Bribery, insecurity, and firm performance: <scp>Evidence</scp> from the <scp>Boko Haram</scp> insurgency in <scp>Nigeria</scp>
Notice bibliographique
Résumé
Abstract Research Summary During armed conflicts, when the rule of law collapses, bribery often becomes prevalent. Yet, the effect of bribery on firm performance under those circumstances remains unclear. Bribery could provide access to scarce resources, but it could also be the result of extortion. This study argues that bribes can improve firm performance during certain conflicts, when violence reduces public officials' ability to threaten firms. Using longitudinal data from businesses in Nigeria during the Boko Haram insurgency in 2009–2014, I find that firms exposed to Boko Haram attacks that bribed outperformed firms that did not bribe. Qualitative data suggest that the insurgency limited public officials' ability to threaten firms, making bribes less a means of rent extraction and more a way for firms to access resources. Managerial Summary In many economies, bribery is widespread despite being illegal. This study shows that during times of violent conflict bribery can be a way for firms to maintain operations despite the disruption. Using data from firms in Nigeria during the 2009–2014 Boko Haram insurgency, I find that firms that bribed tended to suffer less from the effects of the insurgency. Bribing firms were better able to secure protection and access transportation networks. At the same time, the conflict reduced local officials' ability to extort firms, making bribes less likely to involve extortion. These results highlight the extreme circumstances that firms face during violent conflicts and the illicit practices that may enable them to survive in the short run.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».