); por lo que pueden ser los obstáculos excesivos y
no la implementación, la causa de la corrupción.
Ali & Isse (2003) por su parte encontraron el efecto de la
libertad política, como otra causa de corrupción, aunque
con efecto inverso y no directo, pues este se traslada vía
libertad económica. De esta forma concluyen que una
democracia no garantiza que un país no sea corrupto. En
ese ámbito político, el tamaño del gobierno según Husted
(1999) es causante de la corrupción en la medida en que
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
10
tenga mayor participación en la economía como
porcentaje del PIB.
Aspectos culturales también han sido estudiados, por
Getz & Volkema (2001); Husted (1999); Park (2003);
Sanchez et al. (2008); Sanyal & Samanta (2004), usan las
dimensiones de Hofstede encontrando como rasgos de
países más corruptos aquellos con alta masculinidad,
aversión al riesgo y distancia de poder. Por su parte Beets
(2005) con datos demográficos, encontró que el
desempleo, baja expectativa de vida y fertilidad y alta
ayuda humanitaria estarían asociados a mayor
corrupción. Otras causas de la corrupción y
específicamente del soborno que son normalmente
incluidos en la literatura son: falta de legislación
adecuada, aplicación deficiente de la ley, aspectos
culturales, falta de incentivos para que el gobierno
combata la corrupción, bajos salarios para los
funcionarios del estado (Mauro, 1996; Rose-Ackerman,
1997; Tanzi, 1998), heterogeneidad étnica (La Porta et
al., 1999), coacción a la prensa (Brunetti & Weder, 2003)
entre otros.
Čábelková & Hanousek (1999) muestran como la mayor
percepción de corrupción en un país está relacionada con
una mayor probabilidad de ofrecer sobornos a
instituciones, esto es un efecto que pocas veces es
incluido en la literatura y que puede ser un impulsador
adicional de la corrupción. Según ese estudio, elementos
como el contacto, la percepción de corrupción de las
instituciones e incluso educación afectan la forma en que
es percibido el soborno. Asimismo, los niveles de
corrupción, o en el caso específico de soborno, son
difíciles de cuantificar (The Hungarian Gallup Institute
HGI, 1999) por lo que se opta por 1) medir percepciones
en general o en grupos de interés específicos; 2) revisar
la incidencia o efectos de la corrupción o 3) estimar según
expertos, a través de instituciones como Transparency
International (TI) o el Banco Mundial.
Es difícil encontrar información real y objetiva sobre
corrupción (Reinikka & Svensson, 2005), esa
información de hecho depende del sistema legal en lo que
concierne a control, seguimiento procesamiento e incluso
castigo de la corrupción (Lambsdorff & Cornelius, 2000).
Los datos que se dicen objetivos normalmente se
desprenden de estudios anti-corrupción (Badawi &
AlQudah, 2014; Zouaoui et al., 2017). Un problema más
complejo de resolver para hablar sobre percepciones es la
definición misma que cada individuo pueda tener sobre
corrupción. Al tener un concepto diferente es más difícil
para el investigador tener idea de cuáles son los aspectos
que influencian la percepción de corrupción, así tanto
concepto como percepción pueden depender de factores
sociales/culturales (Melgar et al., 2010). Ahora, si el
análisis se hace sobre percepciones acerca del soborno
(como un tipo de corrupción), la información es más
limitada, la mayoría de los estudios citados en este
documento habla sobre corrupción en general pero no
específicamente sobre el soborno. En cuanto al soborno
en específico existe limitada literatura para países en
específico: China (Tian, 2008); Rusia (Rose & Mishler,
2010), para regiones: Asia (Wu, 2009); o para un espectro
más internacional (Guvenli & Sanyal, 2012; Sanyal,
2005; Sanyal & Samanta, 2004) Así, esta investigación
aporta nuevas ideas sobre el estudio de la corrupción
regional tomando el soborno como tipología.
En cuanto a las posibles fuentes de información sobre la
corrupción se encuentran bases de datos como
International Country Risk Guide (ICRG) Index, Global
Competitiveness Report (GCR) Index, World
Development Report (WDR) Index, o el Control of
Corruption Index, todas ellas basadas en la percepción de
“expertos” (Wei, 2000). En el caso de TI la información
de base para el Global Corruption Barometer es la
sociedad civil que como dicen sus críticos Rose-
Ackerman & Palifka (2016) puede estar sesgada por
condiciones del ambiente mismo, donde los individuos se
desenvuelven y más bien apuntar a la pequeña corrupción
que de todas formas puede verse sesgada por la
percepción de la gran corrupción. Asimismo, TI también
produce el Corruption Perception Index que combina año
a año datos de varias fuentes y en diferentes modalidades
incluyendo evaluación de expertos y datos cuantitativos.
Olken & Pande (2011); Rose-Ackerman & Palifka (2016)
además de las valoraciones por percepción hacen un
recorrido de otras alternativas de medición todas con
algún tipo de sesgo: 1) encuestas a pagadores de
sobornos: la más directa pero con posibilidad de
subvaloración (p.ej.: International Crime Victim Survey
y World Bank Enterprise Survey); 2) estimados de
observación directa: difícil de verificar por la naturaleza
ilegal del hecho corrupto y; 3) estimados por sustracción
o por inferencias del mercado: se deben asumir supuestos
frente a condiciones ideales (no corruptas).
En esta investigación se usa la encuesta de percepciones
Global Corruption Barometer realizada por una
institución experta como TI. En el análisis de percepción
de la corrupción de TI, en 2013 se preguntaba
específicamente sobre la solicitud de soborno; en 2017
dicha pregunta desaparece apuntando al pago efectivo.
Estas dos versiones de pregunta vuelven a aparecer en
2019. La encuesta de 2017 cambió sustancialmente de la
del 2013, al centrarse en el hecho de haber consumado el
soborno, pero no de que la contraparte pregunte por él.
Esto implica una diferencia fundamental en el objetivo.
Una cosa es que le soliciten y pague y otra diferente es
que sin solicitar se practique el soborno. La encuesta del
2019 va en ambas direcciones preguntando por el soborno
y viéndolo como hecho consumado. Sin embargo, los
autores al intentar hacer este ejercicio entre años
disponibles, tanto respuestas (vacías, la gente no
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
11
contestaba) como países (excluidos), no daban suficientes
datos para presentar conclusiones relevantes. A juicio de
los autores aún existen vacíos respecto a la mejor forma
de preguntar sobre la corrupción en general y sobre el
soborno en particular. Como se muestra en la
metodología uno de los elementos para sacar variables del
modelo fue la falta de respuesta, que a juicio de los
autores y a pesar de ser cuestionarios anónimos la gente
puede estar predispuesta para emitir un concepto real
sobre la corrupción. Los autores son conscientes que se
pueden presentar problemas por sesgos en la percepción
de los entrevistados por: temor, vergüenza o incluso
rutinas, esto último cuando ya no se diferencia entre una
acción corrupta dado que se ha aceptado socialmente o
prácticamente institucionalizado (Iwasaki & Suzuki,
2012). Por el contrario, como lo afirman Banerjee et al.,
(2012) utilizando metodologías que indagan
datos/situaciones reales, los agentes tienden a negar los
hechos de prácticas corruptas.
La literatura advierte de los posibles sesgos (Donchev &
Ujhelyi, 2014; Olken, 2009; Olken & Pande, 2012b) entre
percepción y experiencia de corrupción, siendo la última
más cercana al hecho mismo, pero difícil de medir y en
contados casos con evidencia empírica (Jeong & Weiner,
2012; McMillan & Zoido, 2004). Asimismo, como lo
afirman Hunt & Laszlo (2012), un elemento que puede
incidir en los resultados son las instituciones (de salud,
educación, judicial, policía, entre otros) con las cuales se
tiene contacto y serían determinantes para generar sesgos
en la estimación. Desde lo positivo, Olken & Pande
(2012a) afirman que las percepciones permiten estudios
transversales y de series de tiempo que no se pueden dar
con otro tipo de recolección de datos.
Otro punto de entrada en el debate es el uso de datos
macro o micro es que muchos estudios se concentran en
agregados, pero encontrando poca significancia en
variables macro (Elbahnasawy & Revier, 2012;
Svensson, 2005). Por ello hay autores que intentan
mezclarlos como Richards & Heath (2016) quienes
estudian el soborno en países desarrollados a nivel macro
(colectividad) y micro (individuo). Encuentran que en lo
macro a mayores niveles de ingreso hay menos
probabilidad de soborno, pero factores como religión
predominante, inequidad, libertad económica y etnia no
se encuentran asociadas al soborno. En lo micro
concluyen que hombres de edad media, con educación y
altos ingresos son más asociados al soborno, esto según
los autores porque tienen mayor contacto con las
instituciones públicas. Un aspecto fundamental de sus
conclusiones es que las acciones anticorrupción más
efectivas están en los individuos (valores) más que en la
colectividad (regida por normas). Rotondi & Stanca
(2015) enfatizan este aspecto cultural con un estudio que
contrapone particularismo (moral dada por contextos
específicos y atados a normas/leyes de conducta) a
universalismo (moral independiente de los contextos).
Sus conclusiones apuntan a que hay una relación de
causalidad entre particularismo y sobornos, mientras que
sociedades más universalistas tienden a ser menos
corruptas. Un estudio interesante que puede contrastar
estas conclusiones de países regidos por la ley y normas
de conducta y que se han transformado a universalistas o
moralmente independientes, se ven en el caso de los
países excomunistas (Iwasaki & Suzuki, 2012).
Estudios que utilizan microdatos como en esta
investigación, se encuentran los de Mocan (2004, 2008)
que aduce que a mayores niveles de educación e ingreso
individual hay más probabilidad de que le sea preguntado
por un soborno, esta probabilidad se aumenta si además
se es hombre y se vive en una gran ciudad. Entre otros
estudios micro relevantes para esta investigación, se
encuentra el de Swamy et al. (2001) con preguntas
específicas como “aceptar soborno en el cumplimiento de
sus deberes” o la investigación de Dong & Torgler (2009)
quienes muestran que al alto interés político se le asocia
con menos corrupción efectiva y percibida. En un
documento más reciente Dong et al. (2012) revisan
específicamente la justificación de un soborno y la de Lee
& Guven (2013) que por un lado buscan revisar la
tolerancia al riesgo y los roles de género frente al soborno
y por otro, aspectos menos observables como lo son la
probabilidad de ser preguntado por un soborno, la
posibilidad de ofrecerlo y la justificación de hacerlo.
Ramamoorthy et al. (2015) mencionan que la propensión
de sobornar se da principalmente por: 1) la oposición
entre beneficios propios frente a los de la organización,
2) la preocupación del individuo frente a los empleados y
clientes de la organización y 3) la percepción individual
a la justicia organizacional. Los anteriores se traducen en
conflictos de valores que 1) antepone el bienestar
individual sobre el general (teoría de la agencia); 2) que
un beneficio personal en el corto plazo pueda determinar
el beneficio de sus grupos de interés en el mediano/largo
plazo (teoría de los grupos de interés); y 3) que sea un
mecanismo para lograr “justicia” organizacional, porque
como la institución no compensa de manera efectiva a sus
empleados/funcionarios, ellos buscan mecanismos
alternativos (soborno) para equilibrar las “injusticias”.
Por supuesto en todos estos estudios de percepción
usando microdatos puede haber sesgos de especificación.
Por ejemplo, si se descubren y judicializan actividades
ilegales de corrupción, los medios de comunicación las
tendrán como noticias principales, lo que dará una mayor
percepción de corrupción (Brunetti & Weder, 2003)
incluso cuando esa corrupción fuera alta mientras no
estuviera a la luz pública. Asimismo, la corrupción para
la mayoría de la gente es percibida más por los medios de
comunicación que por experiencia propia, pues frente a
ciertas instituciones el individuo promedio no tiene un
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
12
contacto directo. Todas estas son consideraciones que se
deben tener en cuenta a la hora de revisar los resultados
en investigaciones de este tipo.
En Latinoamérica se encuentran estudios bastante citados
como el Canache & Allison (2005); Weyland (1998)
sobre las implicaciones políticas de la corrupción. En lo
económico varios revisan la relación entre corrupción y
desigualdad como los de Fried et al. (2010) y Andrés &
Ramlogan-Dobson (2011) luego ampliado en Dobson &
Ramlogan-Dobson (2012) justificando dicha relación en
la influencia de la informalidad. También Sanchez et al.
(2008) enmarcan su estudio en la tolerancia cultural a los
sobornos que tienen en Latinoamérica.
La literatura en los temas de corrupción es abundante en
todo el mundo, sin embargo, a conocimiento de los
autores hay alternativas de investigación todavía por
explorar en los ejercicios multi-país que para el caso de
este artículo corresponde a América Latina y el Caribe, y
aún más si lo que se quiere revisar son los factores que
influyan para cometer actos corruptos, que para el caso de
estudio es “el pago de sobornos”.
Metodología
Se utiliza la encuesta de transparencia internacional
realizada el 2019, en el Barómetro global de la
corrupción; la encuesta se aplicó en 18 países, en el
idioma local de manera presencial asistida por
computador y/o por teléfono. Los resultados tienen un
margen de error de 2,8 %, con un nivel de confianza del
95 %. Tamaño de 17.704 de 18 países de América Latina
y del Caribe (ver Tabla 1).
Tabla 1.
Muestra
País
Tamaño
Muestra
País
Tamaño
Muestra
Argentina
1.000
Guatemala
1.003
Bahamas
1.007
Guyana
890
Barbados
806
Honduras
1.000
Brasil
1.000
Jamaica
1.044
Chile
1.016
México
1.000
Colombia
1.101
Panamá
1.000
Costa Rica
1.000
Perú
1.005
República Dominicana
1.005
Trinidad y Tobago
827
El Salvador
1.000
Venezuela
1.000
Total
17.704
Fuente: Autores
La variable dependiente es: Tasa total de soborno,
excluyendo el no contacto, con dos respuestas: Tuve
contacto y no pagué soborno (0) y pagó un soborno (1);
dado que el objetivo de esta investigación es identificar
las variables para predecir la probabilidad de pagar
soborno si tiene contacto; se utiliza una regresión
logística binaria con variables independientes
categóricas.
Lo primero que se realiza es analizar el poder predictivo
de las variables categóricas con respecto a la variable
dependiente del modelo por medio del peso de la
evidencia (Weigth of Evidence - WOE), y posteriormente
construir el indicador del valor de información
(Information Value - IV) que permite examinar el valor
de la información con el peso de la evidencia de cada
variable.
El análisis del valor de la información es una técnica
exploratoria de datos que ayuda a determinar qué
columnas de un conjunto de datos tienen poder predictivo
o influencian en el valor de una variable dependiente
especificada
(1) 
 



El peso de la evidencia (WOE), es:  


Luego el IV, se puede expresar como: 



El criterio de clasificación se presenta en la Tabla 2.
Tabla 2.
Valor de Información (Information Value - IV)
IV
Poder de predicción
IV ≤ 0,02
No Discrimina
0,02< IV <0,1
Débil
0,1≤ V < 0,3
Moderada
IV≥0,3
Fuerte
Fuente: Autores
El modelo se verifica con el cumplimiento de tres
supuestos:
1. Independencia de errores, con el apoyo del
estadístico Durwin Watson:
H
0
= ρ = 0; H
1
= ρ≠0.
(2) D =



; 0≤ D≤ 4, si :
D → 4: Residuo negativamente autocorrelado.
D → 2; Residuo incorrelado
D → 0: Residuo positivamente autocorrelado.
2. La no multicolinelidad, se demuestra con la
tolerancia y el factor de inflación de varianza (VIF),
VIF>1; si VIF > 10 puede indicar la existencia
colinealidad (Steward, 1987).
Tolerancia = 1 – R
j
2
(3) VIF =

=

3. La linealidad que va implícita en el modelo de
regresión logística. Para ello, se utiliza el soporte del
SPSS27 para generar el modelo (Berlanga-Silvente
& Vilà-Baños, 2014). El modelo logístico determina
la probabilidad de ocurrencia del suceso, si el
individuo presenta los valores (X
1
; X
2
…; X
k
):
(4) P(Y =1 / X
1
; X
2
; …..; X
k
) =





Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
13
Tabla 3.
Variables a incluir en el modelo (Tolerancia, VIF y IV)
Escala
VIF
IV
M1
M2
M3
M4
M5
%
DEMEDUFIN. ¿Cuál es su más alto nivel de
estudios?
0. Sin educación formal / Alguna educación primaria / Solo
escolaridad informal (incluida la escolarización religiosa) /
No Sabe
1. Escuela primaria completada
2. Algún nivel de escuela secundaria
3. Escuela secundaria completada
4. Algún nivel de educación superior / equivalente
5. Educación superior completa / equivalente completada
6. Algún nivel de licenciatura / título equivalente
7. Licenciatura completa / título equivalente completado
1,181
0,0226738
X
X
X
X
X
100%
CORRPEOPLE1FIN. ¿Cuántas de las siguientes
personas cree usted que están implicadas en la
corrupción o no ha oído hablar de ellas lo
suficiente como para decirlo? el Primer Ministro
/ Presidente y/o los funcionarios de su gabinete
0. Ninguno
1. Algunos
2. La mayoría de ellos
3. Todos ellos
1,538
0,044436131
X
X
X
X
X
100%
Q1C. Credibilidad y confianza en la policía
0. Sin confianza en absoluto
1. No mucha confianza
2. Una buena cantidad de confianza
3. Mucha confianza
1,414
0,173501569
X
X
X
X
X
100%
Q17. La sextorsión es una forma de corrupción
que se produce cuando un funcionario público
dice que dará un beneficio al gobierno (como un
servicio más rápido, la aprobación de
documentos, un trabajo o una promoción, o
evitar una multa o encarcelamiento) a cambio de
una relación sexual.
0. Muy frecuentemente
1. Frecuentemente
2. Ocasionalmente
3. Raramente
4. Nunca
5. Se negó/ No sabe
1,181
0,045588685
X
X
X
X
X
100%
Q18. Y pensando en su propia experiencia o en
la de sus conocidos, ¿cuántas veces, si es que las
hay, un funcionario público le ha insinuado
abierta o sugestivamente, a usted o a alguien que
conoce, que le concediera un beneficio
gubernamental a cambio de favores sexuales?
0. No lo sé/Nunca
1. Una o dos veces
2. Algunas veces
3. A menudo
4. Nunca tuve contrato con ningún funcionario público
1,069
0,141328408
X
X
X
X
X
100%
Q19.C. Los votantes son amenazados con
represalias si no votan de una manera
determinada
0. Nunca/No pude votar
1. Una o dos veces
2. Unas pocas veces
3. A menudo
1,174
0,145585397
X
X
X
X
X
100%
Q20B. Personalmente o testigo de ello. Un
funcionario o político que abusa de su posición
para beneficiarse a sí mismo o a su familia
0. Nunca / No sabe / se negó
1. Una o dos veces
2. Unas pocas veces
3. A menudo
2,241
0,251453557
X
X
X
X
X
100%
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
14
Q20C. Personalmente o testigo de ello. Un
político que toma una decisión o vota de manera
que favorece a una empresa o individuo que le
dio apoyo político o donaciones
0. Nunca / No sabe / se negó
1. Una o dos veces
2. Unas pocas veces
3. A menudo
2,495
0,2024195
X
X
X
X
X
100%
Q20D. Personalmente o testigo de ello. Un
funcionario o político que adjudica un contrato
público a una empresa a cambio de un soborno,
regalo o favor
0. Nunca / No sabe / se negó
1. Una o dos veces
2. Unas pocas veces
3. A menudo
2,338
0,185054473
X
X
X
X
X
100%
Q23A. Ciudadano que utiliza sus conexiones
personales o políticas para obtener un servicio
mejor que otros de una entidad gubernamental
0. Completamente inaceptable
1. 1 a 3
2. 4 a 6
3. 7 a 8
4. 9
5. 10 Completamente aceptable
1,824
0,03977905
X
0,121
X
0,108
X
60%
Q23E. Posición personal frente al hecho de que
una persona le pague a un policía en la calle para
evitar que le pongan una multa por una
infracción de tráfico
0. Completamente inaceptable
1. 2 a 4
2. 5 a 7
3. 8 a 12
4. Completamente aceptable
5. No se
2,050
0,07262372
X
X
X
X
X
100%
Q24D. Frecuencia del hecho sobre las personas
que pagan a los policías en la calle para evitar
que les pongan una multa por una infracción de
tráfico
0. Nunca/ No sé
1. Raramente
2. Ocasionalmente
3. Frecuentemente
4. Muy frecuentemente
1,396
0,1135256
X
X
X
X
X
100%
Q25B. En algunos casos, los organismos
públicos ponen la información y los hechos a
disposición del público, por ejemplo, en su
página web. En otros casos, los ciudadanos
solicitan (por ejemplo, mediante una carta, un
correo electrónico o una llamada telefónica) que
el organismo público les facilite la información
0. Nunca / no sé
1. Una o dos veces
2. Algunas veces / A menudo
1,084
0,04650828
X
X
X
X
X
100%
Fuente: Autores
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
15
El objetivo es hallar los coeficientes    
que mejor se ajusten a la función. El odds_ ratio =

= EXP(B) que da el SPSS27.
Utilizando el SPSS 27 se verifican los criterios para
la construcción del modelo:
• (-2LL). - -2 log de la verosimilitud. A menor
sea el valor, mejor el ajuste del modelo a los
datos reales.
• La prueba de Ómnibus debe ser significativa
(α <0,05).
• Prueba de Hosmer y Lemeshow, no debe ser
significativo para que sea un buen ajuste.
• La R
2
de Cox y Snell y La R
2
de Nagelkerke.
Sus valores oscilan entre 0 y 1.
• Tabla de clasificación: representa la
sensibilidad (% casos con la característica
tener contacto pagan soborno) y
especificidad (% casos sin la característica:
tener contacto y no pagaron soborno)
clasificadas correctamente.
• Variables en la ecuación: donde se
identifican los coeficientes β de las variables
predictoras, error estándar (E.T.), el
estadístico de prueba Wald que se comporta
como una Chi cuadrado con un grado de
libertad y nivel de significancia menor a
0,05
El trabajo se inició con 117 variables categóricas a las
cuales se les aplicó el IV. Se encontraron 69 variables
que presentan poder predictivo a un nivel fuerte,
medio y débil. Seguidamente se calculó el Durwin-
Watson, la tolerancia y VIF para determinar la
multicolinealidad de las 69 variables categóricas,
quedando 38 variables con una tolerancia de 0,2 o
más.
4
Para la construcción del modelo de regresión logística
se utiliza el método Enter (según el SPSS27); se
tomaron cinco muestras para determinar las variables
que son significativas por lo menos en el 50% de las
muestras; quedando 13 variables en el modelo (Ver
Tabla 3).
De acuerdo con la descripción de la metodología se
identificaron las variables que eran significativas en
por lo menos un 50% de las cinco muestras tomadas
al azar y se les aplicó el modelo de regresión logística,
quedando 11 variables, pues se excluyen las Q17 y
Q24D que no son significativas.
Siguiendo los resultados del SPSS27 en la
construcción del modelo se tiene que la variable
dependiente, dicotómica para este estudio es la tasa
total de soborno, excluyendo sin contacto
BRIBETOTEXCFIN (ver Tabla 4).
- Tienen contacto, pero no ha pagado soborno
(0).
- Tienen contacto ha pagado soborno (1)
Quedando el modelo:
BRIBETOTEXCFIN = f (DEMEDUFIN, CORRPEOPLE1FIN,
Q1C, Q18, Q19C, Q20B, Q20C, Q20D, Q23A, Q23E, Q25B).
Tabla 4.
BRIBETOTEXCFIN. Tasa Total de Soborno – excluyendo sin contacto
Frecuencia
Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido
Tuvo contacto, no pagó soborno
10768
60,8
79,9
79,9
Tuvo contacto, pagó soborno
2714
15,3
20,1
100,0
Total
13482
76,2
100,0
Perdidos
Sistema
4222
23,8
Total
17704
100,0
Fuente: Autores
Resultados
Para el desarrollo del modelo con el apoyo del
SPSS27, se tomó el 60,9% de la muestra y se deja el
39,1% para validación (ver tabla 5).
Se observa que la inclusión de las variables
independientes mejora el modelo, lo que se concluye
de revisar el logaritmo de la verosimilitud y su
significancia. Esto nos indica que el modelo
construido mejora la predicción del modelo nulo.
Tabla 5.
Resumen de procesamiento de casos
N
Porcentaje
Casos seleccionados
Incluido en el análisis
10781
60,9
4
Por cuestiones de formato solo se presenta la tolerancia, VIF y
IV de las variables que son significativas por lo menos en el 50%
de las muestras
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
16
Casos perdidos
0
,0
Total
10781
60,9
Casos no seleccionados
6923
39,1
Total
17704
100,0
Fuente: Autores
A pesar de que el modelo estimado sea adecuado,
según el R
2
de Nagelkerke de 17% (ver Tabla 6), el
modelo presenta valores bajos por el hecho de tratarse
de variables cualitativas. Por ello hay que tomar esta
información como orientación, teniendo presente que
valores de 0,6 son elevados y que los de 0,2 y 0,3 son
suficientes para un buen nivel de ajuste. Finalmente,
el que la Prueba de Hosmer y Lemeshow no sea
significativa indica que el modelo generado se
aproxima a los datos reales y se ajustan.
Tabla 6.
Criterios de selección de la muestra
Pruebas ómnibus de coeficientes de
modelo
Prueba de Hosmer y Lemeshow
Chi-cuadrado
Gl
Sig.
Logaritmo de la
verosimilitud -2
R
2
de
Nagelkerke
Chi-cuadrado
gl
Sig.
Modelo_ 0
10.819,55
1.186,360921
41
0
9.633,19
0,17
3,964842
8
0,86
Fuente: Autores.
Como se observa en la Tabla 7, este modelo clasifica
el 80,6% de la muestra tomada para construcción del
modelo y el 80,5% de la muestra que se dejó para
validar el modelo, teniendo como punto de corte 0,5
(ver figura 1).
Tabla 7.
Tabla de clasificación (con un punto de corte de 0,5)
Pronosticado
Casos seleccionados
Casos no seleccionados
Tuvo contacto,
no pagó soborno
Pagó soborno
Porcentaje
correcto
Tuvo contacto, no
pagó soborno
Pagó soborno
Porcentaje
correcto
Observado
Tuvo contacto, no pagó
soborno
8454
160
98,1
2105
49
97,7
Pagó soborno
1928
239
11
479
68
12,4
Porcentaje global
80,6
80,5
Fuente: Autores
Figura 1. Curva ROC. Fuente: Autores
Tabla 8.
Resultados de área bajo la curva ROC
Área bajo la curva
Variables de resultado de prueba:
Área
Desv.
Error
Significación
asintótica
95% de intervalo
de confianza
Límite
inferior
Límite
superior
0,728
0,005
0,000
0,718
0,739
Fuente: Autores.
Mediante la curva Receiver Operating Characteristic
(ROC curve) un método estadístico que permite
calcular la exactitud diagnóstica de modelos y
permite determinar el punto de corte de la escala
donde se obtiene la sensibilidad y especificidad más
alta, además evalúa la capacidad discriminativa del
modelo esto es, su capacidad de diferenciar entre
pagar soborno, si tiene contacto, o de no pagar
soborno.
Como se muestra en la Figura 1 y la Tabla 8, podemos
considerar que el modelo clasifica bien, dado que el
área bajo la curva es del 73%. Además, nos permitió
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
17
calcular el punto de corte en 0,21 donde la
sensibilidad y la especificidad alcanza su máximo
valor. Al ver Tabla 9 de clasificación con este punto
de corte se nota que la sensibilidad del modelo sube
al 64,2% en la muestra del modelo, en la muestra de
validación es de un 68% y la especificidad baja al
69%, este corte aumenta la probabilidad de clasificar
bien los que pagan soborno. De los 2714 que pagaron
soborno, 1391 se clasificaron bien en la muestra del
modelo y 371 en la muestra de validación del modelo,
esto es 1762 con el umbral 0,21 (Tabla 9) frente a los
307 positivos bien clasificados con el umbral 0,5
(Tabla 7).
Tabla 9.
Tabla de clasificación (Con un punto de corte de 0,21)
Pronosticado
Casos seleccionados
Casos no seleccionados
Tuvo contacto,
no pagó soborno
Pagó soborno
Porcentaje
correcto
Tuvo contacto, no
pagó soborno
Pagó soborno
Porcentaje
correcto
Observado
Tuvo contacto, no pagó
soborno
5955
2659
69,1
1480
674
68,7
Pagó soborno
776
1391
64,2
176
371
67,8
Porcentaje global
68,1
68,5
Fuente: Autores
Análisis
Como se enuncia al finalizar la metodología y se
presenta en la Tabla 10, el modelo toma como
variables categóricas el primer valor de la escala; X
i
= 0, así:
P(Y =1 / X
1
=0; X
2
=0; X
k
=0) =


59;
Si todas las variables categóricas son iguales a cero la
probabilidad de pagar un soborno al tener contacto es
del 5,59% y se pueden resumir en las características
de una persona cuando:
- No tiene educación formal o bajo nivel de
escolaridad;
- Considera que su presidente/primer ministro u
ofíciales no están envueltos en casos de
corrupción;
- No tiene ninguna confianza en la policía,
- Nunca le han insinuado o sugerido beneficios
gubernamentales a cambio de favores sexuales
- No lo han amenazado con represalias si no votan
de una forma determinada
- No ha sido testigo del favorecimiento a empresa o
político por tomar determinada decisión o votar de
cierta manera
- No ha sido testigo de la adjudicación de un
contrato público a una empresa a cambio de un
soborno, regalo o favor
- Considera inaceptables el uso de conexiones
personales o políticas para obtener mejores
servicios que otros en una entidad gubernamental.
- Considera inaceptable pagar a un policía en la
calle para evitar que le pongan multa por una
infracción de tránsito.
- No ha visto o no sabe sobre el pago a un policía
en la calle para evitar que pongan multa por una
infracción de tránsito.
- Nunca o no sabe sobre la información de
organismos públicos dispuesta para las personas o
la posibilidad de solicitar la información
Si el odds ratio Exp(B) de las variables de la ecuación
presentan un valor menor a 1 indican que la
probabilidad del evento es menor al del odds ratio
Exp(B) de la categoría de referencia. Si este es mayor
a uno la probabilidad de pagar el soborno es superior
a la categoría de referencia.
En ese orden de ideas, solo la variable credibilidad y
confianza en la policía (Q1C) presenta odds ratio
menores a uno y puede variar de sin confianza en
absoluto a mucha credibilidad y confianza. Entre más
credibilidad y confianza se tenga en la policía, la
probabilidad de pagar un soborno disminuye,
llegando incluso al 2,52% cuando se trata de una
buena cantidad de credibilidad y confianza. Estas
conclusiones son apoyadas por Hunt & Laszlo
(2012), en tanto la policía es una de las instituciones
con las que la ciudadanía tiene mayor contacto y por
tanto en términos absolutos estaría más expuesta a
este tipo de conductas.
Una supuesta paradoja del análisis es el grado de
escolaridad que podría suponer mayor educación para
evitar sobornar por razones de una mayor educación
en valores y ética. Sin embargo, los resultados que
presenta el estudio también son consistentes con
algunos teóricos como Rotondi & Stanca (2015)
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
18
quienes, al estudiar los sesgos en percepciones sobre
corrupción, suponen que la mayor educación genera
un mayor contacto con las instituciones públicas y por
tanto mayor exposición a la situación de soborno.
Asimismo, Mocan (2004, 2008) usando microdatos
confirma el mayor grado de escolaridad con más
propensión al soborno.
En este estudio resulta que a medida que la
escolaridad aumenta y manteniendo las demás
variables de referencia en cero, da cuenta de que al
tener un grado de educación superior completo o su
equivalente, hay mayor probabilidad de pagar un
soborno frente a la situación de referencia
(7,73%>5,59%), esto es 1,41 veces más propenso a
sobornar que si no tiene educación formal. Se puede
suponer que la escolaridad le da el conocimiento a la
persona para manipular las situaciones de soborno.
Otra variable del análisis es el ejemplo en la actuación
de funcionarios públicos en este caso primer
ministro/presidente o los funcionarios de su gabinete
(CORRPEOPLE1FIN). Cuando existe la percepción
de que todos ellos están involucrados en hechos de
corrupción presenta una probabilidad mayor
(10,40%>5,59%), esto es casi el doble (1,95) de la
probabilidad que cuando ninguna de estas personas se
involucra en corrupción. En todas las preguntas que
involucran políticos o funcionarios públicos (Q18;
Q19C; Q20B; Q20C; Q20D; Q23E), la probabilidad
aumenta entre el 8% y el 14%. Esto es acorde con la
literatura de Mauro (1996); Ramamoorthy et al.
(2015); Rose-Ackerman (1997); Tanzi, (1998)
quienes aducen que los funcionarios públicos son
propensos a los sobornos por los bajos salarios y por
la búsqueda de “justicia” organizacional de cargos
similares en el sector privado o incluso en cargos de
dirigencia gubernamental donde pueda haber más
disparidades.
Tabla 10.
Variables en la Ecuación y Escala_Variable categórica (0)
95% C.I. para
Exp(B)
Variable
Escala
B
Wald
Sig.
Exp(B)
Inferior
Superior
Probabilidad
DEMEDUFIN.
0. Sin educación formal / Alguna
educación primaria / Solo escolaridad
informal (incluida la escolarización
religiosa) / No Sabe
10,870
0,144
5,59%
1. Escuela primaria completada
0,138
1,053
0,305
1,148
0,882
1,496
6,37%
2. Algún nivel de escuela secundaria
0,327
6,774
0,009
1,387
1,084
1,775
7,59%
3. Escuela secundaria completada
0,261
5,069
0,024
1,299
1,034
1,630
7,14%
4. Algún nivel de educación superior /
equivalente
0,336
4,794
0,029
1,399
1,036
1,891
7,65%
5. Educación superior completa /
equivalente completada
0,346
7,561
0,006
1,414
1,105
1,809
7,73%
6. Algún nivel de licenciatura / título
equivalente
0,279
4,296
0,038
1,322
1,015
1,723
7,26%
7. Licenciatura completa / título
equivalente completado
0,275
4,586
0,032
1,316
1,024
1,693
7,23%
CORRPEOPLE1FIN
0. Ninguno
63,534
0,000
5,59%
1. Algunos
0,216
3,376
0,066
1,241
0,986
1,563
6,85%
2. La mayoría de ellos
0,489
16,570
0,000
1,630
1,288
2,063
8,81%
3. Todos ellos
0,672
32,213
0,000
1,959
1,553
2,471
10,40%
Q1C.
0. Sin confianza en absoluto
118,292
0,000
5,59%
1. No mucha confianza
-0,301
23,708
0,000
0,740
0,656
0,836
4,20%
2. Una buena cantidad de confianza
-0,829
107,971
0,000
0,436
0,373
0,510
2,52%
3. Mucha confianza
-0,662
34,715
0,000
0,516
0,414
0,643
2,96%
Q18.
0. No lo sé/Nunca
57,579
0,000
5,59%
1. Una o dos veces
0,554
45,025
0,000
1,740
1,480
2,046
9,34%
2. Algunas veces
0,410
18,068
0,000
1,506
1,247
1,819
8,19%
3. A menudo
0,075
0,987
0,320
1,077
0,930
1,248
6,00%
4. Nunca tuve contrato con ningún
funcionario público
0,315
5,818
0,016
1,371
1,061
1,771
7,51%
Q19C.
0. Nunca/No pude votar
109,366
0,000
5,59%
1. Una o dos veces
0,679
43,530
0,000
1,973
1,612
2,414
10,46%
2. Unas pocas veces
0,830
38,037
0,000
2,293
1,762
2,985
11,96%
3. A menudo
1,064
42,204
0,000
2,898
2,102
3,995
14,65%
Q20B.
0. Nunca / No sabe / se negó
46,232
0,000
5,59%
1. Una o dos veces
0,510
24,812
0,000
1,666
1,363
2,036
8,98%
2. Unas pocas veces
0,451
27,585
0,000
1,570
1,327
1,857
8,51%
3. A menudo
0,522
37,958
0,000
1,686
1,428
1,990
9,08%
Q20C.
0. Nunca / No sabe / se negó
24,029
0,000
5,59%
1. Una o dos veces
0,440
21,061
0,000
1,553
1,287
1,875
8,43%
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
19
2. Unas pocas veces
0,059
0,499
0,480
1,061
0,901
1,249
5,91%
3. A menudo
0,182
4,350
0,037
1,200
1,011
1,424
6,64%
Q20D.
0. Nunca / No sabe / se negó
15,059
0,002
5,59%
1. Una o dos veces
0,275
7,831
0,005
1,317
1,086
1,597
7,24%
2. Unas pocas veces
0,226
7,626
0,006
1,253
1,068
1,471
6,91%
3. A menudo
0,296
12,143
0,000
1,344
1,138
1,587
7,37%
Q23A.
0. Completamente inaceptable
19,640
0,001
5,59%
1. 1 a 3
0,088
1,274
0,259
1,092
0,937
1,272
6,07%
2. 4 a 6
0,137
2,871
0,090
1,147
0,979
1,344
6,36%
3. 7 a 8
0,416
18,929
0,000
1,515
1,257
1,827
8,24%
4. 9
0,240
2,411
0,120
1,271
0,939
1,721
7,00%
5. 10 Completamente aceptable
0,258
1,330
0,249
1,294
0,835
2,004
7,12%
Q23E.
0. Completamente inaceptable
49,445
0,000
5,59%
1. 2 a 4
0,268
7,901
0,005
1,307
1,084
1,575
7,18%
2. 5 a 7
0,262
6,067
0,014
1,299
1,055
1,600
7,15%
3. 8 a 12
0,259
3,327
0,068
1,296
0,981
1,713
7,13%
4. Completamente aceptable
0,554
31,860
0,000
1,740
1,436
2,109
9,34%
5. No se
0,521
27,899
0,000
1,684
1,388
2,043
9,07%
Q25B.
0. Nunca / no sé
33,811
0,000
5,59%
1. Una o dos veces
0,312
15,943
0,000
1,367
1,172
1,593
7,49%
2. Algunas veces / A menudo
0,407
23,053
0,000
1,502
1,272
1,773
8,17%
Constante
-2,826
314,067
0,000
0,059
5,59%
Fuente: Autores.
Causa curiosidad que la mayor probabilidad se da en la
amenaza de retaliación si no se vota de una forma en
particular para las elecciones locales, regionales o
nacionales (Q19C), si está envuelto en dicha situación la
probabilidad de soborno llega al 14,65%, esto es 2,1
veces más posible frente a la situación de referencia. Para
países de Latinoamérica en particular los actos de
corrupción tienen mucha visibilidad durante los procesos
electorales. Ya sea porque los diferentes candidatos
presentan a sus contendores como corruptos o porque en
el proceso mismo de elección, los votantes se ven
coactados en su voto con represalias o una vez en el cargo
las personas involucradas les “cobran los favores” o los
relegan por no haberlos apoyado. Estos casos pueden ser
una buena fuente a futuro de investigación.
Finalmente, un tema que cada vez está más presente es el
de los abusos sexuales para conceder beneficios. En este
caso la evidencia es más bien anecdótica y requiere
mayor profundización. El barómetro de Transparencia
Internacional de Pring & Vrushi (2019) por primera vez
incluye estas preguntas y sorpresivamente el 16%
contestaron afirmativamente haber vivido o conocido
casos de sextorsión, que va muy en coincidencia con el
resultado que se le ha dado en esta investigación.
Conclusiones
La investigación sobre el soborno como tipología
específica de la corrupción sigue siendo incipiente. Sin
embargo, la recopilación de microdatos ha facilitado la
aproximación temática a aspectos específicos de la
corrupción como lo es en este caso el soborno.
Este estudio reconoce que 11 variables pueden explicar
la probabilidad de pago de soborno al tener contacto con
las personas, empresas o entidades que le prestan servicio
en 18 países de Latinoamérica y el Caribe. Con las
variables de referencia en cero (0) la probabilidad de
pagar un soborno de 5,59%. Esto teniendo en cuenta que
las condiciones de referencia son: sin educación formal;
confiando en que el presidente/primer ministro o
miembros de su gabinete no están implicados en actos
corruptos; en que no hay credibilidad ni confianza en la
policía; que no ha escuchado o ha estado implicado en
recibir favores sexuales a cambio de beneficios; que no
ha recibido coacción para votar; que no haya visto o sido
testigo del abuso de poder para beneficiarse a sí mismo o
a su familia; que no haya visto o sido testigo de las
decisiones de un político para beneficiar a alguien que le
apoyo en política o donaciones; que no utiliza su posición
para obtener mejor servicio que otros ante oficinas
gubernamentales; que no acepte el hecho de que una
persona pague soborno por poner una multa por infringir
reglas de tránsito; y que no use los medios que disponen
los organismos públicos para informarse.
En variables específicas la buena confianza en la policía
reduce la probabilidad al 2,52%, pero cuando hay
represalias frente a los votantes la probabilidad aumenta
al 14,65%. La escolaridad también resulta contraevidente
se supondría que mayor estudio garantiza una menor
propensión a sobornar, pero los datos muestran lo
contrario y de hecho confirman estudios previos. De
hecho, el tener un grado de escolaridad de educación
superior completa aumenta la probabilidad de pago de un
soborno al 7,73%. Un tema que se sugiere investigar en
mayor medida es el de los favores sexuales y los
beneficios recibidos, las evidencias son anecdóticas y
requieren una aproximación científica. Al incluirla en un
instrumento es un buen comienzo para justificar sus
efectos más ampliamente.
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
20
En general la desconfianza en los funcionarios públicos
y políticas hace aumentar la probabilidad entre el 8% y el
14,56%. Esto refleja y evidencia la gran desconfianza y
desprestigio por el que pasa la clase política y la función
pública en los países de la región.
Las limitaciones de esta investigación se pueden enfocar
en el instrumento que se basa en percepciones, que como
tales pueden ser sesgadas. Sin embargo, no existe para
este tipo de problemáticas un instrumento objetivo y no
invasivo que pueda medir la corrupción en general y el
soborno en particular.
Un problema adicional está en la dificultad para
combinar encuestas sucesivas, en tanto la metodología,
las preguntas o su sentido pueden variar. Tanto el
barómetro como el índice de corrupción de
Transparencia International son bases de datos que sería
interesante revisar para futuras investigaciones y
comparar la percepción sobre el soborno en varios países,
grupos de interés y años.
Tener el soborno como temática específica de estudio es
tan requerido como lo es la investigación de las otras
tipologías de corrupción. Es importante recalcar que la
información, aunque incipiente y basada en percepciones
es muy importante para construir modelos y entender
mejor el comportamiento de nuestras sociedades, en el
cual la corrupción es uno de los temas principales.
Agradecimientos
Los microdatos del Barómetro de Corrupción Global
fueron obtenidos de Transparency International a través
de las señoras Adriana Fraiha y Coralie Pring, a quienes
los autores agradecen su apoyo.
Referencias
Ades, A., & Di Tella, R. (1999). Rents, competition, and
corruption. American Economic Review, 89(4),
982–993. https://doi.org/10.1257/aer.89.4.982
Ali, A. M., & Isse, H. S. (2003). Determinants of
Economic Corruption: A Cross-Country
Comparison. Cato Journal, 22(3), 449–466.
https://citeseerx.ist.psu.edu/viewdoc/download?do
i=10.1.1.496.235&rep=rep1&type=pdf
Alt, J. E., & Lassen, D. D. (2003). The political economy
of institutions and corruption in American States.
Journal of Theoretical Politics, 15(3), 341–365.
https://doi.org/10.1177/0951692803015003006
Andrès, A. R., & Ramlogan-Dobson, C. (2011). Is
Corruption really bad for inequality? evidence
from Latin America. The Journal of Development
Studies, 47(7), 959–976.
https://doi.org/10.1080/00220388.2010.509784
Azfar, O., Lee, Y., & Swamy, A. (2001). The Causes and
Consequences of Corruption. The Annals of the
American Academy of Political and Social Science,
573(1), 42–56.
https://doi.org/10.1177/000271620157300103
Badawi, A., & AlQudah, A. (2014). The Impact of Anti-
Corruption Policies on the Profitability and Growth
of the Firms Listed in the Stock Market-
Application on Singapore (Panel Data Analysis).
SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.2952730
Banerjee, A., Mullainathan, S., & Hanna, R. (2012).
CORRUPTION (National Bureau of Economic
Research Working Paper 17968).
https://www.nber.org/system/files/working_paper
s/w17968/w17968.pdf
Beets, S. D. (2005). Understanding the demand-side
issues of international corruption. Journal of
Business Ethics, 57, 65–81.
https://doi.org/10.1007/s10551-004-3824-3
Berlanga-Silvente, V., & Vilà-Baños, R. (2014). Cómo
obtener un Modelo de Regresión Logística Binaria
con SPSS. Revista d’Innovació i Recerca En
Educació REIRE, 7(2), 105–118.
https://doi.org/10.1344/reire2014.7.2727
Bliss, C., & Di Tella, R. (1997). Does Competition Kill
Corruption? Journal of Political Economy, 105(5),
1001–1023. https://doi.org/10.1086/262102
Brunetti, A., & Weder, B. (2003). A free press is bad
news for corruption. Journal of Public Economics,
87(7–8), 1801–1824.
https://doi.org/10.1016/S0047-2727(01)00186-4
Čábelková, I., & Hanousek, J. (1999). The Power of
Negative Thinking: Corruption Perception and
Willingness to Bribe in Ukraine. http://home.cerge-
ei.cz/hanousek/power.pdf
Canache, D., & Allison, M. E. (2005). Perceptions of
political corruption in Latin American
democracies. Latin American Politics and Society,
47(3), 91–111. https://doi.org/10.1111/j.1548-
2456.2005.tb00320.x
David-Barrett, E. (2014). Are some bribes more harmful
than others? Exploring the ethics behind anti-
bribery laws. Journal of Interdisciplinary
Economics, 26(1–2), 119–144.
https://doi.org/10.1177/0260107914540830
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
21
Davis, J. H., & Ruhe, J. A. (2003). Perceptions of
Country Corruption: Antecedents and Outcomes.
Journal of Business Ethics, 43, 275–288.
https://doi.org/10.1023/A:1023038901080
Dobson, S., & Ramlogan-Dobson, C. (2012). Why is
Corruption Less Harmful to Income Inequality in
Latin America? World Development, 40(8), 1534–
1545.
https://doi.org/10.1016/j.worlddev.2012.04.015
Donchev, D., & Ujhelyi, G. (2014). What do corruption
indices measure? Economics and Politics, 26(2),
309–331. https://doi.org/10.1111/ecpo.12037
Dong, B., Dulleck, U., & Torgler, B. (2012). Conditional
corruption. Journal of Economic Psychology,
33(3), 609–627.
https://doi.org/10.1016/j.joep.2011.12.001
Dong, B., & Torgler, B. (2009). Corruption and political
interest: Empirical evidence at the micro level.
Journal of Interdisciplinary Economics, 21(3),
295–325.
https://doi.org/10.1177/02601079X09002100304
Eiras, A. (2003). The Poverty of Nations. In (Issue Brief
No.ed091803b). The Heritage Foundation.
https://www.heritage.org/global-
politics/commentary/the-poverty-nations
Elbahnasawy, N. G., & Revier, C. F. (2012). The
Determinants of Corruption: Cross-Country-Panel-
Data Analysis. The Developing Economies, 50(4),
311–333. https://doi.org/10.1111/j.1746-
1049.2012.00177.x
Fried, B. J., Lagunes, P., & Venkataramani, A. (2010).
Corruption and Inequality at the Crossroad: A
Multimethod Study of Bribery and Discrimination
in Latin America on JSTOR. Latin American
Research Review, 45(1), 76–97.
https://www.jstor.org/stable/27919176
Gao, Y. (2011). Government Intervention, Perceived
Benefit, and Bribery of Firms in Transitional
China. Journal of Business Ethics, 104, 175–184.
https://doi.org/10.1007/s10551-011-0896-8
Gatti, R., & Fisman, R. (2000). Decentralization and
Corruption: Evidence across Countries (World
Bank Policy Research Working Papers 2290).
https://openknowledge.worldbank.org/handle/109
86/19852
Getz, K. A., & Volkema, R. J. (2001). Culture, Perceived
Corruption, and Economics: A Model of Predictors
and Outcomes. Business & Society, 40(1), 7–30.
https://doi.org/10.1177/000765030104000103
Gurgur, T., & Shah, A. (2005). Localization and
Corruption: Panacea or Pandora’s Box? (World
Bank Policy Research Working Paper 3486).
https://documents1.worldbank.org/curated/en/945
181468763526056/pdf/wps3486.pdf
Guvenli, T., & Sanyal, R. (2012). Perception and
Understanding of Bribery in International
Business. Ethics and Behavior, 22(5), 333–348.
https://doi.org/10.1080/10508422.2012.706140
Heidenheimer, A. J. (1989). Perspectives on the
Perception of Corruption. In Political Corruption:
A Handbook (5 ed, p. 1017). Transaction
Publishers.
https://books.google.com.co/books?id=fGmCngE
ACAAJ&dq=Perspectives+on+the+Perception+of
+Corruption+1989&hl=es&sa=X&redir_esc=y
Herzfeld, T., & Weiss, C. (2003). Corruption and legal
(in)effectiveness: an empirical investigation.
European Journal of Political Economy, 19, 621–
632. https://doi.org/10.1016/S0176-
2680(03)00018-1
Hunt, J., & Laszlo, S. (2012). Is Bribery Really
Regressive? Bribery’s Costs, Benefits, and
Mechanisms. World Development, 40(2), 355–372.
https://doi.org/10.1016/j.worlddev.2011.06.001
Husted, B. W. (1999). Wealth, culture, and corruption.
Journal of International Business Studies, 30(2),
359. https://doi.org/10.1057/palgrave.jibs.8490073
Iwasaki, I., & Suzuki, T. (2012). The determinants of
corruption in transition economies. Economics
Letters, 114(1), 54–60.
https://doi.org/10.1016/j.econlet.2011.08.016
Jeong, Y., & Weiner, R. J. (2012). Who bribes? Evidence
from the United Nations’ oil-for-food program.
Strategic Management Journal, 33(12), 1363–
1383. https://doi.org/10.1002/smj.1986
Kaufmann, D., Kraay, A., & Mastruzzi, M. (2007).
Governance Matters VI: Governance Indicators
for 1996-2006 (World Bank Policy Research
Working Paper No. 4280).
https://papers.ssrn.com/sol3/papers.cfm?abstract_i
d=999979
Klitgaard, R. (1998). International Cooperation Against
Corruption. International Monetary Fund. Finance
& Development, 35(1), 3–6.
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
22
https://www.proquest.com/openview/ebba70a5ed
8fabe0732c5146d32dba50/1?pq-
origsite=gscholar&cbl=1819673
Knack, S., & Azfar, O. (2000). Are Larger Countries
Really More Corrupt? (The World Bank policy
research working paper 2470).
https://openknowledge.worldbank.org/bitstream/h
andle/10986/19757/multi_page.pdf?sequence=1&
isAllowed=y
La Porta, R., Lopez-de-Silanes, F., Shleifer, A., &
Vishny, R. (1999). The quality of government.
Journal of Law, Economics, and Organization,
15(1), 222–279.
https://doi.org/10.1093/jleo/15.1.222
Lambsdorff, J., & Cornelius, P. (2000). Corruption,
foreign investment and growth. In The Africa
Competitiveness Report.
https://www.researchgate.net/profile/Johann-
Lambsdorff/publication/285889564_Corruption_f
oreign_investment_and_growth/links/5670054408
ae4d9a42598917/Corruption-foreign-investment-
and-growth.pdf
Lederman, D., Loayza, N. V., & Soares, R. R. (2005).
Accountability and corruption: Political
institutions matter. Economics and Politics, 17(1),
1–35. https://doi.org/10.1111/j.1468-
0343.2005.00145.x
Lee, W. S., & Guven, C. (2013). Engaging in corruption:
The influence of cultural values and contagion
effects at the microlevel. Journal of Economic
Psychology, 39, 287–300.
https://doi.org/10.1016/j.joep.2013.09.006
Leite, C., & Weidmann, J. (1999). Does Mother Nature
Corrupt? Natural Resources, Corruption, and
Economic Growth (International Monetary Fund
Working Paper 99/85).
https://www.imf.org/external/pubs/ft/wp/1999/wp
9985.pdf
Martin, K. D., Cullen, J. B., Johnson, J. L., & Parboteeah,
K. P. (2007). Deciding to bribe: A cross-level
analysis of firm and home country influences on
bribery activity. Academy of Management Journal,
50(6), 1401–1422.
https://doi.org/10.5465/AMJ.2007.28179462
Mauro, P. (1996). The Effects of Corruption on Growth,
Investment, and Government Expenditure
(International Monetary Fund Working Paper
96/98).
https://papers.ssrn.com/sol3/papers.cfm?abstract_i
d=882994
McMillan, J., & Zoido, P. (2004). How to subvert
democracy: Montesinos in Peru. Journal of
Economic Perspectives, 18(4), 69–92.
https://doi.org/10.1257/0895330042632690
Melgar, N., Rossi, M., & Smith, T. W. (2010). The
perception of corruption in a cross-country
perspective: Why are some individuals more
perceptive than others? Economia Aplicada, 14(2),
183–198. https://doi.org/10.1590/S1413-
80502010000200004
Mocan, N. (2004). What Determines Corruption?
International Evidence from Micro Data (National
Bureau of Economic Research Working Paper
10460).
https://www.nber.org/system/files/working_paper
s/w10460/w10460.pdf
Mocan, N. (2008). What determines corruption?
International evidence from microdata. Economic
Inquiry, 46(4), 493–510.
https://doi.org/10.1111/j.1465-7295.2007.00107.x
Moore Jr, E. C. (2007). Causes of Demand for
International Bribery. Electronic Journal of
Business Ethics and Organization Studies, 12(2),
18–23.
https://jyx.jyu.fi/bitstream/handle/123456789/253
98/1/ejbo_vol12_no2_pages_18-23.pdf
Myint, U. (2000). Corruption: Causes, Consequences and
Cures. Asia-Pacific Development Journal, 7(2),
33–58.
Olken, B. A. (2009). Corruption perceptions vs.
corruption reality. Journal of Public Economics,
93(7–8), 950–964.
https://doi.org/10.1016/j.jpubeco.2009.03.001
Olken, B. A., & Pande, R. (2011). Corruption in
Developing Countries (NBER. Abdul Latif Jameel
Poverty Action Lab’s Governance Initiative;
Working Paper 17398).
https://doi.org/10.1146/annurev-economics-
080511-110917
Olken, B. A., & Pande, R. (2012a). Corruption in
developing countries. Annual Review of
Economics, 4, 479–509.
https://doi.org/10.1146/annurev-economics-
080511-110917
Olken, B. A., & Pande, R. (2012b). Corruption in
Developing Countries (Abdul Latif Jameel Poverty
Jahir Lombana, Leonor Cabeza
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
23
Action Lab’s Governance Initiative, which is
funded by DFID, the Hewlett Foundation, and an
anonymous donor).
https://economics.mit.edu/files/7589
Park, H. (2003). Determinants of Corruption: A Cross-
National Analysis. Multinational Business Review,
11(2), 29–48.
https://doi.org/10.1108/1525383X200300010
Peiffer, C., & Rose, R. (2018). Why Are the Poor More
Vulnerable to Bribery in Africa? The Institutional
Effects of Services. The Journal of Development
Studies, 54(1), 18–29.
https://doi.org/10.1080/00220388.2016.1257121
Pellegrini, L. (2011). Causes of Corruption: A Survey of
Cross-Country Analyses and Extended Results. In
Corruption, Development and the Environment
(pp. 29–51). Springer, Dordrecht.
https://doi.org/10.1007/978-94-007-0599-9_3
Pring, C., & Vrushi, J. (2019). Barómetro Global de la
Corrupción America Latina y el Caribe 2019.
Opiniones y experiencias de los ciudadanos en
materia de corrupción.
https://www.transparency.org/files/content/pages/
2019_GCB_LAC_Full_Report_ES.pdf
Ramamoorthy, N., Kulkarni, S. P., & Gupta, A. (2015).
To Bribe or Not to Bribe? Determinants in the
Indian Context. European Management Review,
12, 247–259. https://doi.org/10.1111/emre.12053
Reinikka, R., & Svensson, J. (2005). Fighting Corruption
to Improve Schooling: Evidence from a Newspaper
Campaign in Uganda. Journal of the European
Economic Association, 3(2–3), 259–267.
https://doi.org/10.1162/jeea.2005.3.2-3.259
Richards, L., & Heath, A. (2016). Explaining the
incidence of bribery in Europe: a multilevel
analysis (Working Paper 2016-1).
http://csi.nuff.ox.ac.uk/wp-
content/uploads/2016/04/2016-01-Explaining-the-
incidence-of-bribery-in-Europe.pdf
Rose-Ackerman, S. (1997). Corruption and
Development. Annual Bank Conference on
Development Economics, 1–46.
https://documents1.worldbank.org/curated/en/976
271538245051917/pdf/Corruption-and-
development.pdf
Rose-Ackerman, S., & Palifka, B. J. (2016). Corruption
and Government: Causes, Consequences, and
Reform (2 ed). Cambridge University Press.
https://assets.cambridge.org/97811070/81208/fron
tmatter/9781107081208_frontmatter.pdf
Rose, R., & Mishler, W. (2010). Experience versus
perception of corruption: Russia as a test case.
Global Crime, 11(2), 145–163.
https://doi.org/10.1080/17440571003669175
Rotondi, V., & Stanca, L. (2015). The effect of
particularism on corruption: Theory and empirical
evidence. Journal of Economic Psychology, 51,
219–235.
https://doi.org/10.1016/j.joep.2015.09.008
Sanchez, J. I., Gomez, C., & Wated, G. (2008). A value-
based framework for understanding managerial
tolerance of bribery in Latin America. Journal of
Business Ethics, 83(2), 341–352.
https://doi.org/10.1007/s10551-007-9623-x
Sanyal, R. (2005). Determinants of bribery in
international business: The cultural and economic
factors. Journal of Business Ethics, 59, 139–145.
https://doi.org/10.1007/s10551-005-3406-z
Sanyal, R. N., & Samanta, S. K. (2004). Determinants of
bribery in international business. Thunderbird
International Business Review, 46(2), 133–148.
https://doi.org/10.1002/tie.20001
Serra, D. (2006). Empirical determinants of corruption:
A sensitivity analysis. Public Choice, 126, 225–
256. https://doi.org/10.1007/s11127-006-0286-4
Shahabuddin, S. (2002). The Causes and Consequences
of Bribery in International Business. International
Journal of Management, 19(2), 366–376.
https://www.proquest.com/openview/6c5810ab6a
99fa850ce3f7a2bbb62065/1?pq-
origsite=gscholar&cbl=5703
Steward, G. W. (1987). Collinearity and Least Squares
Regression . Statistical Science, 2(1), 68–84.
https://www.jstor.org/stable/2245615
Svensson, J. (2005). Eight questions about corruption.
Journal of Economic Perspectives, 19(3), 19–42.
https://doi.org/10.1257/089533005774357860
Swamy, A., Knack, S., Lee, Y., & Azfar, O. (2001).
Gender and corruption. Journal of Development
Economics, 64(1), 25–55.
https://doi.org/10.1016/S0304-3878(00)00123-1
Tanzi, V. (1998). Corruption Around the World: Causes,
Consequences, Scope, and Cures (International
Monetary Fund Working Paper 98/63).
Probabilidad para el pago de soborno: aproximación multi-país para América Latina y el Caribe
I+D Revista de Investigaciones ISSN 2256-1676 / ISSN en línea 2539-519X
Volumen 17 Número 1 Enero-Junio de 2022 pp. 7-24
24
https://www.imf.org/external/pubs/ft/wp/wp9863.
pdf
The Hungarian Gallup Institute HGI. (1999). Basic
Methodological aspects of Corruption
Measurement: Lessons learned from the literature
and the pilot study.
https://www.unodc.org/documents/treaties/corrupt
ion_hungary_rapid_assess.pdf
Tian, Q. (2008). Perception of business bribery in China:
The impact of moral philosophy. Journal of
Business Ethics, 80, 437–445.
https://doi.org/10.1007/s10551-007-9429-x
Treisman, D. (2000). The causes of corruption: a cross-
national study. Journal of Public Economics,
76(3), 399–457. https://doi.org/10.1016/S0047-
2727(99)00092-4
Uslaner, E. (2015). The consequences of corruption. In
Routledge Handbook of Political Corruption (1 ed,
pp. 199–211). Routledge.
https://www.routledge.com/Routledge-Handbook-
of-Political-
Corruption/Heywood/p/book/9781138594890
Van Rijckeghem, C., & Weder, B. (1997). Corruption
and the Rate of Temptation: Do Low Wages in the
Civil Service Cause Corruption? (International
Monetary Fund Working Paper 97/73).
https://www.imf.org/external/pubs/ft/wp/wp9773.
pdf
Wei, S.-J. (2000). Bribery in the Economies: Grease or
Sand? (pp. 1–33). The World Bank’s Development
Research Group. https://www.brookings.edu/wp-
content/uploads/2016/06/20000115.pdf
Weyland, K. G. (1998). The politics of corruption in
Latin America. Journal of Democracy, 9(2), 108–
121. https://doi.org/10.1353/jod.1998.0034
Wu, X. (2009). Determinants of Bribery in Asian Firms:
Evidence from the World Business Environment
Survey. Journal of Business Ethics, 87, 75–88.
https://doi.org/10.1007/s10551-008-9871-4
You, J. S., & Khagram, S. (2005). A comparative study
of inequality and corruption. American
Sociological Review, 70(1), 136–157.
https://doi.org/10.1177/000312240507000107
Zouaoui, A., Al Qudah, A., El Aoun, C., Ben Arab, M.,
& Eleuch, H. (2017). Impact of corruption on
economic development: Case of Tunisia. The 3rd
International Conference on Organization and
Management ICOM, 12(2).
https://doi.org/10.18576/amis/120221