Application of Association Analysis to Detect Collusive Behaviour in Public Tenders

• Authors: Łukasz Ziarko

Title variants

Zastosowanie analizy asocjacji w wykrywaniu zmów w przetargach publicznych

• Languages of publication: EN

Abstracts

EN

The purpose of this study is to examine the conditions required for the application of association analysis in the identification of the collusive behaviour of contractors in public tenders. It also focuses on determining the values of the confidence and lift measures that will describe the rules specific to a tender cartel. Worldwide research has aimed to develop effective and easy‑to‑use screening tests to identify cartel cases in public procurement. The recent research focuses on price (its distribution, variance, range) and classifiers allowing for detection of contractors whose mode of operation deviates from that commonly observed. This study follows the direction of current research. The main results of the study include the confirmation of the applicability of the method for the detection of colluding entities and the determination of the value of the confidence and lift measures specific to cartel cases. The policymakers, law enforcement agencies, contracting authorities and competitors of the cartels can use the proposed method to eliminate or at least to limit the scale of the problem. The main shortcoming of the application of the results is the inability to apply them to cartels pursuing an avoidance strategy. Further research will be conducted to develop a conceptual application of association analysis to all cartel strategies.

PL

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.

Keywords

EN

association analysis; bid-rigging; cartel detection

PL

analiza asocjacji; zmowa przetargowa; wykrywanie karteli; analiza asocjacji; zmowa przetargowa; wykrywanie karteli

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2020
• Volume: 6
• Issue: 351
• Pages: 7-22

Dates

published

2020-12-15

Contributors

author

Łukasz Ziarko

• University of Łódź, Faculty of Economics and Sociology Department of Economic and Social Statistics, Łódź, Poland

• https://orcid.org/0000-0002-9726-5552

References

• 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
• ACFE (2016), Report to the Nations on Occupational Fraud and Abuse 2016, Association of Certified Fraud Examiners, Austin.
• 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
• 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.
• Bajari P., Ye L. (2003), Deciding Between Competition and Collusion, “Review of Economics & Statistics”, vol. 85, pp. 971–989.
• Cabral L. M.B. (2000), Introduction to Industrial Organization, 1st ed., Massachusetts Institute of Technology, Cambridge.
• Church J., Ware R. (2000), Industrial Organization: A Strategic Approach, McGraw‑Hill Publishing Co., International Edition.
• 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.
• Fazekas M., Tóth B. (2016), Assessing the potential for detecting collusion in Swedish public procurement, Konkurrensverket, Stockholm.
• 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
• 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
• Hand D., Mannila H., Smyth P. (2005), Eksploracja danych, Wydawnictwa Naukowo‑Techniczne, Warszawa.
• Harrington J. E. (2006), How Do Cartels Operate?, “Foundations and Trends in Microeconomics”, vol. 2, pp. 1–105, 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.
• Huber M., Imhof D. (2018), Machine Learning with Screens for Detecting Bid‑Rigging Cartels, Working Papers SES University of Fribourg, vol. 494.
• 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
• Imhof D. (2017), Simple Statistical Screens to Detect Bid Rigging, Working Papers SES, University of Fribourg, vol. 484.
• Imhof D., Karagök Y., Rutz S. (2016), Screening for bid rigging‑does it work?, Working Papers SES, University of Fribourg, vol. 468.
• McGowan L. (2010), The Antitrust Revolution in Europe. Exploring the European Commission’s Cartel Policy, Edward Elgar Publishing Limited, Cheltenham – Northampton.
• Mena‑Labarthe C. (2012), Mexican Experience in Screens for Bid‑Rigging, “CPI Antitrust Chronicle”, no. 1, pp. 1–8.
• 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.
• OCCP (2014), Polityka konkurencji na lata 2014–2018, UOKiK, Warszawa.
• OECD (2016), Fighting bid rigging in public procurement, Report on implementing the OECD Recommendation, Daf/Comp(2009)1/Final.
• Osowski S. (2013), Metody i narzędzia eksploracji danych, Wydawnictwo BTC, Legionowo.
• 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
• PPO (2019), The annual report of the President of the Public Procurement Office for 2019.
• 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
• Tan P.‑N., Steinbach M., Karpatne A., Kumar V. (2019), Introduction to Data Mining, 2nd ed., Pearson, New York.
• The President of the OCCP (2007), Decision No RLU–30/2007 of 17.07.2007.
• The President of the OCCP (2013), Decision No RKT–46/2013 of 16.12.2013.
• The President of the OCCP (2017), Decision No RŁO–8/2017 of 28.12.2017.
• Tirole J. (1988), The Theory of Industrial Organization, Massachusetts Institute of Technology, Cambridge.
• 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.

Identifiers

DOI

10.18778/0208-6018.351.01