Grundlagen der Ereignisgeschichtsanalyse in der Wirtschaftsgeschichte

Ereignisgeschichtsanalyse (EHA) ist ein statistischer Rahmen, der ursprünglich in der Biostatistik und Technik entwickelt wurde, um die Zeit bis zum Eintreten eines Ereignisses von Interesse zu modellieren. Im Kontext historischer Wirtschaftsereignisstudien bietet EHA Historikern und Ökonomen eine Reihe von Instrumenten, um den Zeitpunkt, die Dauer und die Determinanten von Phänomenen wie Finanzpanik, Staatsausfälle, Veränderungen des Handelsregimes oder die Einführung neuer Technologien zu untersuchen. Im Gegensatz zu traditionellen Regressionsansätzen, die sich darauf konzentrieren, ob ein Ereignis stattgefunden hat, konzentriert sich EHA auf , wann ] passiert ist und warum dieses Timing in den einzelnen Fällen variiert. Dieser zeitliche Fokus ist entscheidend für das Verständnis der dynamischen Prozesse, die den wirtschaftlichen Wandel in historischen Perioden vorantreiben.

Die Kernelemente jeder Ereignisverlaufsanalyse umfassen die Gefährdungsrate - das unmittelbare Risiko, das Ereignis zu einem bestimmten Zeitpunkt zu erleben, abhängig vom Überleben bis zu diesem Zeitpunkt - und die Überlebensfunktion, die die Wahrscheinlichkeit beschreibt, dass eine Person oder ein Unternehmen das Ereignis zu einem bestimmten Zeitpunkt noch nicht erlebt hat. Diese Funktionen werden mit Hilfe von spezialisierten Modellen wie dem Cox-Proportional-Gefahren-Modell, parametrischen Überlebensmodellen (z. B. Weibull, exponentiell) oder zeitdiskreten Logit-Modellen geschätzt, wenn Ereignisse in Intervallen gemessen werden. In historischen Wirtschaftsstudien kommen Daten oft in Form von jährlichen, vierteljährlichen oder sogar täglichen Beobachtungen von Ländern, Banken, Märkten oder Institutionen, was diese Modelle besonders wertvoll macht.

Ein Schlüsselkonzept, das EHA von anderen Methoden unterscheidet, ist zensieren. In historischen Daten haben viele Beobachtungen das Ereignis möglicherweise nicht bis zum Ende des Untersuchungszeitraums erlebt oder sie können für die Nachverfolgung verloren gehen. EHA berücksichtigt explizit rechtszensierte Beobachtungen, wodurch die Verzerrungen, die sich aus dem Ausschluss ergeben würden, verhindert werden oder sie als Nicht-Ereignisse behandelt werden. Zum Beispiel trägt ein Land, das im beobachteten Zeitrahmen nie eine Rezession erlebt hat, wertvolle Informationen über das Überleben bei, und EHA bezieht diese Informationen richtig ein. In ähnlicher Weise ermöglichen zeitvariable Kovariate Forschern zu modellieren, wie sich verändernde wirtschaftliche Bedingungen - wie Verschiebungen in der Geldpolitik, Zollniveaus oder Rohstoffpreise - das Risiko eines Ereignisses über dem Beobachtungsfenster beeinflussen.

Diese dynamische Eigenschaft ist für historische Analysen unerlässlich, bei denen sich die Bedingungen ständig weiterentwickeln.

Schlüsselanwendungen der Ereignisgeschichtsanalyse in der Wirtschaftsgeschichte

Finanzkrisen und Bankenpanik

Eine der fruchtbarsten Anwendungen von EHA in der historischen Ökonomie ist die Untersuchung von Finanzkrisen. Forscher haben lange versucht zu verstehen, was die Bankenpanik der National Banking Era in den Vereinigten Staaten (1863–1914) oder die Welle von Staatsbankausfällen auslöste, die im 19. und 20. Jahrhundert durch Lateinamerika fegten. Durch die Anwendung von Cox-Regressionsmodellen auf Paneldaten von Banken oder Ländern können Analysten die Auswirkungen von Reservequoten, Goldflüssen, Ernteschocks oder politischer Instabilität auf die Gefahr einer Panik oder eines Zahlungsausfalls abschätzen. Zum Beispiel verwendete eine bekannte Studie von Calomiris und Gorton (1991) zeitdiskrete Gefahrenmodelle, um die saisonalen Muster von Bankenpaniken zu analysieren, was zeigt, dass landwirtschaftliche Zyklen und Informationsasymmetrien eine entscheidende Rolle spielten.

Diese Modelle ermöglichen die Einbeziehung sowohl zeitinvarianter Faktoren, wie die Struktur eines Bankensystems, als auch zeitvariable Indikatoren wie monatliche Reserveniveaus.

Geschäftszyklusdauer und Wendepunkte

Die Ereignishistorieanalyse ist auch von zentraler Bedeutung, um die Dauer und das Wiederauftreten von Konjunkturzyklen zu verstehen. Historiker von wirtschaftlichen Schwankungen haben EHA verwendet, um zu untersuchen, ob Rezessionen im 19. Jahrhundert kürzer oder länger waren als im 20. Jahrhundert und ob die Wahrscheinlichkeit eines Endes einer Rezession von früheren Zykluseigenschaften abhängt. Durch Modellierung der Zeit zwischen Tiefen oder Spitzen können Forscher Hypothesen über die stabilisierende Rolle der Zentralbanken, die Auswirkungen von Kriegen oder die Auswirkungen technologischer Innovationen auf die wirtschaftliche Volatilität testen.

Zum Beispiel haben Diebold und Rudebusch (1990) Duration Modelle auf US-Konjunkturzyklusdaten angewandt und Beweise für Dauerabhängigkeit gefunden - das heißt, je länger eine Expansion dauerte, desto höher das unmittelbare Risiko einer Rezession. Solche Erkenntnisse haben direkte Auswirkungen auf das Verständnis historischer politischer Reaktionen und institutionellen Lernens.

Technologische Adoption und Diffusion

Wirtschaftshistoriker haben auch EHA verwendet, um die Verbreitung von Innovationen zu untersuchen. Ob die Einführung der Dampfmaschine in britischen Textilfabriken, die Verbreitung des Automobils im frühen 20. Jahrhundert oder die Verbreitung von Banktechnologien wie dem Geldautomaten, Ereignisgeschichtsmodelle ermöglichen es Forschern, die Faktoren zu identifizieren, die die Einführung zwischen Unternehmen, Regionen oder Ländern beschleunigt oder verzögert haben. Die abhängige Variable ist die Zeit bis zur Einführung, während Kovariate Marktgröße, Urbanisierung, Zugang zu Kapital oder frühere Erfahrungen mit verwandten Technologien umfassen könnten. Zum Beispiel verwendete eine Studie von Kim (2005) ein Cox-Proportional-Hazard-Modell, um die Einführung des Bessemer-Prozesses in der amerikanischen Stahlindustrie zu analysieren und zu finden, dass Patentschutz und vorherige Experimente mit alternativen Methoden den Zeitpunkt der Einführung erheblich beeinflussten.

Institutioneller Wandel und Regimeübergänge

Die EHA eignet sich gut für die Untersuchung wichtiger institutioneller Veränderungen, wie etwa der Einführung des Freihandels, der Einführung des Zentralbankwesens oder des Übergangs von festen zu variablen Wechselkursregimen. Historische Ereignisse wie die Aufhebung des Corn-Gesetzes in Großbritannien (1846) oder die Gründung der Federal Reserve (1913) können als Ereignisse modelliert werden, deren Zeitpunkt von wirtschaftlichen und politischen Drucken abhängt. Zeitreihen-Querschnittsgefahrenmodelle können Variablen wie Haushaltsdefizite, Handelsbilanzen oder die Zusammensetzung von Gesetzen enthalten, um Theorien darüber zu testen, warum Reformen in bestimmten Momenten stattfinden. Zum Beispiel haben Wissenschaftler die EHA angewendet, um die Dauer von Kolonialregimen oder den Zeitpunkt der Dekolonisierung zu analysieren, wobei die Gefahr der Unabhängigkeit mit wirtschaftlicher Ausbeutung, internationalem Druck und nationalistischen Bewegungen verbunden ist.

Methodische Vorteile der Ereignishistorieanalyse

Neben seiner grundlegenden Eignung für Zeitfragen bietet EHA mehrere spezifische Vorteile, die es für die historische Wirtschaftsforschung unverzichtbar machen.

  • Handling of Censored and Truncated Data: Historische Datensätze sind oft unvollständig – einige Episoden enden vor dem Ende des Untersuchungszeitraums oder beginnen, bevor sie beginnen. Die Fähigkeit der EHA, rechtszensierte und linksabgeschnittene Beobachtungen zu integrieren, stellt sicher, dass jedes verfügbare Datenelement zur Wahrscheinlichkeit beiträgt, wodurch die statistische Leistungsfähigkeit maximiert und die Verzerrungen reduziert werden.
  • Dynamische Modellierung von Kovariaten : Da sich die wirtschaftlichen Bedingungen im Laufe der Zeit ändern, kann eine statische Kovariate, die nur zu Beginn eines Beobachtungszeitraums gemessen wird, entscheidende Variationen verpassen. EHA kann zeitvariable Kovariate enthalten, die in mehreren Intervallen gemessen werden, so dass Forscher modellieren können, wie eine Änderung der Zinssätze, Ernteerträge oder politische Führung sofort die Gefahr einer Finanzkrise oder einer institutionellen Reform verändert.
  • Flexible funktionale Formen : Forscher können zwischen parametrischen, semiparametrischen und nichtparametrischen Modellen wählen, die auf der Form der Basisgefahr basieren. Wenn die Theorie darauf hindeutet, dass das Risiko eines Ereignisses im Laufe der Zeit zunimmt (positive Dauerabhängigkeit) oder abnimmt (negative Dauerabhängigkeit), können parametrische Modelle wie der Weibull diese Hypothesen direkt testen.
  • Vergleich der Gefahrenraten gruppenübergreifend: EHA macht es einfach, Überlebenskurven über verschiedene historische Perioden, Regionen oder Regimetypen zu vergleichen. Log-Rank-Tests und geschichtete Modelle erlauben es den Forschern zu fragen, ob der Zeitpunkt der Rezessionen im Goldstandard im Vergleich zu Fiat-Geld-Ära statistisch unterschiedlich war.
  • Integration mit konkurrierenden Risiken: In vielen historischen Situationen können mehrere Arten von Ereignissen auftreten - zum Beispiel könnte ein Land in Verzug geraten, eine neue Planung vornehmen oder eine Rettungsaktion erhalten.

Herausforderungen und Einschränkungen bei der Anwendung von EHA auf historische Daten

Trotz ihrer Leistungsfähigkeit ist die Ereignishistorienanalyse nicht ohne Herausforderungen, wenn sie auf historische Wirtschaftsdaten angewendet wird.

Datenqualität und Verfügbarkeit

Historische Daten sind häufig spärlich, werden fehlerfrei gemessen oder sind nur in groben Zeitabständen verfügbar. Beispielsweise können BIP-Schätzungen im 19. Jahrhundert nur jährlich oder sogar zehn Jahre berechnet werden, während sich eine Bankenpanik über Tage oder Wochen entfalten kann. Solche zeitlichen Diskrepanzen können Risikoschätzungen beeinflussen, insbesondere wenn Ereignisse durch kurzfristige Schwankungen verursacht werden, die nicht in den Daten erfasst werden. Ebenso können fehlende Kovariate - vielleicht aufgrund zerstörter Aufzeichnungen oder inkonsistenter Rechnungslegungsstandards - unbeobachtete Heterogenität einführen, was möglicherweise zu weggelassenen Variablen führen kann.

Fortgeschrittene Techniken wie multiple Imputation oder latente Variablenmodelle können helfen, aber sie fügen Komplexität hinzu und erfordern starke Annahmen über den fehlenden Datenmechanismus.

Modellannahmen und Spezifikationen

Annahmen über die Grundrissform, die proportionalen Gefahren und die funktionelle Form von Kovariateneffekten sind oft schwer mit historischen Daten zu überprüfen. Die Annahme der proportionalen Gefahren – dass der Effekt einer Kovariate im Laufe der Zeit konstant ist – wird häufig verletzt, wenn sich beispielsweise die Auswirkungen einer Goldentdeckung auf das Ausfallrisiko im Zuge der Entwicklung des internationalen Währungssystems ändern. Forscher können diese Annahme durch Einbeziehung von Interaktionsbegriffen mit der Zeit, durch Verwendung geschichteter Modelle oder durch flexible semiparametrische Ansätze lockern, aber diese Lösungen erfordern sorgfältige diagnostische Tests und theoretische Begründung.

Unbeobachtete Heterogenität

Selbst bei breiten Gruppen von Kovariaten können unbeobachtete Unterschiede zwischen historischen Einheiten (Banken, Länder, Firmen) die Gefahrenschätzungen in Richtung negativer Dauerabhängigkeit verzerren - Ereignisse erscheinen im Laufe der Zeit weniger wahrscheinlich, nur weil die meisten "frail" Einheiten bereits gescheitert sind. Standard-Überlebensmodelle können unbeobachtete Heterogenität durch Gebrechlichkeitsbegriffe erklären, aber die Identifizierung solcher Modelle erfordert mehrere Beobachtungen pro Einheit oder starke Verteilungsannahmen. In historischen Kontexten, in denen jede Einheit nur einmal beobachtet werden kann (z. B. ein einzelnes Standardereignis pro Land), werden Gebrechlichkeitsmodelle schwierig, zuverlässig zu schätzen.

Interpretation im historischen Kontext

Statistische Ergebnisse der EHA müssen immer im reichen Kontext historischer Ereignisse interpretiert werden. Ein Hazard Ratio, das zeigt, dass Tariferhöhungen das doppelte Risiko einer Finanzkrise darstellen, erklärt nicht allein die politische Ökonomie, die zu diesen Tariferhöhungen geführt hat. Die historische Erzählung, die qualitativen Beweise und die institutionellen Details sind nach wie vor unerlässlich, um die Zahlen zu verstehen.

Fallstudie: Timing der Staatsausfälle während des klassischen Goldstandards, 1870-1914

Um die Macht der EHA in der historischen Wirtschaftsforschung zu veranschaulichen, betrachten Sie die Analyse der Staatsausfälle in der Ära des klassischen Goldstandards (1870–1914). Während dieser Zeit haben viele Länder die Goldkonvertibilität eingeführt, die die Haushaltsdisziplin durchsetzen sollte. Mit einem ereignisgeschichtlichen Ansatz können Forscher die Zeit vom Eintritt eines Landes in den Goldstandard bis zum ersten Ausfall oder die Zeit zwischen aufeinanderfolgenden Ausfällen modellieren.

Eine typische Studie könnte Daten über 30 Länder über 44 Jahre sammeln, die das Jahr jedes Zahlungsausfalls und eine Reihe von Kovariaten aufzeichnen: das Verhältnis der Staatsverschuldung zum BIP, das Niveau der Goldreserven, die Offenheit der Wirtschaft (Handel-zu-BIP-Verhältnis), den Typ des politischen Regimes (Demokratie vs. Autokratie) und das Auftreten von Kriegen. Da viele Länder während des Zeitraums nie in Zahlungsausfällen waren, sind ihre Beobachtungen 1914 richtig zensiert. Eine Cox-Regression schätzt die Gefahr eines Zahlungsausfalls ein, wobei Ergebnisse zeigen, dass höhere Schuldenquoten und niedrigere Goldreserven die Gefahr erheblich erhöhten, während Demokratien eine geringere Ausfallgefahr hatten als Autokratien, möglicherweise aufgrund stärkerer Institutionen und größerer Glaubwürdigkeit.

Weitere Analysen könnten die Durationabhängigkeit anhand eines Weibull-Modells testen. Wenn der Formparameter größer als 1 ist, zeigt dies, dass je länger ein Land seine Solvenz aufrechterhält, desto höher das unmittelbare Ausfallrisiko ist - im Einklang mit einem "Schuldenermüdungsargument". Alternativ könnte eine negative Durationabhängigkeit (Form < 1) darauf hindeuten, dass Länder, die die ersten Jahre der Mitgliedschaft im Goldstandard überlebt haben, zunehmend stabiler wurden. Der EHA-Rahmen ermöglicht es dem Forscher, diese Dynamik zu entwirren und zu untersuchen, wie sich Kovariate wie ein plötzlicher Rückgang der Exporteinnahmen (eine zeitlich variierende Kovariate) die Gefahr in den Jahren vor einer Krise beeinflusst haben.

Dieser Fall zeigt, wie EHA historische Daten in analytisch strenge Beweise über die Ursachen von wirtschaftlichen Ereignissen umwandelt, während gleichzeitig die chronologische Natur historischer Prozesse respektiert wird.

Schlussfolgerung

Die Ereignishistorienanalyse bietet historischen Ökonomen ein leistungsfähiges und flexibles Toolkit zur Untersuchung des Zeitpunkts und der Ursachen wirtschaftlicher Ereignisse. Durch die Konzentration auf Dauer und Risiko geht die EHA über binäre Ergebnisse hinaus und beleuchtet die kontinuierliche Entwicklung des wirtschaftlichen Wandels. Ihre Fähigkeit, zensierte Daten, zeitvariable Kovariate und mehrere Ereignistypen zu integrieren, macht sie besonders wertvoll für die Arten von Datensätzen, mit denen Historiker arbeiten - unvollständig, chaotisch, aber reich an zeitlichen Variationen.

Dennoch muss die Methode mit Sorgfalt angewendet werden. Die Qualität historischer Daten, die Gültigkeit von Modellannahmen und die Notwendigkeit kontextbezogener Interpretationen legen alle Einschränkungen fest. Nachdenklich verwendet kann EHA traditionelle Erzählgeschichte und andere quantitative Methoden wie Differenz-in-Differenzen oder instrumentelle Variablen ergänzen und Erkenntnisse liefern, die weder der Ansatz allein noch die Ansätze allein erzielen können. Da historische Datensätze detaillierter werden und computergestützte Werkzeuge leichter zugänglich sind, wird die Analyse der Ereignisgeschichte zweifellos eine noch größere Rolle für unser Verständnis davon spielen, wie sich die Volkswirtschaften im Laufe der Zeit entwickelt haben.

Für weitere Informationen über die Methodik lesen Sie bitte diesen Überblick über die Überlebensanalyse oder Allisons grundlegenden Text zur Analyse der Ereignisgeschichte Eine klassische empirische Anwendung findet sich in Calomiris und Gortons Studie über Bankenpanik, die viele der hier diskutierten Techniken demonstriert.