أثر الفساد على النمو الاقتصادي في دول غرب إفريقيا للفترة (2012–2022م): تحليل قياسي باستخدام بيانات السلاسل الزمنية المقطعية
د. الطيب محمدين عبد الله1، الساره آدم عبد الله2
1 أستاذ مشارك، قسم الاقتصاد، كلية الاقتصاد والعلوم الإدارية، جامعة كسلا، السودان.
2 باحثة دكتوراه، كلية الاقتصاد والعلوم الإدارية، جامعة كسلا، السودان.
البريد الإلكتروني: eltayeb.m.a.mohamedain@kassalauni.edu.sd؛ eltayebain1967@gmail.com
The Impact of Corruption on Economic Growth in West African Countries (2012–2022): An Econometric Analysis Using Panel Data
Dr. Eltayeb Mohamedain Abdullah1; Alsara Adam Abdullah2
1 Associate Professor, Department of Economics, Faculty of Economics and Administrative Sciences, University of Kassala, Sudan.
2 PhD Researcher, Faculty of Economics and Administrative Sciences, University of Kassala, Sudan.
Email: eltayeb.m.a.mohamedain@kassalauni.edu.sd; eltayebain1967@gmail.com
DOI: https://doi.org/10.53796/hnsj711/14
المعرف العلمي العربي للأبحاث: https://arsri.org/10000/711/14
المجلد (7) العدد (11). الصفحات: 272 - 288
تاريخ الاستقبال: 2026-10-10 | تاريخ القبول: 2026-10-17 | تاريخ النشر: 2026-11-01
المستخلص: هدفت الدراسة إلى تحليل العلاقة بين الفساد والأداء الاقتصادي خلال الفترة 2012–2022، باستخدام بيانات مقطعية زمنية لثلاث عشرة دولة. واعتمدت نماذج التأثيرات الثابتة والعشوائية واختبار هوسمان، ثم قدّرت نموذجًا لوغاريتميًا بتأثيرات ثابتة وإبطاء مؤشر الفساد أربع سنوات، مع تضمين الإنفاق الحكومي والبطالة ومعالجة الانحدار الذاتي للأخطاء. وشمل التقدير النهائي 78 مشاهدة للفترة 2017–2022. وأظهرت النتائج ارتباطًا موجبًا دالًا إحصائيًا بين المؤشر المؤسسي المستخدم والناتج المحلي الإجمالي؛ إذ بلغ المعامل 0.2903 والقيمة الاحتمالية 0.0186، كما ارتبط الإنفاق الحكومي بالناتج ارتباطًا موجبًا دالًا بمعامل 0.3954 وقيمة احتمالية 0.0002. وجاء معامل البطالة سالبًا وغير دال إحصائيًا. وتشير النتائج إلى أهمية النزاهة المؤسسية وكفاءة الإنفاق العام، دون أن تثبت علاقة سببية أو أثرًا مباشرًا على معدل النمو؛ فالمتغير التابع هو مستوى الناتج، كما تحتاج هوية مؤشر الفساد والتغطية الجغرافية للعينة إلى توثيق أدق. وتوصي الدراسة بتعزيز الشفافية والمساءلة واستقلال الأجهزة الرقابية، وتحسين توثيق البيانات واختبارات متانة النموذج.
الكلمات المفتاحية: الفساد؛ النمو الاقتصادي؛ غرب إفريقيا؛ بيانات البانل؛ الإنفاق الحكومي.
Abstract: This study examined corruption and economic performance over 2012–2022 using panel data for thirteen countries. Following fixed and random effects estimation and the Hausman test, a log-linear fixed effects model incorporated a four-year lag of the institutional indicator, government expenditure, unemployment, and autoregressive errors. The final estimation covered 78 observations over 2017–2022. The institutional indicator was positively associated with GDP (coefficient = 0.2903; p = 0.0186), as was government expenditure (coefficient = 0.3954; p = 0.0002). Unemployment had a negative, statistically insignificant coefficient. These associations do not establish causality or a direct effect on the growth rate, since the dependent variable measures output levels. Clearer documentation of the corruption indicator and geographical coverage is required. The study recommends stronger transparency, accountability, and independent oversight, together with better data documentation and robustness testing.
Keywords: Corruption; Economic growth; West Africa; Panel data; Public spending.
مجلة العلوم الإنسانية والطبيعية
مجلة علمية محكمة (التصنيف: NSP)
معامل التأثير العربي للعام 2024 = 0.44
HNSJ
Humanities & Natural Sciences Journal
ISSN: (e) 2709-0833
www.hnjournal.net
أثر الفساد على النمو الاقتصادي في دول غرب إفريقيا للفترة (2012–2022م): تحليل قياسي باستخدام بيانات السلاسل الزمنية المقطعية
د. الطيب محمدين عبد الله¹، الساره آدم عبد الله²
1 أستاذ مشارك، قسم الاقتصاد، كلية الاقتصاد والعلوم الإدارية، جامعة كسلا، السودان.
2 باحثة دكتوراه، كلية الاقتصاد والعلوم الإدارية، جامعة كسلا، السودان.
البريد الإلكتروني: eltayeb.m.a.mohamedain@kassalauni.edu.sd؛ eltayebain1967@gmail.com
HNSJ, 2026, 7(11); https://doi.org/10.53796/hnsj711/14
المعرف العلمي العربي للأبحاث: https://arsri.org/10000/711/14
تاريخ الاستقبال: 10/10/2026م تاريخ القبول: 17/10/2026م تاريخ النشر: 01/11/2026م
المستخلص
هدفت الدراسة إلى تحليل العلاقة بين الفساد والأداء الاقتصادي خلال الفترة 2012–2022، باستخدام بيانات مقطعية زمنية لثلاث عشرة دولة. واعتمدت نماذج التأثيرات الثابتة والعشوائية واختبار هوسمان، ثم قدّرت نموذجًا لوغاريتميًا بتأثيرات ثابتة وإبطاء مؤشر الفساد أربع سنوات، مع تضمين الإنفاق الحكومي والبطالة ومعالجة الانحدار الذاتي للأخطاء. وشمل التقدير النهائي 78 مشاهدة للفترة 2017–2022. وأظهرت النتائج ارتباطًا موجبًا دالًا إحصائيًا بين المؤشر المؤسسي المستخدم والناتج المحلي الإجمالي؛ إذ بلغ المعامل 0.2903 والقيمة الاحتمالية 0.0186، كما ارتبط الإنفاق الحكومي بالناتج ارتباطًا موجبًا دالًا بمعامل 0.3954 وقيمة احتمالية 0.0002. وجاء معامل البطالة سالبًا وغير دال إحصائيًا. وتشير النتائج إلى أهمية النزاهة المؤسسية وكفاءة الإنفاق العام، دون أن تثبت علاقة سببية أو أثرًا مباشرًا على معدل النمو؛ فالمتغير التابع هو مستوى الناتج، كما تحتاج هوية مؤشر الفساد والتغطية الجغرافية للعينة إلى توثيق أدق. وتوصي الدراسة بتعزيز الشفافية والمساءلة واستقلال الأجهزة الرقابية، وتحسين توثيق البيانات واختبارات متانة النموذج.
الكلمات المفتاحية: الفساد؛ النمو الاقتصادي؛ غرب إفريقيا؛ بيانات البانل؛ الإنفاق الحكومي.
The Impact of Corruption on Economic Growth in West African Countries (2012–2022): An Econometric Analysis Using Panel Data
Dr. Eltayeb Mohamedain Abdullah¹; Alsara Adam Abdullah²
1 Associate Professor, Department of Economics, Faculty of Economics and Administrative Sciences, University of Kassala, Sudan.
2 PhD Researcher, Faculty of Economics and Administrative Sciences, University of Kassala, Sudan.
Email: eltayeb.m.a.mohamedain@kassalauni.edu.sd; eltayebain1967@gmail.com
HNSJ, 2026, 7(11); https://doi.org/10.53796/hnsj711/14
Arabic Scientific Research Identifier: https://arsri.org/10000/711/14
Received at 10/10/2026 Accepted at 17/10/2026 Published at 01/11/2026
Abstract
This study examined corruption and economic performance over 2012–2022 using panel data for thirteen countries. Following fixed and random effects estimation and the Hausman test, a log-linear fixed effects model incorporated a four-year lag of the institutional indicator, government expenditure, unemployment, and autoregressive errors. The final estimation covered 78 observations over 2017–2022. The institutional indicator was positively associated with GDP (coefficient = 0.2903; p = 0.0186), as was government expenditure (coefficient = 0.3954; p = 0.0002). Unemployment had a negative, statistically insignificant coefficient. These associations do not establish causality or a direct effect on the growth rate, since the dependent variable measures output levels. Clearer documentation of the corruption indicator and geographical coverage is required. The study recommends stronger transparency, accountability, and independent oversight, together with better data documentation and robustness testing.
Key Words: Corruption; Economic growth; West Africa; Panel data; Public spending.
. 1 مقدمة
اكتسبت ظاهرة الفساد اهتماماً متزايداً في الآونة الأخيرة نظراً لاتساع نطاقها وتفاقم آثارها السلبية التي باتت تهدد الأمن الاجتماعي والاستقرار السياسي ورخاء الاقتصاد العالمي في الدول النامية والمتقدمة على حد سواء. حيث يتسبب الفساد في عرقلة مباشرة لعملية التنمية الشاملة والمستدامة عبر تدهور القيم الوظيفية والأخلاقية، ضعف الإدارة العامة، وتسرب المال العام لتحقيق مصالح شخصية على حساب المشاريع التنموية(لبنى ومكيد،2022 ،ص437).
تؤكد العديد من الدراسات الأثر المدمر للفساد على النمو؛ ففي منطقة شمال افريقيا، وضحت دراسة (لبنى ومكيد، 2022) تأثيره السلبي المباشر على النمو الاقتصادي. وتتسق نتائج دراسة (Wei, 1999) مع ذلك والتي اشارت الى ان الفساد يعيق الاستثمارين المحلى والاجنبي المباشر مما ينعكس بدوره سلبا على وتيرة النمو الاقتصادي. وعلاوة على ذلك، بينت دراسة (Pulok, 2010) الى ان للفساد تداعيات سلبية مباشره على نصيب الفرد من الناتج المحلي الاجمالي، ومن ثم على التنمية الاقتصادية في بنغلادش. وفي دراسة (Shira et al., 2014، كما ورد في سعيدي ومكيد، 2022) التي اهتمت بالبحث عن أثر الفساد على النمو الاقتصادي في 22 دولة نامية للفترة (2001-2012)، كشفت نتائج الدراسة عن وجود علاقة سلبية ذات دلالة احصائية بين الفساد والنمو الاقتصادي. كما اظهرت الدراسة ان الفساد ينقص عدد المستثمرين ويقلل العائد المتوقع من الانفاق العام.
يُمثل إقليم غرب إفريقيا (والدول المرتبطة به في النطاق الجغرافي والاقتصادي للبيانات) حيوية اقتصادية وتنوعاً ديموغرافياً وجغرافياً كبيراً. يضم الإقليم مجموعة واسعة من الدول مثل غانا، الكاميرون، السنغال، مالي، موريتانيا، تشاد، وغيرها، والتي تتباين في أحجام اقتصاداتها وهياكلها التنموية. وتتضح ملامح هذا الإقليم عبر عدة محاور (قاعدة بيانات” WDIوWGI”,2012-2022م) من أبرزها الأداء الاقتصادي ؛ حيث تتصدر غانا والكاميرون والسنغال قائمة الدول من حيث حجم الناتج المحلي الإجمالي في المتوسط خلال فترة الدراسة. على سبيل المثال، يبلغ متوسط الناتج المحلي الإجمالي لغانا نحو 62.16 مليار دولار، والكاميرون حوالي 37.46 مليار دولار، بينما تسجل دول أخرى نواتج محليه أصغر حجماً تتناسب مع مساحاتها وأعداد سكانها. ويُعد الاستثمار الأجنبي المباشر عنصراً حيوياً في دفع عجلة التنمية في الإقليم. اذ تبرز دول مثل موريتانيا والكونغو والرأس الأخضر وغامبيا بنسب مرتفعة نسبياً من الاستثمار الأجنبي المباشر، مما يعكس جاذبيتها لقطاعات الطاقة، التعدين، والخدمات السياحية. وفيما يتصل بالاستقرار النقدي ومعدلات التضخم؛ شهدت معظم دول الإقليم استقراراً نسبياً في مستويات الأسعار بمعدلات تضخم منخفضة ، تحت حاجز 3% إلى 4% في دول مثل بنين، الرأس الأخضر، السنغال، ومالي. وفي المقابل، سجلت دول أخرى مثل غانا وسيراليون ضغوطاً تضخمية أعلى نسبياً. اما عن سوق العمل ومعدلات البطالة؛ تتفاوت تحديات سوق العمل بشكل كبير عبر الإقليم؛ فبينما تسجل بعض الدول معدلات بطالة منخفضة، تشهد دول أخرى معدلات بطالة أعلى تتطلب سياسات فعالة لتوجيه الاستثمار نحو القطاعات المولدة للوظائف وخفض البطالة بين الشباب.
تُسجل دول إقليم غرب إفريقيا معدلات متدنية في تقييم السياسات والمؤسسات القطرية للشفافية والمساءلة والفساد في القطاع العام كما يتضح في التقرير الصادر عن البنك الدولي، مقارنة بالمتوسطات العالمية. وتعاني المنطقة من تحول الفساد إلى ظاهرة هيكلية ترتبط بالنزاعات المسلحة، ضعف سيادة القانون، وتأخر جهود الإصلاح المؤسسي (بغداد ودحماني، 2025، ص1170-1193). وتتلخص المشكلة البحثية في السؤال الرئيس: “ما مدى تأثير الفساد على مؤشرات التنمية الاقتصادية والمتمثلة في النمو الاقتصادي في دول غرب إفريقيا؟”
تكمن أهمية الورقة في سد الفجوة البحثية لندرة الدراسات القياسية المقارنة التي تربط الفساد بالتنمية في غرب إفريقيا، إلى جانب تقديم توصيات قابلة للتطبيق تُسهم في دعم متخذي القرار للحد من الفساد وتحفيز النمو المستدام.
الى جانب هذه المقدمة تحتوي الورقة على خمسه اقسام على النحو التالي: القسم الثاني يعرض خلفية عن الفساد وتحدياته في دول غرب افريقيا. ويتناول القسم الثالث ادبيات الدراسة والتي تتضمن الدراسات ذات الصلة بأثر الفساد على النمو الاقتصادي. اما القسم الرابع فيعرض منهجية وبيانات الدراسة. بينما يقدم القسم الخامس عرض لنتائج تقدير النموذج ومناقشتها، يختتم القسم السادس بالخاتمة التي تتضمن اهم النتائج والتوصيات.
. 2خلفية عن الفساد وتحدياته في دول غرب إفريقيا:
عانت دول الإقليم من مظاهر فساد ترتبط باستغلال الوظيفة العامة لتحقيق منافع خاصة، بما يشمل الرشوة والاختلاس والتلاعب بالعقود. وتناقش الأدبيات أثر هذه الممارسات في الاستثمار وتخصيص الإنفاق العام وكفاءة المؤسسات (Wei, 1999).
تتمثل اهم المظاهر الرئيسة للفساد في كل من:
1. الفساد السياسي / الكبير: اختلاس الأموال العامة، غسيل الأموال، وارتشاء المسؤولين الكبار والوزراء.
2. الهيمنة على الدولة : توجيه السياسات العامة لخدمة مصالح النخب الاقتصادية.
3. الفساد الإداري / الصغير: ابتزاز المواطنين وأصحاب الأعمال مقابل تقديم خدمات مفترض أن تكون مجانية.
4. ظاهرة “الأسماء الوهمية”: تضخم قوائم رواتب الموظفين الحكوميين لاستنزاف المال العام كما حدث في غانا وسيراليون.
فيما يتعلق بالعلاقة بين الفساد وعدم استقرار الدول ، يُعد الفساد محركاً أساسياً لهشاشة الدول واندلاع الصراعات عبر تغذية المظالم العامة، وتقويض شرعية الحكومات، وتمهيد الطريق للانقلابات العسكرية.في دول مثل سيراليون وليبيريا، ساهم الصراع على السيطرة على الموارد القابلة للنهب مثل الألماس والأخشاب واستغلالها عبر شبكات الفساد في إشعال وإطالة أمد الحروب الأهلية.يؤدي تفشي الفساد إلى تآكل هيبة القضاء والأجهزة الأمنية، مما يفقد المواطنين الثقة في مؤسسات الدولة ويدفعهم نحو العنف أو اللجوء إلى القنوات غير الرسمية.
أنشأت دول الإقليم هيئات وطنية لمكافحة الفساد مثل نيجيريا، بنين، سيراليون، السنغال، إلا أن فعاليتها تعثرت بسبب غياب الاستقلالية الحقيقية، والتدخلات التنفيذية المستمرة، وضعف الصلاحيات المالية والقضائية (البنك الدولي، 2022). وعن الإحصائيات العامة لإقليم غرب إفريقيا، بلغ المتوسط العام لمؤشر مكافحة الفساد/الشفافية للإقليم نحو 3.05 من إجمالي المقياس، ويتراوح نطاقه بين حد أدنى بلغ 1.5 وحد أعلى بلغ 4.5. كما بلغ متوسط مؤشر الانفاق الحكومي اعلى مستوى فى الإقليم نحو 1.51 مليار وحدة قياسية، بتفاوت واسع يعكس اختلاف أحجام اقتصادات الدول كما يتضح في الجدول (2-1) ادناه.
جدول (2-1) يوضح الأرقام التفصيلية لكل دولة (متوسطات الفترة 2012–2022):
|
الدولة |
متوسط مؤشر الفساد (CPT) |
أدنى قيمة لمؤشر الفساد |
أعلى قيمة لمؤشر الفساد |
متوسط الإنفاق الحكومي |
|
الرأس الأخضر |
4.41 |
4.0 |
4.5 |
416.15 مليون |
|
غانا |
3.55 |
3.0 |
4.0 |
4.88 مليار |
|
السنغال |
3.50 |
3.5 |
3.5 |
3.15 مليار |
|
بنين |
3.50 |
3.5 |
3.5 |
1.46 مليار |
|
سيراليون |
3.00 |
3.0 |
3.0 |
458.73 مليون |
|
موريتانيا |
2.91 |
2.5 |
3.0 |
1.02 مليار |
|
مالي |
2.86 |
2.5 |
3.0 |
2.47 مليار |
|
توغو |
2.77 |
2.5 |
3.0 |
880.05 مليون |
|
غامبيا |
2.27 |
2.0 |
3.0 |
138.73 مليون |
|
غينيا-بيساو |
1.73 |
1.5 |
2.0 |
250.70 مليون |
المصدر: اعداد الباحث بالاعتماد على بيانات منظمة الشفافية الدولية (2023).
وتشير النتائج في الجدول فيما يتصل بأعلى الدول أداءً في مؤشر النزاهة، الى ان الرأس الأخضر تتصدر القائمة بمتوسط يقارب 4.41 وسقف أعلى يصل إلى 4.5. تليها غانا بمتوسط 3.55 وبلغت في بعض الأعوام 4.0، ثم السنغال وبنين عند متوسط 3.5. اما عن أدنى الدول أداءً في مؤشر النزاهة، سجلت غينيا-بيساو أدنى متوسط إقليمي بـ 1.73 متراجعة في بعض السنوات حتى حد 1.5. وجاءت غامبيا في المرتبة قبل الأخيرة بمتوسط بلغ 2.27.
وفيما يتعلق بمؤشر الإنفاق الحكومي سجلت غانا أعلى قيمة في الإقليم بمتوسط يبلغ 4.88 مليار ووصلت في ذروتها إلى 6.36 مليار، نظراً لحجم اقتصادها الضخم. وفي المقابل، سجلت دول صغرى مثل غامبيا أدنى قيمة بمتوسط لا يتجاوز 138.73 مليون.
بربط مؤشرات الفساد بمحركات الأداء الاقتصادي، وبالاستناد إلى منظمة الشفافية الدولية (2023)، والأونكتاد (2020)، وقواعد بيانات البنك الدولي (د.ت.)، يمكن مناقشة الجوانب التالية:
مؤشر مدركات الفساد: يسجل متوسطاً إقليمياً يحوم حول 32 إلى 33 من 100، مع وجود تباين بين الدول؛ حيث يتجاوز 60 في الرأس الأخضر بينما يقل عن 30 في الدول الأكثر هشاشة. ويعكس هذا المؤشر ضعف البنية المؤسسية وغياب المساءلة، مما يترتب عليه ارتفاع “تكلفة ممارسة الأعمال” وتراجع جاذبية الإقليم لاستقطاب رؤوس الأموال.
التكلفة الاقتصادية للفساد: يُضعف الفساد كفاءة تخصيص الموارد وقد يحد من تراكم رأس المال، لكن لا تتوافر في المراجع الموثقة هنا أدلة كافية لتقدير تكلفته بنسبة محددة من الناتج المحلي لغرب إفريقيا.
الخسائر المالية: يصعب فصل خسائر الفساد عن سائر التدفقات المالية غير المشروعة؛ لذا ينبغي التمييز بين التقديرات القارية والتقديرات الخاصة بدول العينة.
التدفقات المالية غير المشروعة: يقدّر تقرير الأونكتاد لعام 2020 خروج نحو 88.6 مليار دولار سنويًا من إفريقيا في صورة تدفقات مالية غير مشروعة. وهذا تقدير قاري لا يخص غرب إفريقيا وحدها، ولا يمثل تقديرًا للفساد وحده (UNCTAD, 2020).
كفاءة الإنفاق الاجتماعي: قد يزاحم الفساد الإنفاق على الصحة والتعليم ويضعف كفاءة تقديم الخدمات، بما يؤثر في تراكم رأس المال البشري (Wei, 1999).
تراجع الاستثمار الأجنبي المباشر (FDI): يرتبط هذا المؤشر بارتباط طردي؛ إذ يودي تراجع مؤشر النزاهة بوحدة واحدة إلى تقليل تدفقات الاستثمار غير النفطي بشكل معتبر. ويؤدي هذا التراجع إلى تباطؤ معدلات نمو الناتج المحلي الحقيقي والحد من خلق فرص العمل الكفيلة بامتصاص البطالة (ظاهرة النمو غير الشامل).
. 3أدبيات الدراسة:
يعنى بالفساد إساءة استعمال السلطة العامة أو الوظيفة العامة أو الموارد لتحقيق مكاسب خاصة (الجابري، 2003).ويشمل الرشوة، الاختلاس، المتاجرة بالنفوذ، غسل العائدات الإجرامية، إعاقة العدالة، وإخفاء الممتلكات المشبوهة(الجابري، 2003).و تتمثل ابرز أشكاله ومظاهره في جوانب مالية وإدارية كبرى مثل نهب عائدات الموارد الطبيعية، التجاوز على المال العام للحصول على صفقات التعدين، التهرب الجمركي عبر الحدود، وغسيل الأموال عبر شبكات عابرة للحدود.اضافة الى الجوانب السلوكية التي تشمل الرشوة والمحسوبية والوساطة القائمة على المحاصصة العرقية أو القبائلية، النصب والاحتيال، والتسيب الإداري(عجلان وعداي، د.ت.).
اما الآثار الاقتصادية والاجتماعية وتكلفة الفساد فتشمل إعاقة النمو الاستثماري، تحييد رؤوس الأموال الأجنبية، تسرب الموارد الضريبية والجمركية بفعل التجارة غير الرسمية والتهريب، انحياز الإنفاق العام نحو المشاريع التسليحية والمظهرية بدلاً من التعليم والصحة، وتضخم الدين (الجابري، 2003؛ Wei, 1999).
وعن الدراسات التي تعرضت للفساد من ناحية الاقتصادية فكانت دراسة (الجابري، 2003)، التي اشارت الى ان للفساد آثار اقتصادية كثيرة سواء أكان على المستوى الكلي ام الجزئي من خلال أثرها على النمو الاقتصادي، والنظام الضريبي، والانفاق الحكومي وعلى سوق الصرف الاجنبي، وعلى سوق الاوراق المالية وصناديق الاستثمار. اما دراسة (علي، 2008)، فتناولت اهم المؤشرات لقياس الفساد الاداري التي تقوم بها بعض المؤسسات في العالم، والتي تهتم بقياس ظاهرة الفساد، المستخدمة في الادبيات التطبيقية، ومن أشهرها مجموعة خدمات المخاطر الدولية، ومؤسسة الشفافية العالمية، ومؤشر الفساد الذي يصدره البنك الدولي ضمن المؤشر المركب للحاكمية.
وقد حاولت هذه الدراسة بيان اخر الاختبارات التي اجريت لبيان أثر الفساد على الاداء الاقتصادي من خلال، معدل الاستثمار، معدل نمو دخل الفرد، هيكل الانفاق الحكومي. وقد بينت الدارسة اعادة تقدير العلاقة بين الفساد والمتغيرات الاقتصادية سالفة الذكر التي سبق اكتشافها عام 1995م، حيث تبين ان العلاقة بين الفساد والمتغيرات الاقتصادية الدالة على الاداء الاقتصادي كانت على النحو التالي: وجود علاقة سببية ذات معنوية احصائية بين الفساد و معدل الاستثمار، حيث يتوقع ان يزداد معدل الاستثمار كلما تحسنت بيئة اداء الاعمال عن طريق مكافحة الفساد .وجود علاقة سببية موجبة وذات معنوية احصائية بين الفساد ومعدل دخل الفرد، حيث يزداد معدل دخل الفرد بانخفاض مؤشر الفساد .و فيما يتعلق ب دراسة (بن زمرة وبن عبو، 2021)، فقد بحثت بشكل تجريبي في تأثير الفساد على التنمية الاقتصادية، باستخدام نماذج بيانات بانل panel لعينة من 14 دولة خلال الفترة 2000-2018 ، حيث اظهرت النتائج ان هناك ارتباط ايجابي بين نمو نصيب الفرد في الناتج ومؤشر الفساد في ظل مستوى الديمقراطية والتي كان لها تأثير ايجابي . وعلى ذات النسق هدفت دراسة (لبنى ومكيد،2022)، الى معرفة تأثير الفساد على النمو الاقتصادي في دول شمال افريقيا، باستخدام نماذج بانل الساكن خلال الفترة (2003 ـ 2019)، حيث بينت نتائج الدراسة ان النموذج الافضل لتقدير نموذج بانل الساكن هو نموذج التأثيرات الثابتة. كما اظهرت نتائج الدراسة ان للفساد أثر سلبي على النمو الاقتصادي.
كذلك أوضحت دراسة (Shira et al., 2014، كما ورد في سعيدي ومكيد، 2022)، التي اهتمت بالبحث عن أثر الفساد على النمو الاقتصادي في 22 دولة نامية للفترة (2001-2012) وذلك باستخدام بيانات بانلPanel. حيث كشفت نتائج الدراسة عن وجود علاقة سلبية ذات دلالة احصائية بين الفساد والنمو الاقتصادي. كما اظهرت الدراسة ان الفساد ينقص عدد المستثمرين ويقلل العائد المتوقع من الانفاق العام.
4. منهجية وبيانات الدراسة:
4-1 توصيف النموذج القياسي والمتغيرات:
تستند المنهجية إلى صياغة دالة نمو اقتصادية اعتماديّة تأخذ الشكل التجميعي المقطعي المعتمد في الأدبيات القياسية:
وبتحويل الدالة العامة إلى النموذج القياسي الخطي لبيانات البانل (Panel Data Model):
حيث:
GDPit: الناتج المحلي الإجمالي لدولة i في السنة t، كمؤشر يعبر عن النمو والتنمية الاقتصادية.
CORit: مؤشر السيطرة على الفساد / مدركات الفساد لدولة i في السنة t (حيث تعكس القيم الأعلى ارتفاع درجة النزاهة وتراجع الفساد).
GOVit: الإنفاق الحكومي كنسبة من الناتج المحلي الإجمالي.
UNMit: معدل البطالة الإجمالي كنسبة مئوية من القوى العاملة.
: الحد الثابت، و معلمات النموذج القياسي، و حد الخطأ العشوائي.
i: يشير إلى الدولة في إقليم غرب إفريقيا (i = 1, N)، وt: يشير إلى الفترة الزمنية 2012–2022.
4-2 الطريقة القياسية المستخدمة في تقدير النموذج:
لتقدير معلمات النموذج (2)، يتم استخدام ثلاث تقنيات أساسية في التجميع المقطعي:
طريقة الانحدار التجميعي المجمع (Pooled OLS): تفترض تجانس جميع دول العينة وعدم وجود تأثيرات خاصة بكل دولة على حدة.
نموذج التأثيرات الثابتة (Fixed Effects Model – FE): يفترض وجود خصائص هيكلية غير مشاهدة فردية لكل دولة تؤثر على المتغير التابع وتكون مرتبطة بالمتغيرات المفسرة.
نموذج التأثيرات العشوائية (Random Effects Model – RE): يفترض أن الفروق بين الدول هي متغيرات عشوائية غير مرتبطة بالمتغيرات التوضيحية.
اختبار هوسمان (Hausman Test): يتم استخدام اختبار هوسمان للمفاضلة بين نموذج التأثيرات الثابتة (FE) ونموذج التأثيرات العشوائية (RE).
5.نتائج تقدير وتقييم النموذج ومناقشتها
1.5: نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة (Levin, Lin & Chu – LLC):
جدول (5-1) يلخص ويفسر نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة (Levin, Lin & Chu – LLC) في الجدول التالي:
جدول (5-1): نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة
|
القرار والتفسير القياسي |
إحصائية الاختبار (t∗) |
الاحتمالية (Prob) |
مستوى الاستقرارية |
المتغير |
|
رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1%. |
-7.07117 |
0.0000 |
I(0) مستقرة |
الناتج المحلي الإجمالي (GDP) |
|
رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1%. |
-2.59868 |
0.0047 |
I(0) مستقرة |
مدركات الفساد (COR) |
|
رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1% . |
-3.05386 |
0.0011 |
I(0) مستقرة |
الإنفاق الحكومي / الحوكمة (GOV) |
|
رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1% . |
-3.91259 |
0.0000 |
I (0) مستقرة |
معدل البطالة (UNM) |
المصدر: اعداد الباحث بالاعتماد مخرجات اختبار (Levin, Lin & Chu – LLC).
الخلاصة:
جميع المتغيرات مستقرة عند المستوىI(0) بدرجة معنوية عالية (أقل من 1% ).
لا توجد حاجة لأخذ الفروق الأولى (First Differences) .
يمكن استخدام المتغيرات مباشرة في Nنماذج البيانات المقطعية الزمنية (Panel Data) .
2.5 اختبار هوسمان (Hausman Test): يتم استخدام اختبار هوسمان للمفاضلة بين نموذج التأثيرات الثابتة (FE) ونموذج التأثيرات العشوائية (RE).
تفسير النتيجة:
1. الفرضيات الإحصائية للاختبار:
الفرضية الصفرية (H0): لا يوجد ارتباط بين التأثيرات الفردية العشوائية والمتغيرات المستقلة (نموذج التأثيرات العشوائية هو الملائم والأكفأ).
الفرضية البديلة (H1): يوجد ارتباط بين التأثيرات الفردية والمتغيرات المستقلة (نموذج التأثيرات الثابتة هو الملائم وغير متحيز).
2. قراءة وتحليل المخرجات الإحصائية:
قيمة إحصائية كاي تربيع (Chi-Sq. Statistic): بلغت 13.105 بدرجات حرية (d.f. = 5).
القيمة الاحتمالية (Prob / p-value): بلغت 0.0224 (أي 2.24%).
3. القرار الإحصائي والتفسير الاقتصادي:
بما أن القيمة الاحتمالية للاختبار (0.0224) أقل من مستوى المعنوية الشائع (0.05)، فإننا نرفض الفرضية الصفرية (H0) ونقبل الفرضية البديلة (H1).
النتيجة: يُعتبر نموذج التأثيرات الثابتة (Fixed Effects Model) هو النموذج الملائم والأفضل لقياس العلاقة بين المتغيرات المستقلة والمتغير التابع (الناتج المحلي الإجمالي GDP) لبيانات السلسلة الزمنية المقطعية (Panel Data) الممتدة من 2012 إلى 2022 لشمل 13 قطاعاً/دولة.
المبرر: رفض الفرضية الصفرية يعني وجود ارتباط بين الخصائص الفردية غير المقاسة لعينة الدراسة والمتغيرات المستقلة، مما يجعل مقدرات التأثيرات العشوائية متحيزة وغير متسقة، بينما توفر التأثيرات الثابتة مقدرات متسقة تعزل الفروق الفردية الكامنة بين المجموعات.
4. ملاحظة جودة النموذج (معادلة التأثيرات الثابتة):
أظهرت معادلة التقدير المرافقة للنموذج المقبول (التأثيرات الثابتة) القوة التفسيرية التالية:
معامل التحديد المعدل (R^2): بلغ 0.974، مما يعكس قدرة المتغيرات المستقلة المدرجة على تفسير نحو 97.4% من التغيرات الحاصلة في الناتج المحلي الإجمالي (GDP).
معنوية النموذج ككل (F-statistic): معنوية جداً حيث بلغت إحصائية F نحو 319.54 بقيمة احتمالية (0.0000)، مما يؤكد الكفاءة الإجمالية للنموذج المعتمد.
3.5 معالجة النموذج باستخدام اللوغريثم والتباطؤ الزمني:
جدول (5-2) يوضح مخرجات اختبار Panel Least Squares:
الجدول (5-2): نتائج اختبار هوسمان للمفاضلة بين نموذجَي التأثيرات الثابتة والعشوائية
|
الاختبار |
إحصائية كاي تربيع χ² |
درجات الحرية |
القيمة الاحتمالية |
|---|---|---|---|
|
التأثيرات العشوائية بين الدول |
13.105029 |
5 |
0.0224 |
مقارنة معاملات التأثيرات الثابتة والعشوائية
|
المتغير |
معامل التأثيرات الثابتة |
معامل التأثيرات العشوائية |
تباين الفرق بين المعاملين |
القيمة الاحتمالية |
|---|---|---|---|---|
|
مؤشر الفساد (COR) |
−1.7310 × 10⁹ |
−1.0388 × 10⁹ |
3.3338 × 10¹⁷ |
0.2306 |
|
سعر الصرف (EXR) |
6.5267 × 10⁶ |
−7.1594 × 10⁶ |
3.0516 × 10¹³ |
0.0132 |
|
الاستثمار الأجنبي المباشر (FDI) |
−7.3973 × 10⁷ |
−7.6192 × 10⁷ |
4.2043 × 10¹³ |
0.7322 |
|
الإنفاق الحكومي (GOV) |
7.8152 |
8.8399 |
0.1919 |
0.0193 |
|
معدل البطالة (UNM) |
−2.7975 × 10⁸ |
−2.8167 × 10⁸ |
3.9515 × 10¹⁶ |
0.9923 |
تشير القيمة الاحتمالية لاختبار هوسمان (0.0224)، وهي أقل من مستوى الدلالة (0.05)، إلى رفض الفرضية الصفرية وتفضيل نموذج التأثيرات الثابتة لهذه المواصفة.
المصدر: مخرجات اختبار Panel Least Squares من برنامج الــ EViews.
الجدول (5-3): نتائج تقدير نموذج التأثيرات الثابتة المصاحب لاختبار هوسمان
|
المتغير |
المعامل المقدّر |
الخطأ المعياري |
إحصائية t |
القيمة الاحتمالية |
|---|---|---|---|---|
|
الحد الثابت (C) |
6.74 × 10⁹ |
4.75 × 10⁹ |
1.418491 |
0.1585 |
|
مؤشر الفساد (COR) |
−1.73 × 10⁹ |
1.13 × 10⁹ |
−1.530091 |
0.1285 |
|
سعر الصرف (EXR) |
6526727 |
6986185 |
0.934233 |
0.3520 |
|
الاستثمار الأجنبي المباشر (FDI) |
−73973330 |
40970227 |
−1.805539 |
0.0734 |
|
الإنفاق الحكومي (GOV) |
7.815158 |
0.709099 |
11.02125 |
0.0000 |
|
معدل البطالة (UNM) |
−2.80 × 10⁸ |
2.72 × 10⁸ |
−1.028499 |
0.3057 |
المتغير التابع: الناتج المحلي الإجمالي (GDP). طريقة التقدير: المربعات الصغرى لبيانات البانل. الفترة: 2012–2022، وتشمل 11 سنة و13 دولة و143 مشاهدة ضمن بانل متوازن. يتضمن النموذج تأثيرات ثابتة خاصة بالدول باستخدام متغيرات صورية.
مؤشرات جودة المطابقة والاختبارات الإحصائية للنموذج
|
المؤشر الإحصائي |
القيمة |
المؤشر الإحصائي |
القيمة |
|---|---|---|---|
|
معامل التحديد R² |
0.977507 |
متوسط المتغير التابع |
1.62 × 10¹⁰ |
|
معامل التحديد المعدّل |
0.974448 |
الانحراف المعياري للمتغير التابع |
1.69 × 10¹⁰ |
|
الخطأ المعياري للانحدار |
2.70 × 10⁹ |
معيار أكايكي للمعلومات |
46.38513 |
|
مجموع مربعات البواقي |
9.09 × 10²⁰ |
معيار شوارز |
46.75808 |
|
لوغاريتم دالة الإمكان |
−3298.537 |
معيار هانان–كوين |
46.53668 |
|
إحصائية F |
319.5413 |
إحصائية دوربن–واتسون |
0.723758 |
|
القيمة الاحتمالية لإحصائية F |
0.000000 |
— |
— |
المصدر: مخرجات اختبار Panel Least Squares من برنامج الــ EViews.
4.5 مناقشة نتائج تقدير النموذج
بناءً على نتائج القياس المقدرة على عينة دول غرب إفريقيا التي تتكون من 13 دولة، يتضح التفسير الاقتصادي والمؤسسي للنتائج وفق الآتي:
1. أثر السيطرة على الفساد (COR) على النمو الاقتصادي (GDP):
أظهر النموذج اللوغاريتمي النهائي ارتباطًا موجبًا دالًا إحصائيًا بين المؤشر المستخدم بعد إبطائه أربع سنوات ومستوى الناتج المحلي الإجمالي، بمعامل 0.290254 وقيمة احتمالية 0.0186. أما النموذج الأولي في جدول هوسمان فأظهر معاملًا سالبًا غير دال للمؤشر؛ ولذلك تختلف النتيجة باختلاف المواصفة، ولا تثبت أثرًا سببيًا.
التفسير الاقتصادي لدول غرب إفريقيا: إيجابية المعلمة تشير إلى أن تقليل مستويات الفساد وتعزيز الشفافية يؤديان بشكل مباشر إلى تحسين بيئة الأعمال وجذب تدفقات الاستثمار الأجنبي المباشر (FDI) إلى دول المنطقة. في إقليم غرب إفريقيا، تعاني العديد من الاقتصاديات من ظاهرة “تسرب الموارد” لا سيما في القطاعات الاستخراجية (مثل النفط في نيجيريا، والذهب والكاكاو في غانا وساحل العاج). بالتالي، فإن تعزيز آليات الحوكمة وانخفاض معدلات الفساد يقللان من تكلفة المعاملات، ويحدان من تبديد الإيرادات العامة، مما يوجه رأس المال نحو مشاريع البنية التحتية والإنتاج الحقيقي، وهو ما يعزز النمو الاقتصادي الإجمالي.
2. أثر الإنفاق الحكومي (GOV) على النمو الاقتصادي (GDP):
أظهرت النتائج وجود أثر إيجابي معنوي لمتغير الإنفاق الحكومي (GOV) على الناتج المحلي الإجمالي.
التفسير الاقتصادي لدول غرب إفريقيا: في اقتصاديات غرب إفريقيا النامية، تلعب الدولة دوراً محورياً ومحفزاً للنشاط الاقتصادي من خلال الإنفاق الاستثماري الرأسمالي في مجالات الطرق، الطاقة، الموانئ، والخدمات الأساسية. عندما يرتفع الإنفاق الحكومي الموجه نحو الاستثمارات التنموية، فإنه يحفز الطلب الكلي ويولد آثاراً مضاعفة تشجع استثمارات القطاع الخاص. ومع ذلك، تشير أدبيات المنطقة إلى أن هذه الفاعلية تظل مشروطة بجودة كفاءة التخصيص وعدم تسرب النفقات عبر ممارسات الرشوة والاختلاس المؤسسي.
3. أثر البطالة (UNM) على النمو الاقتصادي (GDP):
جاء معامل البطالة في النموذج اللوغاريتمي النهائي سالبًا، لكنه غير دال إحصائيًا (المعامل = -0.051722؛ p = 0.4753).
التفسير الاقتصادي لدول غرب إفريقيا: تتفق هذه النتيجة مع الفرضية الاقتصادية وقانون أوكون (Okun’s Law)؛ حيث تؤدي معدلات البطالة المرتفعة بين الشباب في دول غرب إفريقيا إلى تعطيل جزء كبير من الطاقة الإنتاجية البشرية، وتوسيع نطاق القطاع غير الرسمي ذي الإنتاجية المتدنية والتهرب الضريبي الشائع. كما أن تفاقم البطالة يضعف القدرة الشرائية للأسر ويقلل الاستهلاك المحلي، إلى جانب تغذيته للاضطرابات الاجتماعية والأمنية التي تضر ببيئة الاستثمار.
5.5 تقييم النموذج:
تقييم النموذج القياسي
يمكن تقييم كفاءة وقدرة النموذج التفسيرية والتنبؤية استناداً إلى النتائج الإحصائية المستخرجة من برامج التحليل على النحو الآتي:
القوة التفسيرية العالية (معامل التحديد R^2 ): أظهرت نتائج تقدير نموذج التأثيرات الثابتة أن معامل التحديد بلغ حوالي 0.9775، بينما بلغ معامل التحديد المعدل (R^2) نحو 0.9744. وفي نموذج اللوغريثم والتباطؤ الزمني، ارتفع معامل التحديد المعدل ليصل إلى 0.9971. وهذا يدل على أن المتغيرات المستقلة المدرجة في النموذج تفسر نحو 97.4% إلى 99.7% من التغيرات الحاصلة في الناتج المحلي الإجمالي (GDP) لدول الإقليم.
المعنوية الكلية للنموذج (إحصائية F): بلغت قيمة إحصائية F في نموذج التأثيرات الثابتة نحو 319.54 بقيمة احتمالية (0.0000)، بينما بلغت في نموذج اللوغريثم والتباطؤ الزمني 1684.945 بقيمة احتمالية 0.0000. تؤكد هذه الأرقام المعنوية الإحصائية العالية للنموذج ككل وكفاءة المعلمات المقدرة في تفسير الظاهرة الاقتصادية.
معالجة مشكلة الارتباط الذاتي (إحصائية دوربن-واتسون – DW): تحسنت كفاءة النموذج بشكل ملحوظ بعد استخدام التحويلات اللوغاريتمية وفترات الإبطاء الزمني، حيث ارتفعت قيمة إحصائية دوربن-واتسون من 0.7237 في النموذج الأولي إلى 2.2881 في نموذج اللوغريثم والتباطؤ الزمني. تشير هذه القيمة إلى خلو النموذج من مشكلة الارتباط الذاتي للأخطاء، مما يرفع من موثوقية الاختبارات الإحصائية للمعلمات.
معايير المعلومات (AIC وSchwarz): سجل نموذج اللوغاريثم والتباطؤ الزمني قيماً سالبة ومنخفضة لمعايير المفاضلة مثل معيار AIC (AIC = -2.578) ومعيار شوارز (Schwarz = -2.064)، وهو ما يؤكد جودة صياغة النموذج وحسن مطابقته للبيانات الفعلية.
معادلة التقدير:
تفسير مكونات المعادلة التقديرية:
الحد الثابت (C = 14.58152): يمثل القيمة المقدرة للناتج المحلي الإجمالي في حال تساوي جميع المتغيرات المستقلة للصفر.
معامل السيطرة على الفساد =0.290: يشير إلى وجود علاقة طردية ذات دلالة إحصائية عند إبطاء المتغير بأربع سنوات، بمعنى أن تحسين مؤشر السيطرة على الفساد والنزاهة المؤسسية ينعكس إيجاباً على النمو الاقتصادي على المدى المتوسط.
معامل الإنفاق الحكومي = 0.395؛ يشير إلى أثر إيجابي معنوي للإنفاق الحكومي، حيث إن زيادة الإنفاق بنسبة 1% تؤدي إلى زيادة الناتج المحلي الإجمالي بنحو 0.395%.
معامل البطالة = -0.051722؛ يعكس ارتباطًا سالبًا غير دال إحصائيًا، ولا تتيح المخرجات المعروضة وحدها تحديد سبب عدم الدلالة.
معامل الانطواء الذاتي للأخطاءAR (1) =0.499642؛ تم إدراجه في النموذج لمعالجة مشكلة الارتباط الذاتي وتحسين كفاءة التقدير.
خلاصة التقييم: يُظهر النموذج ملاءمة مرتفعة للعينة، لكن ارتفاع معامل التحديد لا يثبت السببية أو القدرة التنبؤية خارج العينة. ويلزم توثيق المتغيرات والتحقق من الارتباط الذاتي والاعتماد المقطعي ومتانة النتائج قبل استخلاص دلالات سياسية حاسمة.
6.الخاتمة
1.6 النتائج:
هدفت الورقة إلى قياس أثر الفساد على النمو الاقتصادي في دول غرب افريقيا خلال الفترة (2012-2022)، واستخدمت النماذج القياسية لتحقيق الهدف من الدراسة، وبالتالي توصلت لجملة من النتائج وهي:
تشير الأدبيات والنتائج المعروضة إلى ارتباط بين جودة المؤسسات والأداء الاقتصادي، مع اختلاف اتجاه معامل الفساد ودلالته بين المواصفات المقدرة.
أكدت النتائج التطبيقية وجود أثر إيجابي معنوي لمؤشر السيطرة على الفساد (COR) على الناتج المحلي الإجمالي (GDP) في دول غرب إفريقيا، مما يعزز فرضية أن مكافحة الفساد وتطوير المؤسسات هما شرطان أساسيان لتحقيق النمو المستدام.
ارتبط الإنفاق الحكومي بمستوى الناتج ارتباطًا موجبًا دالًا في النموذج النهائي، بينما جاء معامل البطالة سالبًا وغير دال إحصائيًا.
يتطلب العلاج الناجع للفساد في غرب إفريقيا مزيجاً شاملاً يجمع بين الإصلاح المؤسسي، استقلالية القضاء، الالتزام بالشفافية والرقابة، وتعديل المنظومة القيمية على المدى الطويل.
6.2 التوصيات:
وبناء على النتائج السابقة فإن الورقة توصي بما يلي:
تعزيز الحوكمة والنزاهة المؤسسية: إصلاح الأجهزة الرقابية وتفعيل استقلالية السلطات القضائية والهيئات الوطنية لمكافحة الفساد في دول غرب إفريقيا لضمان إنفاذ القانون بدون تمييز.
إدارة الإنفاق العام: تطبيق أنظمة الشفافية الرقمية في المناقصات والمشتريات الحكومية للحد من التهرب الضريبي والرشوة وإعادة توجيه النفقات نحو البنية التحتية والقطاعات الانتاجية.
دعم بيئة الأعمال والحد من البيروقراطية: تبسيط الإجراءات الإدارية وتكافؤ الفرص في الأسواق لتشجيع الاستثمار المحلي والأجنبي المباشر وتقليل فرص البحث عن الريع.
مكافحة البطالة الهيكلية: صياغة سياسات تشغيل موجهة للشباب ودمج أنشطة القطاع غير الرسمي في الاقتصاد الرسمي لرفع الكفاءة الإنتاجية وتوسيع القاعدة الضريبية.
تفعيل التعاون الإقليمي والدولي: تعزيز التنسيق بين دول مجموعة (ECOWAS) والمنظمات الدولية لمكافحة الجرائم العابرة للحدود وغسيل الأموال واسترداد الأصول والممتلكات المهربة.
المراجع
البنك الدولي. (د.ت.-أ). مؤشرات التنمية العالمية [قاعدة بيانات؛ فترة الدراسة 2012–2022].
https://databank.worldbank.org/source/world-development-indicators
World Bank. (n.d.-a). World Development Indicators [Database; study period 2012–2022]. https://databank.worldbank.org/source/world-development-indicators
البنك الدولي. (د.ت.-ب). مؤشرات الحوكمة العالمية [قاعدة بيانات].
https://www.worldbank.org/en/publication/worldwide-governance-indicators
World Bank. (n.d.-b). Worldwide Governance Indicators [Database]. https://www.worldbank.org/en/publication/worldwide-governance-indicators
البنك الدولي. (د.ت.-ج). تقييم الشفافية والمساءلة والفساد في القطاع العام ضمن تقييم السياسات والمؤسسات القطرية (1 = منخفض، 6 = مرتفع) [المؤشر IQ.CPA.TRAN.XQ].
https://data.worldbank.org/indicator/IQ.CPA.TRAN.XQ
World Bank. (n.d.-c). CPIA transparency, accountability, and corruption in the public sector rating (1 = low to 6 = high) [Indicator IQ.CPA.TRAN.XQ]. https://data.worldbank.org/indicator/IQ.CPA.TRAN.XQ
البنك الدولي. (2022). تقييم السياسات والمؤسسات القطرية لإفريقيا، أكتوبر 2022: تقييم سياسات إفريقيا ومؤسساتها. https://documents1.worldbank.org/curated/en/099747310032289885/pdf/IDU-386e3f44-3b62-49af-98b6-569d8d7978cc.pdf
World Bank. (2022). CPIA Africa, October 2022: Assessing Africa’s policies and institutions. https://documents1.worldbank.org/curated/en/099747310032289885/pdf/IDU-386e3f44-3b62-49af-98b6-569d8d7978cc.pdf
بن زمرة، منقور، وبن عبو، جيلالي. (2021). الفساد والتنمية الاقتصادية: تحليل مقارن باستخدام بيانات بانل. مجلة الإستراتيجية والتنمية، 11(3)، 68–85. https://asjp.cerist.dz/en/article/151244
Benzemra, M., & Benabou, D. (2021). Corruption and economic development: A comparative analysis using panel data. Strategy and Development Review, 11(3), 68–85. https://asjp.cerist.dz/en/article/151244
الجابري، عبد الله بن حاسن. (2003). الفساد الاقتصادي: أنواعه، أسبابه، آثاره وعلاجه. مجلة مركز صالح كامل للاقتصاد الإسلامي بجامعة الأزهر، (21)، 11–48. https://doi.org/10.21608/skjaz.2003.358073
Al-Jabri, A. B. H. (2003). Economic corruption: Types, causes, effects, and remedies. Journal of the Saleh Kamel Center for Islamic Economics at Al-Azhar University, (21), 11–48. https://doi.org/10.21608/skjaz.2003.358073
سعيدي، لبنى، ومكيد، علي. (2022). أثر الفساد على النمو الاقتصادي في دول شمال إفريقيا للفترة (2003–2019). مجلة الإبداع، 12(1)، 436–453. https://asjp.cerist.dz/en/article/189559
Saidi, L., & Mekid, A. (2022). The impact of corruption on economic growth in North African countries during 2003–2019. Al-Ibdaa Journal, 12(1), 436–453. https://asjp.cerist.dz/en/article/189559
عجلان، عبد الكاظم داخل، وعداي، نور شدهان. (د.ت.). الفساد وأثره على الاقتصاد العام. وزارة المالية العراقية، الدائرة الاقتصادية، قسم السياسة الضريبية.
Ajlan, A. K. D., & Aday, N. S. (n.d.). Corruption and its impact on the public economy. Iraqi Ministry of Finance, Economic Department, Tax Policy Division.
علي، علي عبد القادر. (2008، فبراير). مؤشرات قياس الفساد الإداري. جسر التنمية، 7(70)، 2–15. المعهد العربي للتخطيط.
Ali, A. A. (2008, February). Indicators for measuring administrative corruption. Development Bridge, 7(70), 2–15. Arab Planning Institute.
قرزو، بغداد، ودحماني، العيد. (2025). ظاهرة الفساد السياسي بين تعدد المفاهيم وتنوع المقاربات وضرورة المعالجة. المجلة الأكاديمية للبحوث القانونية والسياسية، 9(2)، 1170–1193.
https://asjp.cerist.dz/en/article/275770
Guerzou, B., & Dahmani, E. (2025). Political corruption between multiple concepts, diverse approaches, and the need for remedies. Academic Journal of Legal and Political Research, 9(2), 1170–1193. https://asjp.cerist.dz/en/article/275770
منظمة الشفافية الدولية. (2023). مؤشر مدركات الفساد 2022.
https://www.transparency.org/en/cpi/2022
Transparency International. (2023). Corruption Perceptions Index 2022. https://www.transparency.org/en/cpi/2022
Pulok, M. H. (2010). The impact of corruption on economic development of Bangladesh: Evidence on the basis of an extended Solow model (MPRA Paper No. 28755; posted 2011). https://mpra.ub.uni-muenchen.de/28755/
United Nations Conference on Trade and Development. (2020). Economic development in Africa report 2020: Tackling illicit financial flows for sustainable development in Africa. United Nations. https://unctad.org/publication/economic-development-africa-report-2020
Wei, S.-J. (1999). Corruption in economic development: Beneficial grease, minor annoyance, or major obstacle? (Policy Research Working Paper No. 2048). World Bank. https://doi.org/10.1596/1813-9450-2048
الملاحق:
|
Null Hypothesis: Unit root (common unit root process) |
|||||||
|
Series: COR |
|||||||
|
Date: 08/05/26 Time: 13:51 |
|||||||
|
Sample: 2012 2022 |
|||||||
|
Exogenous variables: Individual effects, individual linear trends |
|||||||
|
User-specified lags: 1 |
|||||||
|
Newey-West automatic bandwidth selection and Bartlett kernel |
|||||||
|
Total (balanced) observations: 72 |
|||||||
|
Cross-sections included: 8 (5 dropped) |
|||||||
|
Method |
Statistic |
Prob.** |
|||||
|
Levin, Lin & Chu t* |
-2.59868 |
0.0047 |
|||||
|
** Probabilities are computed assuming asympotic normality |
|||||||
|
Intermediate results on COR |
|||||||
|
Cross |
2nd Stage |
Variance |
HAC of |
Max |
Band- |
||
|
section |
Coefficient |
of Reg |
Dep. |
Lag |
Lag |
width |
Obs |
|
Country 1 |
-0.94737 |
0.0273 |
0.0065 |
1 |
1 |
9.0 |
9 |
|
Country 2 |
Dropped from Test |
||||||
|
Country 3 |
-0.67857 |
0.0149 |
0.0024 |
1 |
1 |
9.0 |
9 |
|
Country 4 |
Dropped from Test |
||||||
|
Country 5 |
-0.43612 |
0.0135 |
0.0026 |
1 |
1 |
9.0 |
9 |
|
Country 6 |
-1.00000 |
0.0146 |
0.0133 |
1 |
1 |
3.0 |
9 |
|
Country 7 |
Dropped from Test |
||||||
|
Country 8 |
Dropped from Test |
||||||
|
Country 9 |
-1.11667 |
0.0199 |
0.0035 |
1 |
1 |
9.0 |
9 |
|
Country 10 |
-0.83713 |
0.0212 |
0.0306 |
1 |
1 |
1.0 |
9 |
|
Country 11 |
-1.00000 |
0.0146 |
0.0133 |
1 |
1 |
3.0 |
9 |
|
Country 12 |
-0.67857 |
0.0149 |
0.0024 |
1 |
1 |
9.0 |
9 |
|
Country 13 |
Dropped from Test |
||||||
|
Coefficient |
t-Stat |
SE Reg |
mu* |
sig* |
Obs |
||
|
Pooled |
-0.78577 |
-6.476 |
1.022 |
-0.703 |
1.003 |
72 |
|
|
Null Hypothesis: Unit root (common unit root process) |
|||||||
|
Series: GOV |
|||||||
|
Date: 08/05/26 Time: 13:58 |
|||||||
|
Sample: 2012 2022 |
|||||||
|
Exogenous variables: Individual effects, individual linear trends |
|||||||
|
User-specified lags: 1 |
|||||||
|
Newey-West automatic bandwidth selection and Bartlett kernel |
|||||||
|
Total (balanced) observations: 117 |
|||||||
|
Cross-sections included: 13 |
|||||||
|
Method |
Statistic |
Prob.** |
|||||
|
Levin, Lin & Chu t* |
-3.05386 |
0.0011 |
|||||
|
** Probabilities are computed assuming asympotic normality |
|||||||
|
Intermediate results on GOV |
|||||||
|
Cross |
2nd Stage |
Variance |
HAC of |
Max |
Band- |
||
|
section |
Coefficient |
of Reg |
Dep. |
Lag |
Lag |
width |
Obs |
|
Country 1 |
-0.58817 |
1.E+15 |
1.E+15 |
1 |
1 |
1.0 |
9 |
|
Country 2 |
-0.51287 |
4.E+16 |
6.E+15 |
1 |
1 |
9.0 |
9 |
|
Country 3 |
-1.43650 |
7.E+16 |
8.E+16 |
1 |
1 |
3.0 |
9 |
|
Country 4 |
-0.72947 |
7.E+15 |
5.E+15 |
1 |
1 |
4.0 |
9 |
|
Country 5 |
-0.72697 |
2.E+16 |
6.E+15 |
1 |
1 |
7.0 |
9 |
|
Country 6 |
-1.67580 |
1.E+15 |
4.E+14 |
1 |
1 |
9.0 |
9 |
|
Country 7 |
-1.37278 |
4.E+16 |
3.E+16 |
1 |
1 |
4.0 |
9 |
|
Country 8 |
-1.53447 |
1.E+15 |
4.E+14 |
1 |
1 |
9.0 |
9 |
|
Country 9 |
-0.61662 |
1.E+14 |
5.E+13 |
1 |
1 |
6.0 |
9 |
|
Country 10 |
-1.03794 |
2.E+17 |
1.E+17 |
1 |
1 |
8.0 |
9 |
|
Country 11 |
-0.82952 |
2.E+14 |
1.E+14 |
1 |
1 |
4.0 |
9 |
|
Country 12 |
-2.18010 |
4.E+15 |
3.E+15 |
1 |
1 |
9.0 |
9 |
|
Country 13 |
1.16278 |
8.E+15 |
5.E+15 |
1 |
1 |
3.0 |
9 |
|
Coefficient |
t-Stat |
SE Reg |
mu* |
sig* |
Obs |
||
|
Pooled |
-0.94356 |
-8.657 |
1.102 |
-0.703 |
1.003 |
117 |
|
|
Null Hypothesis: Unit root (common unit root process) |
|||||||
|
Series: GDP |
|||||||
|
Date: 08/05/26 Time: 13:53 |
|||||||
|
Sample: 2012 2022 |
|||||||
|
Exogenous variables: Individual effects, individual linear trends |
|||||||
|
User-specified lags: 1 |
|||||||
|
Newey-West automatic bandwidth selection and Bartlett kernel |
|||||||
|
Total (balanced) observations: 117 |
|||||||
|
Cross-sections included: 13 |
|||||||
|
Method |
Statistic |
Prob.** |
|||||
|
Levin, Lin & Chu t* |
-7.07117 |
0.0000 |
|||||
|
** Probabilities are computed assuming asympotic normality |
|||||||
|
Intermediate results on GDP |
|||||||
|
Cross |
2nd Stage |
Variance |
HAC of |
Max |
Band- |
||
|
section |
Coefficient |
of Reg |
Dep. |
Lag |
Lag |
width |
Obs |
|
Country 1 |
-1.55500 |
1.E+16 |
5.E+15 |
1 |
1 |
9.0 |
9 |
|
Country 2 |
-0.88653 |
8.E+17 |
2.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 3 |
-1.35416 |
2.E+18 |
7.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 4 |
-0.80448 |
6.E+17 |
2.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 5 |
-0.49654 |
1.E+18 |
3.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 6 |
-1.07235 |
9.E+16 |
2.E+16 |
1 |
1 |
9.0 |
9 |
|
Country 7 |
-0.85696 |
3.E+18 |
6.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 8 |
-0.68722 |
5.E+16 |
4.E+17 |
1 |
1 |
2.0 |
9 |
|
Country 9 |
-1.02767 |
2.E+15 |
8.E+14 |
1 |
1 |
9.0 |
9 |
|
Country 10 |
-1.32026 |
7.E+18 |
8.E+18 |
1 |
1 |
9.0 |
9 |
|
Country 11 |
-1.37454 |
2.E+15 |
9.E+14 |
1 |
1 |
9.0 |
9 |
|
Country 12 |
-1.31294 |
6.E+17 |
1.E+17 |
1 |
1 |
9.0 |
9 |
|
Country 13 |
-0.51857 |
2.E+16 |
2.E+16 |
1 |
1 |
9.0 |
9 |
|
Coefficient |
t-Stat |
SE Reg |
mu* |
sig* |
Obs |
||
|
Pooled |
-0.80408 |
-10.973 |
1.099 |
-0.703 |
1.003 |
117 |
|
|
Null Hypothesis: Unit root (common unit root process) |
|||||||
|
Series: UNM |
|||||||
|
Date: 08/05/26 Time: 13:55 |
|||||||
|
Sample: 2012 2022 |
|||||||
|
Exogenous variables: Individual effects |
|||||||
|
User-specified lags: 1 |
|||||||
|
Newey-West automatic bandwidth selection and Bartlett kernel |
|||||||
|
Total (balanced) observations: 117 |
|||||||
|
Cross-sections included: 13 |
|||||||
|
Method |
Statistic |
Prob.** |
|||||
|
Levin, Lin & Chu t* |
-3.91259 |
0.0000 |
|||||
|
** Probabilities are computed assuming asympotic normality |
|||||||
|
Intermediate results on UNM |
|||||||
|
Cross |
2nd Stage |
Variance |
HAC of |
Max |
Band- |
||
|
section |
Coefficient |
of Reg |
Dep. |
Lag |
Lag |
width |
Obs |
|
Country 1 |
-0.71015 |
0.7091 |
0.2303 |
1 |
1 |
9.0 |
9 |
|
Country 2 |
-0.34039 |
0.7407 |
0.9538 |
1 |
1 |
0.0 |
9 |
|
Country 3 |
-0.90638 |
0.0095 |
0.0219 |
1 |
1 |
2.0 |
9 |
|
Country 4 |
-0.42317 |
0.0189 |
0.0519 |
1 |
1 |
1.0 |
9 |
|
Country 5 |
-0.68154 |
0.0464 |
0.0136 |
1 |
1 |
9.0 |
9 |
|
Country 6 |
-0.78558 |
0.1621 |
0.1123 |
1 |
1 |
8.0 |
9 |
|
Country 7 |
-0.69599 |
0.5224 |
0.2091 |
1 |
1 |
9.0 |
9 |
|
Country 8 |
-0.18150 |
0.0636 |
0.0964 |
1 |
1 |
2.0 |
9 |
|
Country 9 |
-0.28838 |
0.2026 |
1.1394 |
1 |
1 |
1.0 |
9 |
|
Country 10 |
-0.97862 |
0.6428 |
0.4166 |
1 |
1 |
9.0 |
9 |
|
Country 11 |
-0.68944 |
0.0617 |
0.0113 |
1 |
1 |
7.0 |
9 |
|
Country 12 |
-0.47588 |
0.4627 |
0.5490 |
1 |
1 |
0.0 |
9 |
|
Country 13 |
-0.48334 |
0.0628 |
0.0193 |
1 |
1 |
9.0 |
9 |
|
Coefficient |
t-Stat |
SE Reg |
mu* |
sig* |
Obs |
||
|
Pooled |
-0.44137 |
-7.168 |
1.072 |
-0.554 |
0.919 |
117 |
|
1 مقدمة
اكتسبت ظاهرة الفساد اهتماماً متزايداً في الآونة الأخيرة نظراً لاتساع نطاقها وتفاقم آثارها السلبية التي باتت تهدد الأمن الاجتماعي والاستقرار السياسي ورخاء الاقتصاد العالمي في الدول النامية والمتقدمة على حد سواء. حيث يتسبب الفساد في عرقلة مباشرة لعملية التنمية الشاملة والمستدامة عبر تدهور القيم الوظيفية والأخلاقية، ضعف الإدارة العامة، وتسرب المال العام لتحقيق مصالح شخصية على حساب المشاريع التنموية(لبنى ومكيد،2022 ،ص437).
تؤكد العديد من الدراسات الأثر المدمر للفساد على النمو؛ ففي منطقة شمال افريقيا، وضحت دراسة (لبنى ومكيد، 2022) تأثيره السلبي المباشر على النمو الاقتصادي. وتتسق نتائج دراسة (Wei, 1999) مع ذلك والتي اشارت الى ان الفساد يعيق الاستثمارين المحلى والاجنبي المباشر مما ينعكس بدوره سلبا على وتيرة النمو الاقتصادي. وعلاوة على ذلك، بينت دراسة (Pulok, 2010) الى ان للفساد تداعيات سلبية مباشره على نصيب الفرد من الناتج المحلي الاجمالي، ومن ثم على التنمية الاقتصادية في بنغلادش. وفي دراسة (Shira et al., 2014، كما ورد في سعيدي ومكيد، 2022) التي اهتمت بالبحث عن أثر الفساد على النمو الاقتصادي في 22 دولة نامية للفترة (2001-2012)، كشفت نتائج الدراسة عن وجود علاقة سلبية ذات دلالة احصائية بين الفساد والنمو الاقتصادي. كما اظهرت الدراسة ان الفساد ينقص عدد المستثمرين ويقلل العائد المتوقع من الانفاق العام.
يُمثل إقليم غرب إفريقيا (والدول المرتبطة به في النطاق الجغرافي والاقتصادي للبيانات) حيوية اقتصادية وتنوعاً ديموغرافياً وجغرافياً كبيراً. يضم الإقليم مجموعة واسعة من الدول مثل غانا، الكاميرون، السنغال، مالي، موريتانيا، تشاد، وغيرها، والتي تتباين في أحجام اقتصاداتها وهياكلها التنموية. وتتضح ملامح هذا الإقليم عبر عدة محاور (قاعدة بيانات” WDIوWGI”,2012-2022م) من أبرزها الأداء الاقتصادي ؛ حيث تتصدر غانا والكاميرون والسنغال قائمة الدول من حيث حجم الناتج المحلي الإجمالي في المتوسط خلال فترة الدراسة. على سبيل المثال، يبلغ متوسط الناتج المحلي الإجمالي لغانا نحو 62.16 مليار دولار، والكاميرون حوالي 37.46 مليار دولار، بينما تسجل دول أخرى نواتج محليه أصغر حجماً تتناسب مع مساحاتها وأعداد سكانها. ويُعد الاستثمار الأجنبي المباشر عنصراً حيوياً في دفع عجلة التنمية في الإقليم. اذ تبرز دول مثل موريتانيا والكونغو والرأس الأخضر وغامبيا بنسب مرتفعة نسبياً من الاستثمار الأجنبي المباشر، مما يعكس جاذبيتها لقطاعات الطاقة، التعدين، والخدمات السياحية. وفيما يتصل بالاستقرار النقدي ومعدلات التضخم؛ شهدت معظم دول الإقليم استقراراً نسبياً في مستويات الأسعار بمعدلات تضخم منخفضة ، تحت حاجز 3% إلى 4% في دول مثل بنين، الرأس الأخضر، السنغال، ومالي. وفي المقابل، سجلت دول أخرى مثل غانا وسيراليون ضغوطاً تضخمية أعلى نسبياً. اما عن سوق العمل ومعدلات البطالة؛ تتفاوت تحديات سوق العمل بشكل كبير عبر الإقليم؛ فبينما تسجل بعض الدول معدلات بطالة منخفضة، تشهد دول أخرى معدلات بطالة أعلى تتطلب سياسات فعالة لتوجيه الاستثمار نحو القطاعات المولدة للوظائف وخفض البطالة بين الشباب.
تُسجل دول إقليم غرب إفريقيا معدلات متدنية في تقييم السياسات والمؤسسات القطرية للشفافية والمساءلة والفساد في القطاع العام كما يتضح في التقرير الصادر عن البنك الدولي، مقارنة بالمتوسطات العالمية. وتعاني المنطقة من تحول الفساد إلى ظاهرة هيكلية ترتبط بالنزاعات المسلحة، ضعف سيادة القانون، وتأخر جهود الإصلاح المؤسسي (بغداد ودحماني، 2025، ص1170-1193). وتتلخص المشكلة البحثية في السؤال الرئيس: “ما مدى تأثير الفساد على مؤشرات التنمية الاقتصادية والمتمثلة في النمو الاقتصادي في دول غرب إفريقيا؟”
تكمن أهمية الورقة في سد الفجوة البحثية لندرة الدراسات القياسية المقارنة التي تربط الفساد بالتنمية في غرب إفريقيا، إلى جانب تقديم توصيات قابلة للتطبيق تُسهم في دعم متخذي القرار للحد من الفساد وتحفيز النمو المستدام.
الى جانب هذه المقدمة تحتوي الورقة على خمسه اقسام على النحو التالي: القسم الثاني يعرض خلفية عن الفساد وتحدياته في دول غرب افريقيا. ويتناول القسم الثالث ادبيات الدراسة والتي تتضمن الدراسات ذات الصلة بأثر الفساد على النمو الاقتصادي. اما القسم الرابع فيعرض منهجية وبيانات الدراسة. بينما يقدم القسم الخامس عرض لنتائج تقدير النموذج ومناقشتها، يختتم القسم السادس بالخاتمة التي تتضمن اهم النتائج والتوصيات.
. 2خلفية عن الفساد وتحدياته في دول غرب إفريقيا:
عانت دول الإقليم من مظاهر فساد ترتبط باستغلال الوظيفة العامة لتحقيق منافع خاصة، بما يشمل الرشوة والاختلاس والتلاعب بالعقود. وتناقش الأدبيات أثر هذه الممارسات في الاستثمار وتخصيص الإنفاق العام وكفاءة المؤسسات (Wei, 1999).
تتمثل اهم المظاهر الرئيسة للفساد في كل من:
1. الفساد السياسي / الكبير: اختلاس الأموال العامة، غسيل الأموال، وارتشاء المسؤولين الكبار والوزراء.
2. الهيمنة على الدولة : توجيه السياسات العامة لخدمة مصالح النخب الاقتصادية.
3. الفساد الإداري / الصغير: ابتزاز المواطنين وأصحاب الأعمال مقابل تقديم خدمات مفترض أن تكون مجانية.
4. ظاهرة “الأسماء الوهمية”: تضخم قوائم رواتب الموظفين الحكوميين لاستنزاف المال العام كما حدث في غانا وسيراليون.
فيما يتعلق بالعلاقة بين الفساد وعدم استقرار الدول ، يُعد الفساد محركاً أساسياً لهشاشة الدول واندلاع الصراعات عبر تغذية المظالم العامة، وتقويض شرعية الحكومات، وتمهيد الطريق للانقلابات العسكرية.في دول مثل سيراليون وليبيريا، ساهم الصراع على السيطرة على الموارد القابلة للنهب مثل الألماس والأخشاب واستغلالها عبر شبكات الفساد في إشعال وإطالة أمد الحروب الأهلية.يؤدي تفشي الفساد إلى تآكل هيبة القضاء والأجهزة الأمنية، مما يفقد المواطنين الثقة في مؤسسات الدولة ويدفعهم نحو العنف أو اللجوء إلى القنوات غير الرسمية.
أنشأت دول الإقليم هيئات وطنية لمكافحة الفساد مثل نيجيريا، بنين، سيراليون، السنغال، إلا أن فعاليتها تعثرت بسبب غياب الاستقلالية الحقيقية، والتدخلات التنفيذية المستمرة، وضعف الصلاحيات المالية والقضائية (البنك الدولي، 2022). وعن الإحصائيات العامة لإقليم غرب إفريقيا، بلغ المتوسط العام لمؤشر مكافحة الفساد/الشفافية للإقليم نحو 3.05 من إجمالي المقياس، ويتراوح نطاقه بين حد أدنى بلغ 1.5 وحد أعلى بلغ 4.5. كما بلغ متوسط مؤشر الانفاق الحكومي اعلى مستوى فى الإقليم نحو 1.51 مليار وحدة قياسية، بتفاوت واسع يعكس اختلاف أحجام اقتصادات الدول كما يتضح في الجدول (2-1) ادناه.
جدول (2-1) يوضح الأرقام التفصيلية لكل دولة (متوسطات الفترة 2012–2022):
| الدولة | متوسط مؤشر الفساد (CPT) | أدنى قيمة لمؤشر الفساد | أعلى قيمة لمؤشر الفساد | متوسط الإنفاق الحكومي |
| الرأس الأخضر | 4.41 | 4.0 | 4.5 | 416.15 مليون |
| غانا | 3.55 | 3.0 | 4.0 | 4.88 مليار |
| السنغال | 3.50 | 3.5 | 3.5 | 3.15 مليار |
| بنين | 3.50 | 3.5 | 3.5 | 1.46 مليار |
| سيراليون | 3.00 | 3.0 | 3.0 | 458.73 مليون |
| موريتانيا | 2.91 | 2.5 | 3.0 | 1.02 مليار |
| مالي | 2.86 | 2.5 | 3.0 | 2.47 مليار |
| توغو | 2.77 | 2.5 | 3.0 | 880.05 مليون |
| غامبيا | 2.27 | 2.0 | 3.0 | 138.73 مليون |
| غينيا-بيساو | 1.73 | 1.5 | 2.0 | 250.70 مليون |
المصدر: اعداد الباحث بالاعتماد على بيانات منظمة الشفافية الدولية (2023).
وتشير النتائج في الجدول فيما يتصل بأعلى الدول أداءً في مؤشر النزاهة، الى ان الرأس الأخضر تتصدر القائمة بمتوسط يقارب 4.41 وسقف أعلى يصل إلى 4.5. تليها غانا بمتوسط 3.55 وبلغت في بعض الأعوام 4.0، ثم السنغال وبنين عند متوسط 3.5. اما عن أدنى الدول أداءً في مؤشر النزاهة، سجلت غينيا-بيساو أدنى متوسط إقليمي بـ 1.73 متراجعة في بعض السنوات حتى حد 1.5. وجاءت غامبيا في المرتبة قبل الأخيرة بمتوسط بلغ 2.27.
وفيما يتعلق بمؤشر الإنفاق الحكومي سجلت غانا أعلى قيمة في الإقليم بمتوسط يبلغ 4.88 مليار ووصلت في ذروتها إلى 6.36 مليار، نظراً لحجم اقتصادها الضخم. وفي المقابل، سجلت دول صغرى مثل غامبيا أدنى قيمة بمتوسط لا يتجاوز 138.73 مليون.
بربط مؤشرات الفساد بمحركات الأداء الاقتصادي، وبالاستناد إلى منظمة الشفافية الدولية (2023)، والأونكتاد (2020)، وقواعد بيانات البنك الدولي (د.ت.)، يمكن مناقشة الجوانب التالية:
مؤشر مدركات الفساد: يسجل متوسطاً إقليمياً يحوم حول 32 إلى 33 من 100، مع وجود تباين بين الدول؛ حيث يتجاوز 60 في الرأس الأخضر بينما يقل عن 30 في الدول الأكثر هشاشة. ويعكس هذا المؤشر ضعف البنية المؤسسية وغياب المساءلة، مما يترتب عليه ارتفاع “تكلفة ممارسة الأعمال” وتراجع جاذبية الإقليم لاستقطاب رؤوس الأموال.
التكلفة الاقتصادية للفساد: يُضعف الفساد كفاءة تخصيص الموارد وقد يحد من تراكم رأس المال، لكن لا تتوافر في المراجع الموثقة هنا أدلة كافية لتقدير تكلفته بنسبة محددة من الناتج المحلي لغرب إفريقيا.
الخسائر المالية: يصعب فصل خسائر الفساد عن سائر التدفقات المالية غير المشروعة؛ لذا ينبغي التمييز بين التقديرات القارية والتقديرات الخاصة بدول العينة.
التدفقات المالية غير المشروعة: يقدّر تقرير الأونكتاد لعام 2020 خروج نحو 88.6 مليار دولار سنويًا من إفريقيا في صورة تدفقات مالية غير مشروعة. وهذا تقدير قاري لا يخص غرب إفريقيا وحدها، ولا يمثل تقديرًا للفساد وحده (UNCTAD, 2020).
كفاءة الإنفاق الاجتماعي: قد يزاحم الفساد الإنفاق على الصحة والتعليم ويضعف كفاءة تقديم الخدمات، بما يؤثر في تراكم رأس المال البشري (Wei, 1999).
تراجع الاستثمار الأجنبي المباشر (FDI): يرتبط هذا المؤشر بارتباط طردي؛ إذ يودي تراجع مؤشر النزاهة بوحدة واحدة إلى تقليل تدفقات الاستثمار غير النفطي بشكل معتبر. ويؤدي هذا التراجع إلى تباطؤ معدلات نمو الناتج المحلي الحقيقي والحد من خلق فرص العمل الكفيلة بامتصاص البطالة (ظاهرة النمو غير الشامل).
. 3أدبيات الدراسة:
يعنى بالفساد إساءة استعمال السلطة العامة أو الوظيفة العامة أو الموارد لتحقيق مكاسب خاصة (الجابري، 2003).ويشمل الرشوة، الاختلاس، المتاجرة بالنفوذ، غسل العائدات الإجرامية، إعاقة العدالة، وإخفاء الممتلكات المشبوهة(الجابري، 2003).و تتمثل ابرز أشكاله ومظاهره في جوانب مالية وإدارية كبرى مثل نهب عائدات الموارد الطبيعية، التجاوز على المال العام للحصول على صفقات التعدين، التهرب الجمركي عبر الحدود، وغسيل الأموال عبر شبكات عابرة للحدود.اضافة الى الجوانب السلوكية التي تشمل الرشوة والمحسوبية والوساطة القائمة على المحاصصة العرقية أو القبائلية، النصب والاحتيال، والتسيب الإداري(عجلان وعداي، د.ت.).
اما الآثار الاقتصادية والاجتماعية وتكلفة الفساد فتشمل إعاقة النمو الاستثماري، تحييد رؤوس الأموال الأجنبية، تسرب الموارد الضريبية والجمركية بفعل التجارة غير الرسمية والتهريب، انحياز الإنفاق العام نحو المشاريع التسليحية والمظهرية بدلاً من التعليم والصحة، وتضخم الدين (الجابري، 2003؛ Wei, 1999).
وعن الدراسات التي تعرضت للفساد من ناحية الاقتصادية فكانت دراسة (الجابري، 2003)، التي اشارت الى ان للفساد آثار اقتصادية كثيرة سواء أكان على المستوى الكلي ام الجزئي من خلال أثرها على النمو الاقتصادي، والنظام الضريبي، والانفاق الحكومي وعلى سوق الصرف الاجنبي، وعلى سوق الاوراق المالية وصناديق الاستثمار. اما دراسة (علي، 2008)، فتناولت اهم المؤشرات لقياس الفساد الاداري التي تقوم بها بعض المؤسسات في العالم، والتي تهتم بقياس ظاهرة الفساد، المستخدمة في الادبيات التطبيقية، ومن أشهرها مجموعة خدمات المخاطر الدولية، ومؤسسة الشفافية العالمية، ومؤشر الفساد الذي يصدره البنك الدولي ضمن المؤشر المركب للحاكمية.
وقد حاولت هذه الدراسة بيان اخر الاختبارات التي اجريت لبيان أثر الفساد على الاداء الاقتصادي من خلال، معدل الاستثمار، معدل نمو دخل الفرد، هيكل الانفاق الحكومي. وقد بينت الدارسة اعادة تقدير العلاقة بين الفساد والمتغيرات الاقتصادية سالفة الذكر التي سبق اكتشافها عام 1995م، حيث تبين ان العلاقة بين الفساد والمتغيرات الاقتصادية الدالة على الاداء الاقتصادي كانت على النحو التالي: وجود علاقة سببية ذات معنوية احصائية بين الفساد و معدل الاستثمار، حيث يتوقع ان يزداد معدل الاستثمار كلما تحسنت بيئة اداء الاعمال عن طريق مكافحة الفساد .وجود علاقة سببية موجبة وذات معنوية احصائية بين الفساد ومعدل دخل الفرد، حيث يزداد معدل دخل الفرد بانخفاض مؤشر الفساد .و فيما يتعلق ب دراسة (بن زمرة وبن عبو، 2021)، فقد بحثت بشكل تجريبي في تأثير الفساد على التنمية الاقتصادية، باستخدام نماذج بيانات بانل panel لعينة من 14 دولة خلال الفترة 2000-2018 ، حيث اظهرت النتائج ان هناك ارتباط ايجابي بين نمو نصيب الفرد في الناتج ومؤشر الفساد في ظل مستوى الديمقراطية والتي كان لها تأثير ايجابي . وعلى ذات النسق هدفت دراسة (لبنى ومكيد،2022)، الى معرفة تأثير الفساد على النمو الاقتصادي في دول شمال افريقيا، باستخدام نماذج بانل الساكن خلال الفترة (2003 ـ 2019)، حيث بينت نتائج الدراسة ان النموذج الافضل لتقدير نموذج بانل الساكن هو نموذج التأثيرات الثابتة. كما اظهرت نتائج الدراسة ان للفساد أثر سلبي على النمو الاقتصادي.
كذلك أوضحت دراسة (Shira et al., 2014، كما ورد في سعيدي ومكيد، 2022)، التي اهتمت بالبحث عن أثر الفساد على النمو الاقتصادي في 22 دولة نامية للفترة (2001-2012) وذلك باستخدام بيانات بانلPanel. حيث كشفت نتائج الدراسة عن وجود علاقة سلبية ذات دلالة احصائية بين الفساد والنمو الاقتصادي. كما اظهرت الدراسة ان الفساد ينقص عدد المستثمرين ويقلل العائد المتوقع من الانفاق العام.
4. منهجية وبيانات الدراسة:
4-1 توصيف النموذج القياسي والمتغيرات:
تستند المنهجية إلى صياغة دالة نمو اقتصادية اعتماديّة تأخذ الشكل التجميعي المقطعي المعتمد في الأدبيات القياسية:
وبتحويل الدالة العامة إلى النموذج القياسي الخطي لبيانات البانل (Panel Data Model):
حيث:
GDPit: الناتج المحلي الإجمالي لدولة i في السنة t، كمؤشر يعبر عن النمو والتنمية الاقتصادية.
CORit: مؤشر السيطرة على الفساد / مدركات الفساد لدولة i في السنة t (حيث تعكس القيم الأعلى ارتفاع درجة النزاهة وتراجع الفساد).
GOVit: الإنفاق الحكومي كنسبة من الناتج المحلي الإجمالي.
UNMit: معدل البطالة الإجمالي كنسبة مئوية من القوى العاملة.
: الحد الثابت، و معلمات النموذج القياسي، و حد الخطأ العشوائي.
i: يشير إلى الدولة في إقليم غرب إفريقيا (i = 1, N)، وt: يشير إلى الفترة الزمنية 2012–2022.
4-2 الطريقة القياسية المستخدمة في تقدير النموذج:
لتقدير معلمات النموذج (2)، يتم استخدام ثلاث تقنيات أساسية في التجميع المقطعي:
طريقة الانحدار التجميعي المجمع (Pooled OLS): تفترض تجانس جميع دول العينة وعدم وجود تأثيرات خاصة بكل دولة على حدة.
نموذج التأثيرات الثابتة (Fixed Effects Model – FE): يفترض وجود خصائص هيكلية غير مشاهدة فردية لكل دولة تؤثر على المتغير التابع وتكون مرتبطة بالمتغيرات المفسرة.
نموذج التأثيرات العشوائية (Random Effects Model – RE): يفترض أن الفروق بين الدول هي متغيرات عشوائية غير مرتبطة بالمتغيرات التوضيحية.
اختبار هوسمان (Hausman Test): يتم استخدام اختبار هوسمان للمفاضلة بين نموذج التأثيرات الثابتة (FE) ونموذج التأثيرات العشوائية (RE).
5.نتائج تقدير وتقييم النموذج ومناقشتها
1.5: نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة (Levin, Lin & Chu – LLC):
جدول (5-1) يلخص ويفسر نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة (Levin, Lin & Chu – LLC) في الجدول التالي:
جدول (5-1): نتائج اختبارات استقراريه السلاسل الزمنية وجذور الوحدة
| القرار والتفسير القياسي | إحصائية الاختبار (t∗) | الاحتمالية (Prob) | مستوى الاستقرارية | المتغير |
| رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1%. | -7.07117 | 0.0000 | I(0) مستقرة | الناتج المحلي الإجمالي (GDP) |
| رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1%. | -2.59868 | 0.0047 | I(0) مستقرة | مدركات الفساد (COR) |
| رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1% . | -3.05386 | 0.0011 | I(0) مستقرة | الإنفاق الحكومي / الحوكمة (GOV) |
| رفض الفرضية الصفرية؛ السلسلة مستقرة عند المستوى عند درجة معنوية 1% . | -3.91259 | 0.0000 | I (0) مستقرة | معدل البطالة (UNM) |
المصدر: اعداد الباحث بالاعتماد مخرجات اختبار (Levin, Lin & Chu – LLC).
الخلاصة:
جميع المتغيرات مستقرة عند المستوىI(0) بدرجة معنوية عالية (أقل من 1% ).
لا توجد حاجة لأخذ الفروق الأولى (First Differences) .
يمكن استخدام المتغيرات مباشرة في Nنماذج البيانات المقطعية الزمنية (Panel Data) .
2.5 اختبار هوسمان (Hausman Test): يتم استخدام اختبار هوسمان للمفاضلة بين نموذج التأثيرات الثابتة (FE) ونموذج التأثيرات العشوائية (RE).
تفسير النتيجة:
1. الفرضيات الإحصائية للاختبار:
الفرضية الصفرية (H0): لا يوجد ارتباط بين التأثيرات الفردية العشوائية والمتغيرات المستقلة (نموذج التأثيرات العشوائية هو الملائم والأكفأ).
الفرضية البديلة (H1): يوجد ارتباط بين التأثيرات الفردية والمتغيرات المستقلة (نموذج التأثيرات الثابتة هو الملائم وغير متحيز).
2. قراءة وتحليل المخرجات الإحصائية:
قيمة إحصائية كاي تربيع (Chi-Sq. Statistic): بلغت 13.105 بدرجات حرية (d.f. = 5).
القيمة الاحتمالية (Prob / p-value): بلغت 0.0224 (أي 2.24%).
3. القرار الإحصائي والتفسير الاقتصادي:
بما أن القيمة الاحتمالية للاختبار (0.0224) أقل من مستوى المعنوية الشائع (0.05)، فإننا نرفض الفرضية الصفرية (H0) ونقبل الفرضية البديلة (H1).
النتيجة: يُعتبر نموذج التأثيرات الثابتة (Fixed Effects Model) هو النموذج الملائم والأفضل لقياس العلاقة بين المتغيرات المستقلة والمتغير التابع (الناتج المحلي الإجمالي GDP) لبيانات السلسلة الزمنية المقطعية (Panel Data) الممتدة من 2012 إلى 2022 لشمل 13 قطاعاً/دولة.
المبرر: رفض الفرضية الصفرية يعني وجود ارتباط بين الخصائص الفردية غير المقاسة لعينة الدراسة والمتغيرات المستقلة، مما يجعل مقدرات التأثيرات العشوائية متحيزة وغير متسقة، بينما توفر التأثيرات الثابتة مقدرات متسقة تعزل الفروق الفردية الكامنة بين المجموعات.
4. ملاحظة جودة النموذج (معادلة التأثيرات الثابتة):
أظهرت معادلة التقدير المرافقة للنموذج المقبول (التأثيرات الثابتة) القوة التفسيرية التالية:
معامل التحديد المعدل (R^2): بلغ 0.974، مما يعكس قدرة المتغيرات المستقلة المدرجة على تفسير نحو 97.4% من التغيرات الحاصلة في الناتج المحلي الإجمالي (GDP).
معنوية النموذج ككل (F-statistic): معنوية جداً حيث بلغت إحصائية F نحو 319.54 بقيمة احتمالية (0.0000)، مما يؤكد الكفاءة الإجمالية للنموذج المعتمد.
3.5 معالجة النموذج باستخدام اللوغريثم والتباطؤ الزمني:
جدول (5-2) يوضح مخرجات اختبار Panel Least Squares:
الجدول (5-2): نتائج اختبار هوسمان للمفاضلة بين نموذجَي التأثيرات الثابتة والعشوائية
| الاختبار | إحصائية كاي تربيع χ² | درجات الحرية | القيمة الاحتمالية |
|---|---|---|---|
| التأثيرات العشوائية بين الدول | 13.105029 | 5 | 0.0224 |
مقارنة معاملات التأثيرات الثابتة والعشوائية
| المتغير | معامل التأثيرات الثابتة | معامل التأثيرات العشوائية | تباين الفرق بين المعاملين | القيمة الاحتمالية |
|---|---|---|---|---|
| مؤشر الفساد (COR) | −1.7310 × 10⁹ | −1.0388 × 10⁹ | 3.3338 × 10¹⁷ | 0.2306 |
| سعر الصرف (EXR) | 6.5267 × 10⁶ | −7.1594 × 10⁶ | 3.0516 × 10¹³ | 0.0132 |
| الاستثمار الأجنبي المباشر (FDI) | −7.3973 × 10⁷ | −7.6192 × 10⁷ | 4.2043 × 10¹³ | 0.7322 |
| الإنفاق الحكومي (GOV) | 7.8152 | 8.8399 | 0.1919 | 0.0193 |
| معدل البطالة (UNM) | −2.7975 × 10⁸ | −2.8167 × 10⁸ | 3.9515 × 10¹⁶ | 0.9923 |
تشير القيمة الاحتمالية لاختبار هوسمان (0.0224)، وهي أقل من مستوى الدلالة (0.05)، إلى رفض الفرضية الصفرية وتفضيل نموذج التأثيرات الثابتة لهذه المواصفة.
المصدر: مخرجات اختبار Panel Least Squares من برنامج الــ EViews.
الجدول (5-3): نتائج تقدير نموذج التأثيرات الثابتة المصاحب لاختبار هوسمان
| المتغير | المعامل المقدّر | الخطأ المعياري | إحصائية t | القيمة الاحتمالية |
|---|---|---|---|---|
| الحد الثابت (C) | 6.74 × 10⁹ | 4.75 × 10⁹ | 1.418491 | 0.1585 |
| مؤشر الفساد (COR) | −1.73 × 10⁹ | 1.13 × 10⁹ | −1.530091 | 0.1285 |
| سعر الصرف (EXR) | 6526727 | 6986185 | 0.934233 | 0.3520 |
| الاستثمار الأجنبي المباشر (FDI) | −73973330 | 40970227 | −1.805539 | 0.0734 |
| الإنفاق الحكومي (GOV) | 7.815158 | 0.709099 | 11.02125 | 0.0000 |
| معدل البطالة (UNM) | −2.80 × 10⁸ | 2.72 × 10⁸ | −1.028499 | 0.3057 |
المتغير التابع: الناتج المحلي الإجمالي (GDP). طريقة التقدير: المربعات الصغرى لبيانات البانل. الفترة: 2012–2022، وتشمل 11 سنة و13 دولة و143 مشاهدة ضمن بانل متوازن. يتضمن النموذج تأثيرات ثابتة خاصة بالدول باستخدام متغيرات صورية.
مؤشرات جودة المطابقة والاختبارات الإحصائية للنموذج
| المؤشر الإحصائي | القيمة | المؤشر الإحصائي | القيمة |
|---|---|---|---|
| معامل التحديد R² | 0.977507 | متوسط المتغير التابع | 1.62 × 10¹⁰ |
| معامل التحديد المعدّل | 0.974448 | الانحراف المعياري للمتغير التابع | 1.69 × 10¹⁰ |
| الخطأ المعياري للانحدار | 2.70 × 10⁹ | معيار أكايكي للمعلومات | 46.38513 |
| مجموع مربعات البواقي | 9.09 × 10²⁰ | معيار شوارز | 46.75808 |
| لوغاريتم دالة الإمكان | −3298.537 | معيار هانان–كوين | 46.53668 |
| إحصائية F | 319.5413 | إحصائية دوربن–واتسون | 0.723758 |
| القيمة الاحتمالية لإحصائية F | 0.000000 | — | — |
المصدر: مخرجات اختبار Panel Least Squares من برنامج الــ EViews.
4.5 مناقشة نتائج تقدير النموذج
بناءً على نتائج القياس المقدرة على عينة دول غرب إفريقيا التي تتكون من 13 دولة، يتضح التفسير الاقتصادي والمؤسسي للنتائج وفق الآتي:
1. أثر السيطرة على الفساد (COR) على النمو الاقتصادي (GDP):
أظهر النموذج اللوغاريتمي النهائي ارتباطًا موجبًا دالًا إحصائيًا بين المؤشر المستخدم بعد إبطائه أربع سنوات ومستوى الناتج المحلي الإجمالي، بمعامل 0.290254 وقيمة احتمالية 0.0186. أما النموذج الأولي في جدول هوسمان فأظهر معاملًا سالبًا غير دال للمؤشر؛ ولذلك تختلف النتيجة باختلاف المواصفة، ولا تثبت أثرًا سببيًا.
التفسير الاقتصادي لدول غرب إفريقيا: إيجابية المعلمة تشير إلى أن تقليل مستويات الفساد وتعزيز الشفافية يؤديان بشكل مباشر إلى تحسين بيئة الأعمال وجذب تدفقات الاستثمار الأجنبي المباشر (FDI) إلى دول المنطقة. في إقليم غرب إفريقيا، تعاني العديد من الاقتصاديات من ظاهرة “تسرب الموارد” لا سيما في القطاعات الاستخراجية (مثل النفط في نيجيريا، والذهب والكاكاو في غانا وساحل العاج). بالتالي، فإن تعزيز آليات الحوكمة وانخفاض معدلات الفساد يقللان من تكلفة المعاملات، ويحدان من تبديد الإيرادات العامة، مما يوجه رأس المال نحو مشاريع البنية التحتية والإنتاج الحقيقي، وهو ما يعزز النمو الاقتصادي الإجمالي.
2. أثر الإنفاق الحكومي (GOV) على النمو الاقتصادي (GDP):
أظهرت النتائج وجود أثر إيجابي معنوي لمتغير الإنفاق الحكومي (GOV) على الناتج المحلي الإجمالي.
التفسير الاقتصادي لدول غرب إفريقيا: في اقتصاديات غرب إفريقيا النامية، تلعب الدولة دوراً محورياً ومحفزاً للنشاط الاقتصادي من خلال الإنفاق الاستثماري الرأسمالي في مجالات الطرق، الطاقة، الموانئ، والخدمات الأساسية. عندما يرتفع الإنفاق الحكومي الموجه نحو الاستثمارات التنموية، فإنه يحفز الطلب الكلي ويولد آثاراً مضاعفة تشجع استثمارات القطاع الخاص. ومع ذلك، تشير أدبيات المنطقة إلى أن هذه الفاعلية تظل مشروطة بجودة كفاءة التخصيص وعدم تسرب النفقات عبر ممارسات الرشوة والاختلاس المؤسسي.
3. أثر البطالة (UNM) على النمو الاقتصادي (GDP):
جاء معامل البطالة في النموذج اللوغاريتمي النهائي سالبًا، لكنه غير دال إحصائيًا (المعامل = -0.051722؛ p = 0.4753).
التفسير الاقتصادي لدول غرب إفريقيا: تتفق هذه النتيجة مع الفرضية الاقتصادية وقانون أوكون (Okun’s Law)؛ حيث تؤدي معدلات البطالة المرتفعة بين الشباب في دول غرب إفريقيا إلى تعطيل جزء كبير من الطاقة الإنتاجية البشرية، وتوسيع نطاق القطاع غير الرسمي ذي الإنتاجية المتدنية والتهرب الضريبي الشائع. كما أن تفاقم البطالة يضعف القدرة الشرائية للأسر ويقلل الاستهلاك المحلي، إلى جانب تغذيته للاضطرابات الاجتماعية والأمنية التي تضر ببيئة الاستثمار.
5.5 تقييم النموذج:
تقييم النموذج القياسي
يمكن تقييم كفاءة وقدرة النموذج التفسيرية والتنبؤية استناداً إلى النتائج الإحصائية المستخرجة من برامج التحليل على النحو الآتي:
القوة التفسيرية العالية (معامل التحديد R^2 ): أظهرت نتائج تقدير نموذج التأثيرات الثابتة أن معامل التحديد بلغ حوالي 0.9775، بينما بلغ معامل التحديد المعدل (R^2) نحو 0.9744. وفي نموذج اللوغريثم والتباطؤ الزمني، ارتفع معامل التحديد المعدل ليصل إلى 0.9971. وهذا يدل على أن المتغيرات المستقلة المدرجة في النموذج تفسر نحو 97.4% إلى 99.7% من التغيرات الحاصلة في الناتج المحلي الإجمالي (GDP) لدول الإقليم.
المعنوية الكلية للنموذج (إحصائية F): بلغت قيمة إحصائية F في نموذج التأثيرات الثابتة نحو 319.54 بقيمة احتمالية (0.0000)، بينما بلغت في نموذج اللوغريثم والتباطؤ الزمني 1684.945 بقيمة احتمالية 0.0000. تؤكد هذه الأرقام المعنوية الإحصائية العالية للنموذج ككل وكفاءة المعلمات المقدرة في تفسير الظاهرة الاقتصادية.
معالجة مشكلة الارتباط الذاتي (إحصائية دوربن-واتسون – DW): تحسنت كفاءة النموذج بشكل ملحوظ بعد استخدام التحويلات اللوغاريتمية وفترات الإبطاء الزمني، حيث ارتفعت قيمة إحصائية دوربن-واتسون من 0.7237 في النموذج الأولي إلى 2.2881 في نموذج اللوغريثم والتباطؤ الزمني. تشير هذه القيمة إلى خلو النموذج من مشكلة الارتباط الذاتي للأخطاء، مما يرفع من موثوقية الاختبارات الإحصائية للمعلمات.
معايير المعلومات (AIC وSchwarz): سجل نموذج اللوغاريثم والتباطؤ الزمني قيماً سالبة ومنخفضة لمعايير المفاضلة مثل معيار AIC (AIC = -2.578) ومعيار شوارز (Schwarz = -2.064)، وهو ما يؤكد جودة صياغة النموذج وحسن مطابقته للبيانات الفعلية.
معادلة التقدير:
تفسير مكونات المعادلة التقديرية:
الحد الثابت (C = 14.58152): يمثل القيمة المقدرة للناتج المحلي الإجمالي في حال تساوي جميع المتغيرات المستقلة للصفر.
معامل السيطرة على الفساد =0.290: يشير إلى وجود علاقة طردية ذات دلالة إحصائية عند إبطاء المتغير بأربع سنوات، بمعنى أن تحسين مؤشر السيطرة على الفساد والنزاهة المؤسسية ينعكس إيجاباً على النمو الاقتصادي على المدى المتوسط.
معامل الإنفاق الحكومي = 0.395؛ يشير إلى أثر إيجابي معنوي للإنفاق الحكومي، حيث إن زيادة الإنفاق بنسبة 1% تؤدي إلى زيادة الناتج المحلي الإجمالي بنحو 0.395%.
معامل البطالة = -0.051722؛ يعكس ارتباطًا سالبًا غير دال إحصائيًا، ولا تتيح المخرجات المعروضة وحدها تحديد سبب عدم الدلالة.
معامل الانطواء الذاتي للأخطاءAR (1) =0.499642؛ تم إدراجه في النموذج لمعالجة مشكلة الارتباط الذاتي وتحسين كفاءة التقدير.
خلاصة التقييم: يُظهر النموذج ملاءمة مرتفعة للعينة، لكن ارتفاع معامل التحديد لا يثبت السببية أو القدرة التنبؤية خارج العينة. ويلزم توثيق المتغيرات والتحقق من الارتباط الذاتي والاعتماد المقطعي ومتانة النتائج قبل استخلاص دلالات سياسية حاسمة.
6.الخاتمة
1.6 النتائج:
هدفت الورقة إلى قياس أثر الفساد على النمو الاقتصادي في دول غرب افريقيا خلال الفترة (2012-2022)، واستخدمت النماذج القياسية لتحقيق الهدف من الدراسة، وبالتالي توصلت لجملة من النتائج وهي:
تشير الأدبيات والنتائج المعروضة إلى ارتباط بين جودة المؤسسات والأداء الاقتصادي، مع اختلاف اتجاه معامل الفساد ودلالته بين المواصفات المقدرة.
أكدت النتائج التطبيقية وجود أثر إيجابي معنوي لمؤشر السيطرة على الفساد (COR) على الناتج المحلي الإجمالي (GDP) في دول غرب إفريقيا، مما يعزز فرضية أن مكافحة الفساد وتطوير المؤسسات هما شرطان أساسيان لتحقيق النمو المستدام.
ارتبط الإنفاق الحكومي بمستوى الناتج ارتباطًا موجبًا دالًا في النموذج النهائي، بينما جاء معامل البطالة سالبًا وغير دال إحصائيًا.
يتطلب العلاج الناجع للفساد في غرب إفريقيا مزيجاً شاملاً يجمع بين الإصلاح المؤسسي، استقلالية القضاء، الالتزام بالشفافية والرقابة، وتعديل المنظومة القيمية على المدى الطويل.
6.2 التوصيات:
وبناء على النتائج السابقة فإن الورقة توصي بما يلي:
تعزيز الحوكمة والنزاهة المؤسسية: إصلاح الأجهزة الرقابية وتفعيل استقلالية السلطات القضائية والهيئات الوطنية لمكافحة الفساد في دول غرب إفريقيا لضمان إنفاذ القانون بدون تمييز.
إدارة الإنفاق العام: تطبيق أنظمة الشفافية الرقمية في المناقصات والمشتريات الحكومية للحد من التهرب الضريبي والرشوة وإعادة توجيه النفقات نحو البنية التحتية والقطاعات الانتاجية.
دعم بيئة الأعمال والحد من البيروقراطية: تبسيط الإجراءات الإدارية وتكافؤ الفرص في الأسواق لتشجيع الاستثمار المحلي والأجنبي المباشر وتقليل فرص البحث عن الريع.
مكافحة البطالة الهيكلية: صياغة سياسات تشغيل موجهة للشباب ودمج أنشطة القطاع غير الرسمي في الاقتصاد الرسمي لرفع الكفاءة الإنتاجية وتوسيع القاعدة الضريبية.
تفعيل التعاون الإقليمي والدولي: تعزيز التنسيق بين دول مجموعة (ECOWAS) والمنظمات الدولية لمكافحة الجرائم العابرة للحدود وغسيل الأموال واسترداد الأصول والممتلكات المهربة.
المراجع
البنك الدولي. (د.ت.-أ). مؤشرات التنمية العالمية [قاعدة بيانات؛ فترة الدراسة 2012–2022].
https://databank.worldbank.org/source/world-development-indicators
World Bank. (n.d.-a). World Development Indicators [Database; study period 2012–2022]. https://databank.worldbank.org/source/world-development-indicators
البنك الدولي. (د.ت.-ب). مؤشرات الحوكمة العالمية [قاعدة بيانات].
https://www.worldbank.org/en/publication/worldwide-governance-indicators
World Bank. (n.d.-b). Worldwide Governance Indicators [Database]. https://www.worldbank.org/en/publication/worldwide-governance-indicators
البنك الدولي. (د.ت.-ج). تقييم الشفافية والمساءلة والفساد في القطاع العام ضمن تقييم السياسات والمؤسسات القطرية (1 = منخفض، 6 = مرتفع) [المؤشر IQ.CPA.TRAN.XQ].
https://data.worldbank.org/indicator/IQ.CPA.TRAN.XQ
World Bank. (n.d.-c). CPIA transparency, accountability, and corruption in the public sector rating (1 = low to 6 = high) [Indicator IQ.CPA.TRAN.XQ]. https://data.worldbank.org/indicator/IQ.CPA.TRAN.XQ
البنك الدولي. (2022). تقييم السياسات والمؤسسات القطرية لإفريقيا، أكتوبر 2022: تقييم سياسات إفريقيا ومؤسساتها. https://documents1.worldbank.org/curated/en/099747310032289885/pdf/IDU-386e3f44-3b62-49af-98b6-569d8d7978cc.pdf
World Bank. (2022). CPIA Africa, October 2022: Assessing Africa’s policies and institutions. https://documents1.worldbank.org/curated/en/099747310032289885/pdf/IDU-386e3f44-3b62-49af-98b6-569d8d7978cc.pdf
بن زمرة، منقور، وبن عبو، جيلالي. (2021). الفساد والتنمية الاقتصادية: تحليل مقارن باستخدام بيانات بانل. مجلة الإستراتيجية والتنمية، 11(3)، 68–85. https://asjp.cerist.dz/en/article/151244
Benzemra, M., & Benabou, D. (2021). Corruption and economic development: A comparative analysis using panel data. Strategy and Development Review, 11(3), 68–85. https://asjp.cerist.dz/en/article/151244
الجابري، عبد الله بن حاسن. (2003). الفساد الاقتصادي: أنواعه، أسبابه، آثاره وعلاجه. مجلة مركز صالح كامل للاقتصاد الإسلامي بجامعة الأزهر، (21)، 11–48. https://doi.org/10.21608/skjaz.2003.358073
Al-Jabri, A. B. H. (2003). Economic corruption: Types, causes, effects, and remedies. Journal of the Saleh Kamel Center for Islamic Economics at Al-Azhar University, (21), 11–48. https://doi.org/10.21608/skjaz.2003.358073
سعيدي، لبنى، ومكيد، علي. (2022). أثر الفساد على النمو الاقتصادي في دول شمال إفريقيا للفترة (2003–2019). مجلة الإبداع، 12(1)، 436–453. https://asjp.cerist.dz/en/article/189559
Saidi, L., & Mekid, A. (2022). The impact of corruption on economic growth in North African countries during 2003–2019. Al-Ibdaa Journal, 12(1), 436–453. https://asjp.cerist.dz/en/article/189559
عجلان، عبد الكاظم داخل، وعداي، نور شدهان. (د.ت.). الفساد وأثره على الاقتصاد العام. وزارة المالية العراقية، الدائرة الاقتصادية، قسم السياسة الضريبية.
Ajlan, A. K. D., & Aday, N. S. (n.d.). Corruption and its impact on the public economy. Iraqi Ministry of Finance, Economic Department, Tax Policy Division.
علي، علي عبد القادر. (2008، فبراير). مؤشرات قياس الفساد الإداري. جسر التنمية، 7(70)، 2–15. المعهد العربي للتخطيط.
Ali, A. A. (2008, February). Indicators for measuring administrative corruption. Development Bridge, 7(70), 2–15. Arab Planning Institute.
قرزو، بغداد، ودحماني، العيد. (2025). ظاهرة الفساد السياسي بين تعدد المفاهيم وتنوع المقاربات وضرورة المعالجة. المجلة الأكاديمية للبحوث القانونية والسياسية، 9(2)، 1170–1193.
https://asjp.cerist.dz/en/article/275770
Guerzou, B., & Dahmani, E. (2025). Political corruption between multiple concepts, diverse approaches, and the need for remedies. Academic Journal of Legal and Political Research, 9(2), 1170–1193. https://asjp.cerist.dz/en/article/275770
منظمة الشفافية الدولية. (2023). مؤشر مدركات الفساد 2022.
https://www.transparency.org/en/cpi/2022
Transparency International. (2023). Corruption Perceptions Index 2022. https://www.transparency.org/en/cpi/2022
Pulok, M. H. (2010). The impact of corruption on economic development of Bangladesh: Evidence on the basis of an extended Solow model (MPRA Paper No. 28755; posted 2011). https://mpra.ub.uni-muenchen.de/28755/
United Nations Conference on Trade and Development. (2020). Economic development in Africa report 2020: Tackling illicit financial flows for sustainable development in Africa. United Nations. https://unctad.org/publication/economic-development-africa-report-2020
Wei, S.-J. (1999). Corruption in economic development: Beneficial grease, minor annoyance, or major obstacle? (Policy Research Working Paper No. 2048). World Bank. https://doi.org/10.1596/1813-9450-2048
الملاحق:
| Null Hypothesis: Unit root (common unit root process) | |||||||
| Series: COR | |||||||
| Date: 08/05/26 Time: 13:51 | |||||||
| Sample: 2012 2022 | |||||||
| Exogenous variables: Individual effects, individual linear trends | |||||||
| User-specified lags: 1 | |||||||
| Newey-West automatic bandwidth selection and Bartlett kernel | |||||||
| Total (balanced) observations: 72 | |||||||
| Cross-sections included: 8 (5 dropped) | |||||||
| Method | Statistic | Prob.** | |||||
| Levin, Lin & Chu t* | -2.59868 | 0.0047 | |||||
| ** Probabilities are computed assuming asympotic normality | |||||||
| Intermediate results on COR | |||||||
| Cross | 2nd Stage | Variance | HAC of | Max | Band- | ||
| section | Coefficient | of Reg | Dep. | Lag | Lag | width | Obs |
| Country 1 | -0.94737 | 0.0273 | 0.0065 | 1 | 1 | 9.0 | 9 |
| Country 2 | Dropped from Test | ||||||
| Country 3 | -0.67857 | 0.0149 | 0.0024 | 1 | 1 | 9.0 | 9 |
| Country 4 | Dropped from Test | ||||||
| Country 5 | -0.43612 | 0.0135 | 0.0026 | 1 | 1 | 9.0 | 9 |
| Country 6 | -1.00000 | 0.0146 | 0.0133 | 1 | 1 | 3.0 | 9 |
| Country 7 | Dropped from Test | ||||||
| Country 8 | Dropped from Test | ||||||
| Country 9 | -1.11667 | 0.0199 | 0.0035 | 1 | 1 | 9.0 | 9 |
| Country 10 | -0.83713 | 0.0212 | 0.0306 | 1 | 1 | 1.0 | 9 |
| Country 11 | -1.00000 | 0.0146 | 0.0133 | 1 | 1 | 3.0 | 9 |
| Country 12 | -0.67857 | 0.0149 | 0.0024 | 1 | 1 | 9.0 | 9 |
| Country 13 | Dropped from Test | ||||||
| Coefficient | t-Stat | SE Reg | mu* | sig* | Obs | ||
| Pooled | -0.78577 | -6.476 | 1.022 | -0.703 | 1.003 | 72 | |
| Null Hypothesis: Unit root (common unit root process) | |||||||
| Series: GOV | |||||||
| Date: 08/05/26 Time: 13:58 | |||||||
| Sample: 2012 2022 | |||||||
| Exogenous variables: Individual effects, individual linear trends | |||||||
| User-specified lags: 1 | |||||||
| Newey-West automatic bandwidth selection and Bartlett kernel | |||||||
| Total (balanced) observations: 117 | |||||||
| Cross-sections included: 13 | |||||||
| Method | Statistic | Prob.** | |||||
| Levin, Lin & Chu t* | -3.05386 | 0.0011 | |||||
| ** Probabilities are computed assuming asympotic normality | |||||||
| Intermediate results on GOV | |||||||
| Cross | 2nd Stage | Variance | HAC of | Max | Band- | ||
| section | Coefficient | of Reg | Dep. | Lag | Lag | width | Obs |
| Country 1 | -0.58817 | 1.E+15 | 1.E+15 | 1 | 1 | 1.0 | 9 |
| Country 2 | -0.51287 | 4.E+16 | 6.E+15 | 1 | 1 | 9.0 | 9 |
| Country 3 | -1.43650 | 7.E+16 | 8.E+16 | 1 | 1 | 3.0 | 9 |
| Country 4 | -0.72947 | 7.E+15 | 5.E+15 | 1 | 1 | 4.0 | 9 |
| Country 5 | -0.72697 | 2.E+16 | 6.E+15 | 1 | 1 | 7.0 | 9 |
| Country 6 | -1.67580 | 1.E+15 | 4.E+14 | 1 | 1 | 9.0 | 9 |
| Country 7 | -1.37278 | 4.E+16 | 3.E+16 | 1 | 1 | 4.0 | 9 |
| Country 8 | -1.53447 | 1.E+15 | 4.E+14 | 1 | 1 | 9.0 | 9 |
| Country 9 | -0.61662 | 1.E+14 | 5.E+13 | 1 | 1 | 6.0 | 9 |
| Country 10 | -1.03794 | 2.E+17 | 1.E+17 | 1 | 1 | 8.0 | 9 |
| Country 11 | -0.82952 | 2.E+14 | 1.E+14 | 1 | 1 | 4.0 | 9 |
| Country 12 | -2.18010 | 4.E+15 | 3.E+15 | 1 | 1 | 9.0 | 9 |
| Country 13 | 1.16278 | 8.E+15 | 5.E+15 | 1 | 1 | 3.0 | 9 |
| Coefficient | t-Stat | SE Reg | mu* | sig* | Obs | ||
| Pooled | -0.94356 | -8.657 | 1.102 | -0.703 | 1.003 | 117 | |
| Null Hypothesis: Unit root (common unit root process) | |||||||
| Series: GDP | |||||||
| Date: 08/05/26 Time: 13:53 | |||||||
| Sample: 2012 2022 | |||||||
| Exogenous variables: Individual effects, individual linear trends | |||||||
| User-specified lags: 1 | |||||||
| Newey-West automatic bandwidth selection and Bartlett kernel | |||||||
| Total (balanced) observations: 117 | |||||||
| Cross-sections included: 13 | |||||||
| Method | Statistic | Prob.** | |||||
| Levin, Lin & Chu t* | -7.07117 | 0.0000 | |||||
| ** Probabilities are computed assuming asympotic normality | |||||||
| Intermediate results on GDP | |||||||
| Cross | 2nd Stage | Variance | HAC of | Max | Band- | ||
| section | Coefficient | of Reg | Dep. | Lag | Lag | width | Obs |
| Country 1 | -1.55500 | 1.E+16 | 5.E+15 | 1 | 1 | 9.0 | 9 |
| Country 2 | -0.88653 | 8.E+17 | 2.E+17 | 1 | 1 | 9.0 | 9 |
| Country 3 | -1.35416 | 2.E+18 | 7.E+17 | 1 | 1 | 9.0 | 9 |
| Country 4 | -0.80448 | 6.E+17 | 2.E+17 | 1 | 1 | 9.0 | 9 |
| Country 5 | -0.49654 | 1.E+18 | 3.E+17 | 1 | 1 | 9.0 | 9 |
| Country 6 | -1.07235 | 9.E+16 | 2.E+16 | 1 | 1 | 9.0 | 9 |
| Country 7 | -0.85696 | 3.E+18 | 6.E+17 | 1 | 1 | 9.0 | 9 |
| Country 8 | -0.68722 | 5.E+16 | 4.E+17 | 1 | 1 | 2.0 | 9 |
| Country 9 | -1.02767 | 2.E+15 | 8.E+14 | 1 | 1 | 9.0 | 9 |
| Country 10 | -1.32026 | 7.E+18 | 8.E+18 | 1 | 1 | 9.0 | 9 |
| Country 11 | -1.37454 | 2.E+15 | 9.E+14 | 1 | 1 | 9.0 | 9 |
| Country 12 | -1.31294 | 6.E+17 | 1.E+17 | 1 | 1 | 9.0 | 9 |
| Country 13 | -0.51857 | 2.E+16 | 2.E+16 | 1 | 1 | 9.0 | 9 |
| Coefficient | t-Stat | SE Reg | mu* | sig* | Obs | ||
| Pooled | -0.80408 | -10.973 | 1.099 | -0.703 | 1.003 | 117 | |
| Null Hypothesis: Unit root (common unit root process) | |||||||
| Series: UNM | |||||||
| Date: 08/05/26 Time: 13:55 | |||||||
| Sample: 2012 2022 | |||||||
| Exogenous variables: Individual effects | |||||||
| User-specified lags: 1 | |||||||
| Newey-West automatic bandwidth selection and Bartlett kernel | |||||||
| Total (balanced) observations: 117 | |||||||
| Cross-sections included: 13 | |||||||
| Method | Statistic | Prob.** | |||||
| Levin, Lin & Chu t* | -3.91259 | 0.0000 | |||||
| ** Probabilities are computed assuming asympotic normality | |||||||
| Intermediate results on UNM | |||||||
| Cross | 2nd Stage | Variance | HAC of | Max | Band- | ||
| section | Coefficient | of Reg | Dep. | Lag | Lag | width | Obs |
| Country 1 | -0.71015 | 0.7091 | 0.2303 | 1 | 1 | 9.0 | 9 |
| Country 2 | -0.34039 | 0.7407 | 0.9538 | 1 | 1 | 0.0 | 9 |
| Country 3 | -0.90638 | 0.0095 | 0.0219 | 1 | 1 | 2.0 | 9 |
| Country 4 | -0.42317 | 0.0189 | 0.0519 | 1 | 1 | 1.0 | 9 |
| Country 5 | -0.68154 | 0.0464 | 0.0136 | 1 | 1 | 9.0 | 9 |
| Country 6 | -0.78558 | 0.1621 | 0.1123 | 1 | 1 | 8.0 | 9 |
| Country 7 | -0.69599 | 0.5224 | 0.2091 | 1 | 1 | 9.0 | 9 |
| Country 8 | -0.18150 | 0.0636 | 0.0964 | 1 | 1 | 2.0 | 9 |
| Country 9 | -0.28838 | 0.2026 | 1.1394 | 1 | 1 | 1.0 | 9 |
| Country 10 | -0.97862 | 0.6428 | 0.4166 | 1 | 1 | 9.0 | 9 |
| Country 11 | -0.68944 | 0.0617 | 0.0113 | 1 | 1 | 7.0 | 9 |
| Country 12 | -0.47588 | 0.4627 | 0.5490 | 1 | 1 | 0.0 | 9 |
| Country 13 | -0.48334 | 0.0628 | 0.0193 | 1 | 1 | 9.0 | 9 |
| Coefficient | t-Stat | SE Reg | mu* | sig* | Obs | ||
| Pooled | -0.44137 | -7.168 | 1.072 | -0.554 | 0.919 | 117 | |
Arabic 
English