Zastosowanie analizy asocjacji w wykrywaniu zmów w przetargach publicznych
DOI:
https://doi.org/10.18778/0208-6018.351.01Słowa kluczowe:
analiza asocjacji, zmowa przetargowa, wykrywanie karteliAbstrakt
Celem niniejszego artykułu jest zbadanie warunków niezbędnych do zastosowania analizy asocjacji w wykrywaniu zmów zawieranych przez wykonawców zamówień publicznych. Koncentruje się ono na określeniu wartości parametrów zaufania (confidence) oraz podniesienia (lift), charakteryzujących reguły asocjacyjne właściwe dla zachowania się uczestników zmowy przetargowej. Aktualnie prowadzone na świecie badania ukierunkowane są na opracowanie względnie łatwych w użyciu narzędzi, pozwalających na skuteczne ujawnianie przypadków karteli przetargowych. Podejmowane dotychczas próby ich opracowania skupiały się na analizie cen (rozkład, wariancja, rozstęp) oraz klasyfikatorach pozwalających na wykrycie wykonawców, których zachowanie w procedurze przetargowej odbiega od powszechnie obserwowanego. Analiza prezentowana w niniejszym artykule wpisuje się w ten kierunek badań. Do głównych wniosków z przeprowadzonej analizy zalicza się: potwierdzenie możliwości zastosowania analizy asocjacji do wykrywania zmów przetargowych oraz określenie wartości miar zaufania i podniesienia do identyfikacji podmiotów działających w sposób typowy dla karteli. Zaproponowana metoda może zostać zastosowana przez organy ochrony prawa, zamawiających oraz konkurentów, w celu wyeliminowania lub przynajmniej ograniczenia skali występowania porozumień przetargowych. Główną, zidentyfikowaną wadą proponowanej metody jest brak możliwości zastosowania do karteli realizujących strategię unikania konkurencji. Planowane jest prowadzenie badań ukierunkowanych na rozwinięcie użyteczności proponowanej metody na wszystkie strategie możliwe do zastosowania przez uczestników zmowy.
Pobrania
Bibliografia
Abrantes‑Metz R. M., Froeb L. M., Geweke J., Taylor C. T. (2006), A variance screen for collusion, “International Journal of Industrial Organization”, vol. 24, pp. 467–486, https://doi.org/10.1016/j.ijindorg.2005.10.003
Google Scholar
DOI: https://doi.org/10.1016/j.ijindorg.2005.10.003
ACFE (2016), Report to the Nations on Occupational Fraud and Abuse 2016, Association of Certified Fraud Examiners, Austin.
Google Scholar
Agrawal R., Imieliński T., Swami A. (1993), Mining Association Rules Between Sets of Items in Large Databases, “ACM SIGMOD Record”, vol. 22, pp. 207–216, https://doi.org/10.1145/170036.170072
Google Scholar
DOI: https://doi.org/10.1145/170036.170072
Anysz H., Foremny A. (2019), Analityczne metody detekcji zmów przetargowych w budownictwie, XI Konferencja Stowarzyszenia Kosztorysantów Budowlanych. Koniunktura i jej wpływ na ceny robót budowlanych, Warsaw, 21–22 March 2019.
Google Scholar
Bajari P., Ye L. (2003), Deciding Between Competition and Collusion, “Review of Economics & Statistics”, vol. 85, pp. 971–989.
Google Scholar
DOI: https://doi.org/10.1162/003465303772815871
Cabral L. M.B. (2000), Introduction to Industrial Organization, 1st ed., Massachusetts Institute of Technology, Cambridge.
Google Scholar
Church J., Ware R. (2000), Industrial Organization: A Strategic Approach, McGraw‑Hill Publishing Co., International Edition.
Google Scholar
Competition Protection Act (2007), Act of 16 February 2007 on Competition and Consumer Protection, Competition Law, 2007, Journal of Laws of 2007, No 50, item 331, with subsequent changes.
Google Scholar
Fazekas M., Tóth B. (2016), Assessing the potential for detecting collusion in Swedish public procurement, Konkurrensverket, Stockholm.
Google Scholar
Foremny A., Anysz H. (2018), The collusion detection in public procurements – selected methods applied for the road construction industry in Poland, MATEC Web of Conferences, vol. 219, https://doi.org/10.1051/matecconf/201821904002
Google Scholar
DOI: https://doi.org/10.1051/matecconf/201821904002
Gabaix X., Laibson D., Li D., Li H., Resnick S., Vries C. G. de (2016), The impact of competition on prices with numerous firms, “Journal of Economic Theory”, vol. 165, pp. 1–24, https://doi.org/10.1016/j.jet.2016.04.001
Google Scholar
DOI: https://doi.org/10.1016/j.jet.2016.04.001
Hand D., Mannila H., Smyth P. (2005), Eksploracja danych, Wydawnictwa Naukowo‑Techniczne, Warszawa.
Google Scholar
Harrington J. E. (2006), How Do Cartels Operate?, “Foundations and Trends in Microeconomics”, vol. 2, pp. 1–105, https://doi.org/10.1561/0700000021
Google Scholar
DOI: https://doi.org/10.1561/0700000021
Harrington J. E. (2008), Detecting Cartels, [in:] P. Buccirossi (ed.), Handbook of Antitrust Economics. Massachusetts Institute of Technology, Cambridge, pp. 213–258.
Google Scholar
Huber M., Imhof D. (2018), Machine Learning with Screens for Detecting Bid‑Rigging Cartels, Working Papers SES University of Fribourg, vol. 494.
Google Scholar
DOI: https://doi.org/10.1016/j.ijindorg.2019.04.002
Hyytinen A., Steen F., Toivanen O. (2018), Cartels uncovered, “American Economic Journal: Microeconomics”, vol. 10, issue 4, pp. 190–222, https://doi.org/10.1257/mic.20160326
Google Scholar
DOI: https://doi.org/10.1257/mic.20160326
Imhof D. (2017), Simple Statistical Screens to Detect Bid Rigging, Working Papers SES, University of Fribourg, vol. 484.
Google Scholar
Imhof D., Karagök Y., Rutz S. (2016), Screening for bid rigging‑does it work?, Working Papers SES, University of Fribourg, vol. 468.
Google Scholar
McGowan L. (2010), The Antitrust Revolution in Europe. Exploring the European Commission’s Cartel Policy, Edward Elgar Publishing Limited, Cheltenham – Northampton.
Google Scholar
Mena‑Labarthe C. (2012), Mexican Experience in Screens for Bid‑Rigging, “CPI Antitrust Chronicle”, no. 1, pp. 1–8.
Google Scholar
Morozov I., Podkolzina E. (2013), Collusion Detection in Procurement Auctions, Basic Research Program.Workin Papers. Series: Economics (WP BRP 25/EC/2013), National Research University Higher School of Economics, Moscow, pp. 118–129.
Google Scholar
DOI: https://doi.org/10.2139/ssrn.2221809
OCCP (2014), Polityka konkurencji na lata 2014–2018, UOKiK, Warszawa.
Google Scholar
OECD (2016), Fighting bid rigging in public procurement, Report on implementing the OECD Recommendation, Daf/Comp(2009)1/Final.
Google Scholar
Osowski S. (2013), Metody i narzędzia eksploracji danych, Wydawnictwo BTC, Legionowo.
Google Scholar
Porter R. H., Zona D. J. (1997), Ohio School Milk Markets. An Analysis of Bidding (No. 6037), NBER Working Paper Series, no. 6037, National Bureau of Economic Research, Cambridge, https://doi.org/10.1360/zd-2013-43-6-1064
Google Scholar
DOI: https://doi.org/10.3386/w6037
PPO (2019), The annual report of the President of the Public Procurement Office for 2019.
Google Scholar
Shaik S., Allen A. J., Edwards S., Harris J. (2012), Market Structure. Conduct Performance Hypothesis Revisited Using Stochastic Frontier Efficiency Analysis, “Journal of the Transportation Research Forum”, vol. 48, issue 3, pp. 3–18, http:/doi.org/10.22004/ag.econ.207141
Google Scholar
DOI: https://doi.org/10.5399/osu/jtrf.48.3.2311
Tan P.‑N., Steinbach M., Karpatne A., Kumar V. (2019), Introduction to Data Mining, 2nd ed., Pearson, New York.
Google Scholar
The President of the OCCP (2007), Decision No RLU–30/2007 of 17.07.2007.
Google Scholar
The President of the OCCP (2013), Decision No RKT–46/2013 of 16.12.2013.
Google Scholar
DOI: https://doi.org/10.1007/s15015-013-0810-6
The President of the OCCP (2017), Decision No RŁO–8/2017 of 28.12.2017.
Google Scholar
Tirole J. (1988), The Theory of Industrial Organization, Massachusetts Institute of Technology, Cambridge.
Google Scholar
Ziarko Ł. (2016), Eksploracja danych w identyfikacji praktyk antykonkurencyjnych, [in:] A. Fornalczyk, T. Skoczny (eds.), Economic of Competition Protection. Vertical Restraints, University of Warsaw, Warsaw, pp. 273–291.
Google Scholar