The Role of Economic Freedom in Interpreting Corruption Perception

• Gülçin YANGIN ^[1] ; Serpil KILIÇ DEPREN ^[1]
  1. [1] Yıldız Technical University

     Yıldız Technical University

     Turquía

     
• Localización: RIMCIS: Revista Internacional y Multidisciplinar en Ciencias Sociales, ISSN-e 2014-3680, Vol. 10, Nº. 3, 2021, págs. 40-63
• Idioma: inglés
• Títulos paralelos:
  • El papel de la libertad económica en la interpretación de la percepción de la corrupción
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El objetivo principal del estudio es examinar el nexo entre la corrupción y la libertad económica para determinar los factores más influyentes en los que centrarse para reducir la corrupción. Con este objetivo, se realizan dos algoritmos de aprendizaje automático diferentes para descubrir los efectos de interacción de efecto único, bidireccional y tridireccional de los factores que afectan la corrupción. Como resultado del análisis, la carga tributaria, la integridad del gobierno y el gasto público son los principales indicadores en los que se debe enfocar para mejorar la corrupción de manera constante. Además, los umbrales críticos de la carga tributaria, la integridad del gobierno y el gasto público son 83,3, 50,9 y 40,6, respectivamente. Dado que hay un número limitado de estudios para predecir la corrupción mediante algoritmos de aprendizaje automático en la literatura existente, esta investigación proporciona información muy detallada a los responsables de la formulación de políticas donde pueden centrarse en reducir la percepción de corrupción

  • English

    The main purpose of the study is to examine the nexus between corruption and economic freedom to determine the most influencing factors to be focused on to reduce corruption. With this aim, two different machine learning algorithms are performed to find out the single effect, two-way, and three-way interaction effects of factors affecting corruption. As a result of the analysis, tax burden, government integrity, and government spending are the main indicators to be focused on to improve corruption steadily. Besides, critical thresholds of the tax burden, government integrity, and government spending are 83.3, 50.9, and 40.6, respectively. Since there are a limited number of studies to predict corruption by machine learning algorithms in the extant literature, this research provides highly detailed information to policy-makers where they can focus on reducing corruption perception.