Comprenant 196 pays, l’Indice Global de Corruption (GCI) se distingue par son approche générale. Ses résultats présentent le risque d’exposition à la corruption dans le domaine public mais également dans le domaine privé. L’indice Global de Corruption inclut également les enjeux liés aux crimes en col blanc et plus spécifiquement au blanchiment d’argent et au financement du terrorisme.
L’Indice Global de Corruption se compose de deux sous-indices axés sur la corruption (70%) et sur les autres crimes en col blanc (30%):
Le sous-indice corruption comprend 4 indicateurs pondérés de la manière suivante :
L’indicateur lié aux caractéristiques pays vise à saisir les mécanismes de prévention, les effets connexes, les effets de causalité et les effets consécutifs de la corruption dans le but de faire ressortir l’information “corruption” latente. Cet indicateur se divise en 4 groupes de données:
La mesure liée aux autres crimes en col blanc est basée sur l’indice AML du Basel Institute on Governance et d’autres mesures de crimes en col blanc.
L’Indice Global de Corruption s’appuie sur de nombreuses entités pour la collecte de données brutes, à savoir :
Afin d’offrir un outil approprié aux responsables de la conformité, Global Risk Profile a mis au point une mesure unique et robuste de la corruption dans le monde conformément aux exigences légales en vigueur, telles que le « Foreign Corrupt Practices Act » (FCPA), le Bribery Act et la récente loi française No 2016-1691 relative à la transparence, à la lutte contre la corruption et à la modernisation de la vie économique, également appelée «Sapin II».
L’Indice Global de Corruption repose sur 42 bases de données open source, produites exclusivement par des organisations bénéficiant d’une reconnaissance internationale.
La construction du GCI suit une méthodologie stricte:
Un certain nombre de critères sont pris en compte lors du processus de sélection, détaillés dans la méthodologie technique téléchargeable.
Les données manquantes sont traitées au cas par cas en fonction de la structure des jeux de données.
Pour certaines variables, aucune imputation par PMM n’est effectuée et seules les vraies valeurs sont prises en compte dans l’analyse. Ce choix est dû à la structure des données et au manque de corrélation avec d’autres variables. En cas de valeur manquante, l’algorithme redistribue proportionnellement le poids correspondant aux variables mesurant le même indicateur.
A l’exception des variables binaires, toutes les bases de données sont testées pour leur asymétrie éventuelle, transformées et recodées si nécessaire. La moyenne et l’écart type sont calculés et toutes les variables sont ensuite normalisées pour l’obtention du score agrégé. La méthode de normalisation privilégiée ici est celle des z-scores, appliquant une moyenne de 0 et un écart type de 1.
Le processus d’agrégation convertit toutes les données sur une échelle allant de 0 à 100, où 0 représente le risque le plus faible et 100 le risque le plus élevé de corruption et de crimes en col blanc. Le score global de chaque pays est ensuite calculé en fonction des pondérations ci-dessus présentées.
BSur la base des n jeux de données obtenus suite au processus d’imputation multiple, l’erreur standard et un intervalle de confiance à 90% sont calculés pour chaque variable afin de refléter la variance autour des différents scores.
With an account, benefit from additional documentation and services such as:
Avec un compte, bénéficiez de données et services supplémentaires tels que :
Subscribe
Today !
0
Always freeSouscrivez
Aujourd’hui !
0
Toujours gratuit