Jedes Unternehmen, jede Branche und jede Wirtschaftsstruktur hat eine inhärente Lebensdauer. Während einige Institutionen über Jahrhunderte hinweg bestehen, erliegt die überwiegende Mehrheit Marktverschiebungen, technologischer Veralterung oder systemischen Krisen innerhalb von Jahrzehnten. Die systematische Untersuchung dieser Lebensdauer gehört zum Bereich der Überlebensanalyse - ein statistischer Rahmen, der für klinische Studien entwickelt wurde und eine starke Anwendung in der Wirtschaftsgeschichte gefunden hat. Durch die Anpassung von Techniken, die zur Modellierung des Überlebens von Patienten verwendet werden, um die Sterblichkeit von Unternehmen und Industrien zu analysieren, können Forscher über anekdotische Narrative hinausgehen, um die Kräfte der Widerstandsfähigkeit und des Rückgangs im Laufe der Zeit rigoros zu quantifizieren.

Die Grundlagen der Überlebensanalyse in der Wirtschaftsgeschichte

Von klinischen Studien zu Corporate Lifespans

Die konzeptionelle Brücke zwischen Medizin und Wirtschaftsgeschichte ist weniger weit gerückt als es zunächst scheint. In einer klinischen Studie ist das "Ereignis" typischerweise Tod, Wiederauftreten von Krankheiten oder Erholung. In der Geschäftsgeschichte ist das Ereignis analog: Konkurs, Auflösung, Schließung oder eine spezifische Unternehmensmaßnahme wie eine Übernahme, die die unabhängige Existenz des Unternehmens beendet. Die zentrale Frage bleibt die gleiche: Welche Faktoren beeinflussen die Zeit bis zum Eintreten des Ereignisses?

Traditionelle Wirtschaftsgeschichte stützt sich oft auf qualitative Narrative oder einfache deskriptive Statistiken, die die Anzahl der Unternehmen zählen, die in einem bestimmten Jahr gescheitert sind. Die Überlebensanalyse bietet einen tieferen analytischen Rahmen. Sie berücksichtigt nicht nur , ob ein Unternehmen gescheitert ist, sondern , wenn es gescheitert ist und wie sich dieses Timing auf Kovariate wie Unternehmensgröße, Industriesektor, geografische Lage oder makroökonomische Bedingungen bezieht. Diese zeitliche Dimension verwandelt historische Geschäftsdatensätze aus statischen Archiven in dynamische Datensätze, die Muster von Verwundbarkeit und Ausdauer aufdecken können.

Warum Historiker quantitative Langlebigkeitsmodelle brauchen

Historiker stehen vor einem grundlegenden Problem, wenn sie Geschäftsversagen untersuchen: Die Daten sind von Natur aus unvollständig und auf Überlebende ausgerichtet. Unternehmen, die früh scheitern, hinterlassen oft nur spärliche Aufzeichnungen, während erfolgreiche Unternehmen umfangreiche Archive erstellen. Standard-Regressionstechniken, die die zeitliche Reihenfolge des Scheiterns ignorieren und den Überlebensstatus als einfaches binäres Ergebnis behandeln, verwerfen wertvolle Informationen. Sie können auch keine zensierten Beobachtungen verarbeiten - Firmen, die am Ende des Untersuchungszeitraums noch am Leben waren oder deren Schicksal unbekannt ist. Die Überlebensanalyse wurde speziell entwickelt, um diese Datenstrukturen zu adressieren, was sie zu einem unverzichtbaren Werkzeug für jeden macht, der strenge empirische Forschung in der Wirtschafts- und Wirtschaftsgeschichte durchführt.

Statistische Kernkonzepte für historische Daten

Definieren des Ereignisses und des Zeitpunktes

Jede Überlebensanalyse beginnt mit einer präzisen Definition von zwei Elementen: dem Zeitpunkt der Entstehung und dem Zeitpunkt des Scheiterns . In der Unternehmensgeschichte kann der Zeitpunkt der Entstehung das Datum der Gründung, der Beginn des kommerziellen Betriebs oder der Eintritt in einen bestimmten Markt sein. Das Versagen kann Konkurs, Liquidation oder ein Kontrollwechsel durch Akquisition sein. Die Wahl dieser Definitionen hängt stark von der Forschungsfrage und der Art der verfügbaren historischen Daten ab. Zum Beispiel könnte eine Studie von Textilfabriken den Zeitpunkt Null als erstes Produktionsjahr und den Ausfall als die Einstellung des Herstellungsbetriebs definieren, unabhängig davon, ob sich die Unternehmenseinheit rechtlich aufgelöst hat. Die Konsistenz dieser Definitionen ist für die Konstruktion interpretierbarer Überlebenskurven unerlässlich.

Die Überlebensfunktion und die Gefahrenfunktion

Zwei grundlegende Funktionen charakterisieren Überlebensprozesse. Die Überlebensfunktion, bezeichnet als St, gibt die Wahrscheinlichkeit an, dass ein Unternehmen über eine bestimmte Zeit hinaus überlebt t Es ist eine abnehmende Funktion, die bei 1 beginnt (alle Unternehmen leben zum Zeitpunkt Null) und sich 0 nähert (schließlich alle Unternehmen scheitern oder aussteigen). Die Gefahrenfunktionht beschreibt die momentane Ausfallrate zum Zeitpunkt t, bedingt durch das Überleben bis zu diesem Punkt. Eine hohe Gefährdungsrate in den frühen Jahren des Lebens eines Unternehmens fängt das bekannte Phänomen hoher Ausfallraten unter Start-ups ein, während eine steigende Gefährdungsrate später im Leben auf Seneszenz oder technologische Veralterung hinweisen könnte.

Für den Wirtschaftshistoriker bieten diese Funktionen intuitive und kraftvolle Zusammenfassungen. Die Aufstellung der Überlebensfunktion für verschiedene Unternehmensgruppen – wie sie vor und nach einer großen regulatorischen Änderung gegründet wurden – zeigt visuell Unterschiede in der Langlebigkeit. Die Gefahrenfunktion identifiziert kritische Perioden der Verwundbarkeit. Branchen, die sich einer raschen technologischen Störung gegenübersehen, weisen oft eine steigende Gefahrenrate nach einer anfänglichen Stabilitätsphase auf, was den langsamen, aber beschleunigten Rückgang der etablierten Unternehmen widerspiegelt.

Das kritische Thema der zensierten Daten

Zensur ist die definierende Herausforderung von Überlebensdaten und sie durchdringt historische Archive. Rechtszensur tritt auf, wenn ein Unternehmen noch am Ende des Beobachtungszeitraums tätig ist. Seine volle Lebensdauer ist unbekannt, aber wir wissen, dass es zumindest bis zu diesem Punkt überlebt hat. Linkszensur entsteht, wenn Unternehmen gegründet wurden, bevor der Datenerhebungszeitraum beginnt. Ihre frühen Kämpfe und möglichen frühen Ausfälle fehlen in der Aufzeichnung. Interval-Zensur tritt auf, wenn wir nur wissen, dass ein Fehler zwischen zwei Beobachtungspunkten, wie z. B. zwischen zehnjährigen Zensusjahren, passiert. Standard-statistische Methoden, die zensierte Beobachtungen verwerfen, führen zu voreingenommenen Ergebnissen. Die Überlebensanalyse integriert zensierte Daten direkt in die Wahrscheinlichkeitsfunktion, so dass Forscher maximale Informationen aus unvollständigen historischen Aufzeichnungen extrahieren können.

Methoden und historische Datenquellen

Kaplan-Meier-Schätzung

Der Kaplan-Meier-Schätzer ist die bekannteste nicht-parametrische Methode, um die Überlebensfunktion aus beobachteten Daten zu schätzen. Es ist eine Schrittfunktion, die bei jedem beobachteten Ausfallzeitpunkt abfällt. Für den Wirtschaftshistoriker bietet es eine einfache Möglichkeit, die Überlebenserfahrungen verschiedener Gruppen zu vergleichen. Man könnte Kaplan-Meier-Kurven für alle Automobilhersteller berechnen und zeichnen, die zwischen 1900 und 1910 in den Vereinigten Staaten gegründet wurden, und die in Detroit mit denen anderswo vergleichen. Der visuelle Vergleich zeigt sofort, ob ein signifikanter Überlebensvorteil für Unternehmen im aufstrebenden Industriecluster bestand. Der Log-Rank-Test bietet einen formalen statistischen Test für Unterschiede zwischen diesen Überlebenskurven.

Cox Proportional Hazards Modell

Das Modell der Proportionalgefahren von ist das Arbeitspferd der modernen Überlebensanalyse. Es ermöglicht Forschern, die Auswirkungen mehrerer Kovariate auf die Gefährdungsrate abzuschätzen, ohne eine spezifische parametrische Form für die Basisgefahr anzunehmen. Das Modell hat die Form:

h[t, X] = ht1X1 + ... + nnXn

Für den Wirtschaftshistoriker bedeutet dies, dass man das relative Risiko des Scheiterns, das mit einer bestimmten Eigenschaft verbunden ist, abschätzen kann, während man andere Faktoren kontrolliert. Der Output ist ein -Gefahrenverhältnis. Ein Gefahrenverhältnis von mehr als 1 zeigt ein erhöhtes Risiko des Scheiterns an, während weniger als 1 eine Schutzwirkung anzeigt. Zum Beispiel könnte eine Studie über Eisenbahnunternehmen im 19. Jahrhundert ergeben, dass die Zentrale in einem Staat mit hohen staatlichen Subventionen die Gefahr des Scheiterns um 30% reduziert, was die Größe und die Verschuldung von Unternehmen kontrolliert. Das Cox-Modell verwandelt historische Erzählung in überprüfbare Hypothesen und erlaubt strenge Rückschlüsse auf die Ursachen der Unternehmenssterblichkeit.

Konkurrierende Risiken und parametrische Modelle

Historische Geschäftsausfälle sind selten homogen. Ein Unternehmen könnte durch Bankrott (ein Ausfall des Geschäftsmodells) oder durch Akquisition (ein erfolgreicher Ausstieg für Gründer, obwohl das Unternehmen als unabhängige Einheit verschwindet) aussteigen. Dies sind konkurrierende Risiken. Standard-Überlebensanalysen können Akquisitionen zensieren oder als eine bestimmte Art von Ausfall behandeln. Konkurrenzrisikomodelle ermöglichen es Forschern, die ursachenspezifische Gefahr für jeden Ausstiegstyp zu schätzen, was ein umfassenderes Bild des Unternehmensschicksals liefert. Darüber hinaus können parametrische Modelle wie die Weibull- oder Log-Normal-Verteilung verwendet werden, wenn die Form der Gefahrenfunktion von theoretischem Interesse ist, so dass Forscher testen können, ob das Risiko des Ausfalls mit dem festen Alter zunimmt, abnimmt oder konstant bleibt.

Datenprovenienz: Archive, Finanzunterlagen und Register

Die Anwendung der Überlebensanalyse auf historische Daten erfordert die Lokalisierung und Digitalisierung geeigneter Quellen. Reichhaltige Datensätze existieren für mehrere historische Kontexte:

  • Firmenregister: Die Archive des UK Companies House enthalten Aufzeichnungen über Gründungen und Auflösungen aus der Mitte des 19. Jahrhunderts.
  • Börsenlisten: Historische Handbücher für die New York Stock Exchange, die London Stock Exchange und andere Börsen bieten Daten der Notierung und Delisting, eine kontinuierliche Aufzeichnung der Unternehmensexistenz.
  • [WEB Industriespezifische Verzeichnisse:] Handelspublikationen und Verzeichnisse (z.B, Lloyd's Register of Shipping, das Thomas Register of American Manufacturers) stellen umfassende Listen von Firmen in spezifischen Industrien im Laufe der Zeit zur Verfügung.
  • Volkszählungsdaten, wie die US-Volkszählung von Manufakturen, die von 1820 vorwärts geführt werden, erfassen Herstellungsbetriebe und ihren Betriebsstatus in zehnjährigen Abständen und liefern intervallzensierte Überlebensdaten.

Diese Quellen erfordern eine sorgfältige Reinigung und Standardisierung, aber sie bilden die empirische Grundlage für eine rigorose historische Überlebensanalyse.

Historische Fallstudien

Bankversagen während der Großen Depression

Die Bankenpanik von 1930-1933 stellt eine der am gründlichsten analysierten Perioden in der Finanzgeschichte dar, und die Überlebensanalyse war für das moderne Verständnis dieser Krise von zentraler Bedeutung. Forscher haben Überlebenskurven für Banken in Federal Reserve-Distrikten konstruiert, um zu messen, wie Faktoren wie Vermögensgröße, Federal Reserve-Mitgliedschaft und die Exposition gegenüber landwirtschaftlichen Darlehen das sofortige Ausfallrisiko beeinflussten. Die Daten der Großen Depression zeigen deutlich, dass kleinere, nicht angeschlossene Banken in landwirtschaftlichen Regionen eine Risikorate um Größenordnungen höher als größere, städtische Mitgliedsbanken erlebten. Diese quantitativen Beweise bestätigten historische Narrative über die Anfälligkeit kleinerer ländlicher Banken und lieferten strenge Unterstützung für Theorien über die Mechanik der finanziellen Ansteckung. Die Analyse zeigte auch, dass Banken, die die anfängliche Panik von 1930-1931 überlebten, nicht unbedingt sicherer wurden - die Risikorate blieb für überlebende Banken durch 1932 und 1933 erhöht, was auf eine zweite Welle der Not hindeutet, die durch sinkende Vermögenspreise und sinkende Wirtschaftsaktivität getrieben wurde.

Technologische Vertreibung: Kanäle, Eisenbahnen und die Transportrevolution

Die Verkehrsrevolution des 19. Jahrhunderts bietet einen klassischen Fall von technologischen Störungen, der der Überlebensanalyse zugänglich ist. Kanalunternehmen genossen hohe Überlebensraten und stabile Einnahmen in den 1820er und 1830er Jahren. Die Entstehung von Eisenbahnen erhöhte die Gefahrenrate für Kanalunternehmen dramatisch. Eine Überlebensanalyse von Kanalunternehmen, die im Nordosten der Vereinigten Staaten tätig sind, zeigt, dass die Gefahrenrate für das Versagen in den 1840er Jahren zu steigen begann und in den 1850er Jahren ihren Höhepunkt erreichte, genau als das Eisenbahnnetz expandierte. Forscher können ein Cox-Modell schätzen, bei dem die Hauptvariate die "Entfernung zur nächsten Eisenbahnlinie" ist jährliche Intervalle. Die Literatur zeigt, dass die Kontrolle von Zubringerkanälen und die Integration in aufstrebende Schienennetze Überlebensvorteile boten, während unabhängige Kanalunternehmen mit festen Routen beschleunigte Gefahrenraten hatten. Die Panik von 1893 war besonders verheerend für die verbleibenden Kanalunternehmen, was einen Endschock darstellte, der fast alle Überlebenden eliminierte.

Nachkriegsindustriepolitik in Japan

Die Überlebensraten japanischer Industrieunternehmen in der Zeit nach dem Zweiten Weltkrieg liefern eine überzeugende Fallstudie zu den Auswirkungen der institutionellen Struktur auf die Langlebigkeit. Die als keiretsu bekannten Unternehmensgruppen sollen Mitgliedsunternehmen ein schützendes Netzwerk stabiler Aktionäre, Vorzugskredite von Gruppenbanken und langfristige Geschäftsbeziehungen zur Verfügung gestellt haben. Die Überlebensanalyse wurde verwendet, um diesen Vorschlag formell zu testen. Studien, die die Gefahrenraten von keiretsu-verbundenen Unternehmen mit unabhängigen Unternehmen vergleichen, zeigen, dass die Mitgliedschaft in einem horizontalen keiretsu das Risiko von finanzieller Not und Konkurs, insbesondere während wirtschaftlicher Abschwünge, signifikant reduzierte. Dieser Schutzeffekt blieb bestehen, auch nachdem Größe, Alter und Industrie des Unternehmens kontrolliert wurden. Die Analyse zeigt, dass die institutionelle Struktur des keiretsu als eine Form der impliziten Versicherung fungierte, die die Risikorate für Mitgliedsunternehmen senkte und zur Stabilität des japanischen Unternehmenssystems der Nachkriegszeit beitrug. Die akademische Forschung zu keiretsu liefert detaillierte Überlebensmodelle, die diesen

Der lange Niedergang der Textilfabriken in New England

Die Verschiebung der amerikanischen Textilindustrie von Neuengland in den Süden im späten 19. und frühen 20. Jahrhundert bietet ein weiteres reiches Terrain für Überlebensanalysen. Mills in Neuengland standen steigenden Arbeitskosten, alternder Infrastruktur und Konkurrenz durch neuere, effizientere Südmühlen gegenüber. Überlebensanalysen zeigen, dass die Gefahrenrate für neuenglandmühlen nach 1900 stetig zuzunehmen begann, mit einem scharfen Anstieg während der 1920er Jahre. Mills, die in Modernisierungsmaschinen investierten und sich in Richtung hochwertigerer Spezialstoffe verlagerten, zeigten geringere Gefahrenraten und längere Überlebenszeiten. Die Weltwirtschaftskrise brachte vielen Nachzüglern den letzten Schlag. 1940 hatte eine Mehrheit der 1900 in Betrieb befindlichen Fabriken in Neuengland geschlossen oder umgesiedelt. Die Überlebensanalyse identifiziert den Zeitpunkt und die Kovariate dieses Rückgangs genau, was zeigt, dass die Nähe zu Rohstoffen (Baumwolle aus dem Süden) ursprünglich einen Überlebensvorteil darstellte, aber im Vergleich zu Arbeitskosten und technologischer Modernisierung im Laufe der Zeit an Bedeutung verlor.

Bewältigung der Herausforderungen historischer Daten

Survivorship Bias und fragmentierte Aufzeichnungen

Die größte Herausforderung für die historische Überlebensanalyse ist vielleicht die systematische Verzerrung, die durch unvollständige Aufzeichnungen entsteht. Unternehmen, die früh versagt haben, haben oft nur wenige Spuren in der historischen Aufzeichnung hinterlassen. Ihre gesamte Existenz kann auf eine einzige Zeile in einem Unternehmensregister oder eine kurze Erwähnung in einem Zeitungsarchiv reduziert werden. Dies schafft eine Form von linker Beschneidung, die explizit modelliert werden muss. Forscher verwenden oft eine inverse Wahrscheinlichkeitsgewichtung oder beschränken ihre Analyse auf Kohorten mit umfassender Abdeckung. Die Anerkennung der Grenzen der Daten und die Durchführung von Sensitivitätsanalysen zur Bewertung der möglichen Auswirkungen fehlender Beobachtungen ist ein Standardbestandteil der strengen historischen Überlebensanalyse.

Ändern der industriellen Klassifikationen

Industrielle Klassifizierungssysteme haben sich im vergangenen Jahrhundert dramatisch entwickelt. Ein Unternehmen, das 1900 als "Baumwollhersteller" eingestuft wurde, könnte heute unter mehrere verschiedene Standard-Industrieklassifikationscodes (SIC) oder NAICS-Codes fallen. Um historische Klassifizierungen modernen Systemen zuzuordnen, sind detaillierte Kenntnisse der industriellen Prozesse und ein sorgfältiges Urteilsvermögen erforderlich. Einige Forscher konstruieren ihre eigenen benutzerdefinierten Klassifizierungsschemata, die über den gesamten Untersuchungszeitraum hinweg konsistent sind und Unternehmen in große Kategorien gruppieren (z. B. "Textilien", "Eisen und Stahl", "Maschinen"), anstatt sich auf feinkörnige moderne Codes zu verlassen, die kein historisches Analogon haben.

Verknüpfung historischer Entitäten mit modernen Daten

Um das Überleben einer bestimmten Unternehmenseinheit über Jahrzehnte oder Jahrhunderte hinweg zu verfolgen, müssen oft Aufzeichnungen aus unterschiedlichen Quellen verknüpft werden. Eine Produktionsfirma, die in der 1880er Volkszählung der Manufakturen aufgeführt ist, könnte unter einem etwas anderen Namen in einem Kreditbericht von 1900 und einem völlig anderen Namen nach einer Fusion im Jahr 1920 erscheinen. Die Verknüpfung dieser Aufzeichnungen erfordert probabilistische Matching-Algorithmen und sorgfältige Archivrecherche. Die Auszahlung ist signifikant: ein Längsschnittdatensatz, der einzelne Unternehmen über ihre gesamte Lebensdauer verfolgt und eine wirklich dynamische Überlebensanalyse ermöglicht. Projekte wie die Historische Unternehmensdatenbank an mehreren Universitäten haben stark in diesen Linking-Prozess investiert und Datensätze produziert, die es Forschern ermöglichen, den Lebensverlauf von Tausenden von Unternehmen über mehr als ein Jahrhundert zu verfolgen.

Praktische Anwendungen für moderne Analysten und Historiker

fundierte Politikbewertung

Überlebensanalysen bieten einen strengen Rahmen für die Bewertung der langfristigen Auswirkungen historischer Politiken. Regierungen und Zentralbanken können diese Methoden nutzen, um zu beurteilen, ob frühere Interventionen – wie z.B. Rettungsaktionen, Zollschutz oder regulatorische Reformen – tatsächlich die Überlebensraten der Unternehmen verbessert haben. Hat der Smoot-Hawley-Tarif von 1930 die heimischen Hersteller vor dem Scheitern bewahrt? Überlebensanalysen von Produktionsunternehmen vor und nach dem Tarif zeigen, dass während einige Industrien eine vorübergehende Senkung der Gefahrenraten erlebten, der Gesamteffekt gedämpft und möglicherweise negativ war aufgrund von Vergeltungszöllen und der Vertiefung der Weltwirtschaftskrise. Diese historischen Beweise prägen weiterhin die aktuellen handelspolitischen Debatten.

Strategie und Wettbewerbsdynamik

Das Verständnis der historischen Überlebensmuster von Unternehmen in einer bestimmten Branche bietet den strategischen Kontext für moderne Manager. Die im Transportwesen des 19. Jahrhunderts, in Textilien des 20. Jahrhunderts und in Technologiesektoren des späten 20. Jahrhunderts beobachteten Gefahrenraten zeigen gemeinsame Muster: Unternehmen, die sich nicht an den technologischen Wandel anpassen, erfahren stark steigende Gefahrenraten, während Unternehmen, die sich diversifizieren oder innovativ sind, ihre Lebensdauer dramatisch verlängern können. Diese historischen Regelmäßigkeiten sind nicht deterministisch, aber sie bieten eine wertvolle Grundlage, um die Risiken zu bewerten, denen sich moderne Unternehmen gegenübersehen. Die Wettbewerbsdynamik, die Konsolidierung und Ausstieg in früheren Epochen antrieb, funktioniert heute noch, und die Überlebensanalyse bietet einen quantitativen Rahmen für das Verständnis dieser Dynamik.

Fazit: Ausdauer als Erfolgsmetrik

Die Überlebensanalyse zählt nicht nur Fehler, sie strukturiert unser Verständnis davon, wie und warum Unternehmen ausharren. Sie verwandelt historische Archive in Labore, in denen Theorien der wirtschaftlichen Widerstandsfähigkeit getestet werden können. Durch die Messung der Gefahrenraten, denen Kanalgesellschaften in den 1850er Jahren, Banken in den 1930er Jahren und Textilfabriken in den 1920er Jahren ausgesetzt sind, zeigt die Methode die quantitativen Konturen des wirtschaftlichen Wandels, die die Erzählungsgeschichten nur qualitativ beschreiben. Langfristig versagt jedes Unternehmen und jede Branche. Das Verständnis des Zeitpunkts und der Determinanten dieses Versagens ist die Arbeit der historischen Überlebensanalyse. Es bietet eine strenge, evidenzbasierte Linse, durch die wir die Fragilität und Ausdauer der wirtschaftlichen Institutionen interpretieren können, die unsere Welt formen.