Ítem
Acceso Abierto

Corruption in the Times of Pandemia

Título de la revista
Autores
Gallego Durán, Jorge Andrés
Prem, Mounu
Vargas Duque, Juan Fernando

Fecha
2020-05-26

Directores

ISSN de la revista
Título del volumen
Editor

Buscar en:

Métricas alternativas

Resumen
La crisis de salud pública causada por la pandemia de COVID-19, junto con la subsiguiente emergencia económica y la agitación social, ha empujado a los gobiernos a aumentar el gasto de manera sustancial y rápida. Debido a la naturaleza apremiante de la crisis, las normas y procedimientos de contratación pública se han relajado en muchos lugares para acelerar las transacciones. Sin embargo, esto también puede crear oportunidades para la corrupción. Utilizando información a nivel de contrato sobre el gasto público de la plataforma de compras electrónicas de Colombia, y una estrategia de identificación de diferencias en diferencias, encontramos que los municipios clasificados por un algoritmo de aprendizaje automático como tradicionalmente más propensos a la corrupción reaccionan al aumento del gasto liderado por una pandemia. utilizando una mayor proporción de contratos discrecionales no competitivos y aumentando su valor promedio. Esto es especialmente así en el caso de los contratos para adquirir bienes y servicios relacionados con la crisis. Nuestra evidencia sugiere que los grandes shocks negativos que requieren un gasto rápido y masivo pueden aumentar la corrupción, compensando al menos parcialmente los efectos atenuantes de este instrumento fiscal.
Abstract
The public health crisis caused by the COVID-19 pandemic, coupled with the subsequent economic emergency and social turmoil, has pushed governments to substantially and swiftly increase spending. Because of the pressing nature of the crisis, public procurement rules and procedures have been relaxed in many places in order to expedite transactions. However, this may also create opportunities for corruption. Using contract-level information on public spending from Colombia’s e-procurement platform, and a difference-in-differences identification strategy, we find that municipalities classified by a machine learning algorithm as traditionally more prone to corruption react to the pandemic-led spending surge by using a larger proportion of discretionary non-competitive contracts and increasing their average value. This is especially so in the case of contracts to procure crisis-related goods and services. Our evidence suggests that large negative shocks that require fast and massive spending may increase corruption, thus at least partially offsetting the mitigating effects of this fiscal instrument.
Palabras clave
Corrupción , COVID-19 , La contratación pública , Aprendizaje automático
Keywords
Corruption , COVID-19 , Public procurement , Machine learning
Buscar en:
Gallego, Jorge; Prem, Mounu; Vargas F., Juan (2020) Corruptión in the times of pandemia. Universidad del Rosario, Department of Economics, Documentos de trabajo economía. 30 pp.