Einleitung: Warum Paneldaten für die Wirtschaftsgeschichte von Bedeutung sind

Die historische Wirtschaftsforschung hat in den letzten drei Jahrzehnten einen tiefgreifenden methodischen Wandel durchlaufen. Die Einführung von Panel-Datenmethoden - Techniken, die Daten analysieren, die dieselben Einheiten (Länder, Regionen, Unternehmen oder Einzelpersonen) über mehrere Zeiträume hinweg verfolgen - hat es Wissenschaftlern ermöglicht, sich entscheidend über einfache Querschnittsvergleiche oder Zeitreihenerzählungen hinaus zu bewegen. Durch die Kombination der räumlichen Breite von Querschnittsdaten mit der zeitlichen Tiefe von Zeitreihendaten ermöglichen Panel-Methoden Wirtschaftshistorikern, unbeobachtete Heterogenität zu kontrollieren, kausale Beziehungen zu identifizieren und dynamische Prozesse zu verfolgen, die sonst verborgen bleiben würden. Dieser Artikel untersucht, wie Panel-Datenmethoden in der historischen Wirtschaftsforschung angewendet werden, ihre Vorteile und Herausforderungen und ihre wachsende Unverzichtbarkeit für das Verständnis langfristiger wirtschaftlicher Veränderungen.

Was ist Panel-Daten? ein Primer

Paneldaten, auch als Längsschnittdaten bezeichnet, bestehen aus Beobachtungen derselben Entitäten wie Länder, Staaten, Industrien oder Haushalte über zwei oder mehr Zeiträume. Beispielsweise bildet ein Datensatz, der das jährliche BIP, die Bevölkerung und die institutionelle Qualität in 50 europäischen Ländern von 1800 bis 2000 verfolgt, ein Panel. Diese Struktur erfasst sowohl die Variation zwischen Entitäten (Querschnitt) als auch die Variation innerhalb von Entitäten im Laufe der Zeit (Zeitreihen). In historischen Arbeiten erstrecken sich Panels oft über Jahrzehnte oder Jahrhunderte, so dass sie sich in einzigartiger Weise für die Untersuchung von langsamen Prozessen wie institutionellen Veränderungen, demografischen Übergängen oder technologischer Verbreitung eignen.

Paneldaten können ausgeglichen (alle Entitäten in allen Perioden beobachtet) oder unausgewogen (fehlende Beobachtungen für einige Perioden) sein. In der historischen Forschung sind unausgewogene Panels die Norm aufgrund unvollständiger Aufzeichnungen, Kriege oder Verschiebungen politischer Grenzen. Das Hauptmerkmal, das Paneldaten von gepoolten Querschnitten unterscheidet, ist die Fähigkeit, denselben Einheiten wiederholt zu folgen, so dass Forscher zeitinvariante nicht beobachtbare Faktoren kontrollieren können, die sonst einseitige Schätzungen erfordern würden.

Gemeinsame Panel-Datenmodelle umfassen:

  • Fixed-effects (FE) Modelle: Steuerung für alle Entitäts-spezifischen, zeitinvarianten Merkmale (z. B. Geographie, Kultur, Anfangsinstitutionen) durch Fokussierung auf die Variation innerhalb der Einheit im Laufe der Zeit.
  • ]Zufallseffekte (RE) Modelle: Angenommen, dass Entitäts-spezifische Effekte nicht mit erklärenden Variablen korreliert sind, so dass sowohl innerhalb als auch zwischen Einheiten Variation verwendet werden kann. Der Hausman-Test hilft, zwischen FE und RE zu entscheiden; in historischen Einstellungen wird FE fast immer bevorzugt, weil unbeobachtete Heterogenität wahrscheinlich mit Regressoren korreliert ist.
  • Erstdifferenz (FD)-Schätzung: Entfernt zeitinvariante Effekte, indem die Beobachtung der vorherigen Periode von der aktuellen Periode subtrahiert wird.
  • Dynamische Panel-Modelle (z. B. Arellano-Bond GMM): Enthalten verzögerte abhängige Variablen zur Modellpersistenz, die in Studien zu Wachstum, Konflikten oder institutioneller Klebrigkeit üblich sind.

Diese Methoden werden ausführlich in ökonometrischen Lehrbüchern wie Wooldridges Econometric Analysis of Cross Section and Panel Data (2020) beschrieben.

Historische Anwendungen: Von der industriellen Revolution bis zur Großen Depression

Paneldatenmethoden wurden verwendet, um eine breite Palette historischer wirtschaftlicher Fragen anzugehen.

Langfristige Auswirkungen von Institutionen

Ein wegweisender Beitrag ist die Arbeit von Acemoglu, Johnson und Robinson (2001, 2002), die länderübergreifende Paneldaten verwendeten, um die Auswirkungen kolonialer Institutionen auf die langfristige wirtschaftliche Entwicklung zu untersuchen. Durch die Ausnutzung der Variation im Zeitpunkt der Kolonisierung und der Art der etablierten Institutionen (extraktiv vs. inklusive) zeigten sie, dass frühe institutionelle Umgebungen anhaltende Auswirkungen auf das Pro-Kopf-BIP haben. Ihre Verwendung instrumentaler Variablen innerhalb eines Panels half dabei, Endogenitätsbedenken anzugehen - insbesondere instrumentierten sie für Institutionen mit Siedlersterblichkeitsraten. Nachfolgende Studien haben diese Analyse mit dekadischen Panels erweitert, die das 19. und 20. Jahrhundert abdecken, was bestätigt, dass institutionelle Qualität für das Wirtschaftswachstum sehr langfristig wichtig ist.

Eine spätere Verfeinerung von Dell (2010) verwendete ein internes Panel peruanischer Bezirke, um zu zeigen, dass die Mita - ein von spanischen Kolonisatoren auferlegtes Zwangsarbeitssystem - den zeitgenössischen Konsum reduziert und das Wachstum behinderte, selbst nachdem sie die Distrikte auf feste Effekte kontrolliert hatten.

Technologischer Wandel und Produktivität

Paneldaten eignen sich besonders gut für die Untersuchung der Verbreitung von Technologie, bei der Adoptionsentscheidungen über die Zeit und über Regionen hinweg getroffen werden. Wirtschaftshistoriker haben beispielsweise Panels auf fester Ebene für Textilfabriken des 19. Jahrhunderts gebaut, um zu untersuchen, wie sich die Einführung der Dampfmaschine auf die Produktion pro Arbeiter auswirkt. Durch die Einbeziehung von Fixeffekten für jede Mühle können Forscher die unbeobachtete Managementqualität oder standortspezifische Vorteile kontrollieren, wodurch die kausalen Auswirkungen der neuen Technologie isoliert werden. Eine bekannte Studie von Atack, Bateman und Margo (2008) verwendete ein Panel von US-Landkreisen von 1850 bis 1880, um zu zeigen, dass die Expansion der Eisenbahn die landwirtschaftliche Produktivität und die Landwerte signifikant erhöhte.

Ihr Panel ermöglichte es ihnen, County Fixeffekte (bei konstanter Bodenqualität, anfänglichem Marktzugang) und Jahr Fixeffekte (Kontrolle für nationale Geschäftszyklen) einzubeziehen und so die Auswirkungen der Eisenbahn zu identifizieren innerhalb der Landkreise Variation im Laufe der Zeit.

Wohlfahrtseffekte wirtschaftlicher Schocks

Die Weltwirtschaftskrise (1929–1941) wurde anhand von Paneldaten auf staatlicher Ebene aus den Vereinigten Staaten erneut untersucht. Forscher haben analysiert, wie die Ausgaben des New Deal die Beschäftigung, die Erholung der Banken und soziale Unruhen beeinflussten. Indem sie die Auswirkungen der Bundespolitik auf staatliche und jährliche Auswirkungen abgrenzen konnten, können sie die Auswirkungen der regionalen Trends trennen. Ein klassisches Beispiel ist Fishback, Horrace und Kantor (2005), die jährliche Paneldaten über die Bundesstaaten hinweg verwendeten, um den Beschäftigungsmultiplikator von öffentlichen Arbeiten und Entlastungsausgaben zu schätzen, und feststellten, dass jeder Dollar der New Deal-Ausgaben die Einkommen um etwa 60 Cent erhöhte. Neuere Arbeiten von Hausman (2016) beschäftigten ein Panel von US-Städten, um zu zeigen, dass New Deal-Ausgaben die Arbeitslosigkeit senkten, aber auch private Investitionen verdrängten - eine Dynamik, die nur ein Panel-Ansatz erfassen konnte, indem er die gleichen Städte vor, während und nach dem Programm verfolgte.

Regionale Disparitäten und Konvergenz

Die Ergebnisse der Panel-Tests und Konvergenzregressionen wurden auf historische Daten über das Pro-Kopf-Einkommen in den europäischen Regionen ab dem 19. Jahrhundert angewandt. Diese Methoden helfen festzustellen, ob ärmere Regionen aufholen zu reicheren (Beta-Konvergenz) und ob die Einkommensverteilung schrumpft (Sigma-Konvergenz). So fand beispielsweise eine Studie mit 71 französischen und deutschen Regionen von 1840 bis 1910 starke Beweise für eine Konvergenz innerhalb jedes Landes, die weitgehend auf Handelsliberalisierung und Faktormobilität zurückzuführen ist. Die Panel-Struktur ermöglichte es den Forschern, länderspezifische Schocks (z. B. den französisch-preußischen Krieg) zu kontrollieren und gleichzeitig Wachstumsmuster innerhalb der Region zu untersuchen.

Eine weitere innovative Studie von Crafts und Wolf (2014) verwendete ein Panel europäischer NUTS-2-Regionen von 1850 bis 1910, um zu zeigen, dass sich die Konvergenz nach der Einführung des Goldstandards beschleunigte, was die Transaktionskosten und die integrierten Kapitalmärkte reduzierte.

Humankapital und demografischer Wandel

Paneldaten haben auch unser Verständnis des demografischen Wandels bereichert. Durch die Konstruktion historischer Panels zu Geburtenraten, Sterberaten und Alphabetisierung in Hunderten von Distrikten in Schweden oder den Vereinigten Staaten haben Forscher die kausale Rolle der Massenbildung bei der Verringerung der Fruchtbarkeit untersucht. Fixed-Effekte-Modelle, die permanente Bezirksmerkmale (wie religiöse Zusammensetzung oder Klima) kontrollieren, zeigen, dass die Einführung von Schulpflichtgesetzen den Rückgang der Geburtenraten signifikant beschleunigt hat. Ein bemerkenswertes Beispiel ist die Arbeit von Becker, Cinnirella und Woessmann (2010), die eine Gruppe preußischer Landkreise von 1849 bis 1914 verwendeten, um zu zeigen, dass Bildung die Fruchtbarkeit reduzierte, indem sie den Kompromiss zwischen Qualität und Quantität änderte - Eltern investierten mehr in weniger Kinder. Das Panel ermöglichte es ihnen, Merkmale auf Kreisebene zu kontrollieren, die gemeinsam Bildungs- und Fruchtbarkeitsentscheidungen bestimmen könnten, wie zum Beispiel lokale Arbeitsnachfrage oder kulturelle Normen.

Konflikt und politische Ökonomie

Panel-Methoden werden zunehmend verwendet, um historische Konflikte zu untersuchen. Zum Beispiel haben Besley und Reynal-Querol (2014) im 20. Jahrhundert ein Panel afrikanischer ethnischer Gruppen aufgebaut, um zu untersuchen, wie präkoloniale Institutionen die Häufigkeit von Bürgerkriegen prägten. Durch die Einbeziehung von Gruppen-Fixed-Effekten konnten sie zeitinvariante Faktoren wie Geographie oder Sprache kontrollieren und die Auswirkungen von Veränderungen in der politischen Zentralisierung isolieren. In ähnlicher Weise verwendeten Dincecco und Prado (2012) ein Panel europäischer Staaten von 1600 bis 1900, um zu zeigen, dass die fiskalische Zentralisierung - gemessen am Anteil der von der Zentralregierung erhobenen Steuereinnahmen - die Häufigkeit zwischenstaatlicher Kriege reduzierte.

Ihr Panel ermöglichte es ihnen, Länder- und Jahrhundert-Fixed-Effekte einzubeziehen, wodurch die ausgelassene variable Voreingenommenheit durch langsame kulturelle oder geografische Faktoren reduziert wurde.

Vorteile von Panel Data Methoden in der historischen Forschung

Die Vorteile der Verwendung von Paneldaten in der Wirtschaftsgeschichte sind zahlreich und oft entscheidend für glaubwürdige kausale Rückschlüsse, die erklären, warum Panelmethoden zum Standardrahmen für quantitative historische Analysen geworden sind.

  • Kontrolle auf unbeobachtete Heterogenität: Historische Studien werden von ausgelassenen Variablen wie Kultur, Geographie oder anhaltender institutioneller Qualität geplagt. Fixed-Effects-Modelle fegen alle zeitinvarianten Störfaktoren weg, auch solche, die wir nicht messen können, und bieten eine starke Verteidigung gegen falsche Korrelationen.
  • Dynamische Beziehungen aufdecken: Paneldaten ermöglichen es Forschern, verzögerte Effekte, Anpassungsprozesse und Pfadabhängigkeit zu modellieren. Beispielsweise kann der Effekt einer Politikänderung in einem Jahrzehnt erst Jahrzehnte später vollständig eintreten, was Querschnittsdaten nicht erfassen können. Dynamische Panelmodelle schätzen explizit die Geschwindigkeit der Anpassung an das Gleichgewicht.
  • Erhöht die Stichprobengröße und -leistung: Durch die Kombination von Zeiträumen wird die Anzahl der Beobachtungen multipliziert, was zu genaueren Schätzungen und der Fähigkeit führt, kleine, aber wirtschaftlich sinnvolle Effekte zu erkennen.
  • Verwalte Messfehler durch mehrere Beobachtungen: Wenn historische Aufzeichnungen zufällige Fehler enthalten, aber unvoreingenommen sind, mitteln Panelschätzer einen Teil des Rauschens aus. In einigen Fällen kann die Verwendung von zwei Zeitperioden sogar eine Korrektur für klassische Messfehler durch instrumentelle Variablen ermöglichen.
  • Vergleichen Sie Raum und Zeit gleichzeitig: Panel-Datensätze ermöglichen es Forschern zu testen, ob eine Beziehung nicht nur über Regionen hinweg, sondern auch innerhalb von Regionen besteht, wenn sich historische Bedingungen ändern.

Für eine detaillierte Übersicht über diese Vorteile in historischen Kontexten siehe diesen Artikel im Journal of Economic History.

Herausforderungen und wie Historiker sie überwinden

Trotz ihrer Leistungsfähigkeit stellen Panel-Methoden einzigartige Schwierigkeiten dar, wenn sie auf historische Daten angewendet werden. Glücklicherweise haben Forscher Strategien entwickelt, um viele dieser Probleme zu mildern, wobei oft ökonometrische Techniken mit tiefem historischem Wissen kombiniert werden.

Datenverfügbarkeit und -qualität

Historische Daten sind oft spärlich, unregelmäßig erhoben und unterliegen sich ändernden Definitionen. So beruhen die BIP-Schätzungen für das 19. Jahrhundert auf Proxies wie Steuereinnahmen, städtische Bevölkerung oder Industrieproduktion. Fehlende Beobachtungen sind üblich, was zu unausgewogenen Panels führt.

  • Imputationstechniken: Mehrfachimputation oder Interpolation können Lücken füllen, wenn Daten zufällig fehlen. Wenn beispielsweise das BIP eines Landes für einige Jahre aufgrund von Krieg fehlt, kann eine Interpolation aus benachbarten Jahren akzeptabel sein.
  • Mit alternativen Proxies: Nachtlichter (von Satellitenbildern hinterlegt), Immobilienaufzeichnungen oder Preisindizes wurden als Ersatz für fehlende Einkommensmaßstäbe in vorindustriellen Kontexten verwendet.
  • Die Stichprobe auf Perioden mit zuverlässigen Daten beschränken: Viele Panelstudien konzentrieren sich auf die Ära nach 1820, als die Volkswirtschaftlichen Gesamtrechnungen standardisierter wurden, oder sie beschränken die Analyse auf Perioden ohne größere territoriale Veränderungen.

Modellspezifikation und Heterogenität

Die Wahl zwischen festen und zufälligen Effekten hängt davon ab, ob nicht beobachtete Heterogenität mit den Regressoren korreliert ist. In historischen Situationen ist diese Korrelation fast sicher - zum Beispiel können Regionen mit einer günstigeren Anfangsdotierung auch bessere Richtlinien anwenden. Daher werden Modelle mit festen Effekten im Allgemeinen bevorzugt. Aber auch innerhalb der festen Effekte müssen Forscher entscheiden, ob Zeiteffekte einbezogen werden sollen (um gemeinsame Schocks wie Kriege oder globale Wirtschaftszyklen zu kontrollieren). Hausman-Tests und die Einbeziehung von Zeittrends sind gängige Praxis.

Wenn das Panel eine lange Zeitdimension hat, müssen Forscher darüber hinaus berücksichtigen, ob die Auswirkungen von Interesse im Laufe der Zeit variieren - zum Beispiel die Auswirkungen von Eisenbahnen auf Landwerte könnten im frühen 19. Jahrhundert größer gewesen sein als später. Interaktionsbegriffe mit Zeitdummys können diese Heterogenität testen.

Potenzielle Biases

Mehrere Formen von Bias sind in historischen Paneldaten besonders akut:

  • Attrition Bias: In langen Panels können einige Einheiten ausfallen (z. B. aufgrund von Staatsauflösung oder Annexion). Wenn die Attrition mit dem Ergebnis korreliert ist, werden Schätzungen inkonsistent. Die Forscher testen dies mithilfe von Attritionstests (z. B. Vergleich von Eigenschaften von Bleibenden und Verlassenen) oder Gewichtungsmethoden wie inverse Wahrscheinlichkeitsgewichtung.
  • Messfehler: Klassischer Messfehler in einem zeitvariablen Regressor führt zu einer Dämpfungsverzerrung. Instrumentale Variablen (IV)-Methoden, wie die Verwendung einer dritten Zeitperiode für die falsch gemessene Variable, können helfen. Alternativ, wenn der Fehler nichtklassisch ist (z. B. mit dem wahren Wert korreliert), sind ausgefeiltere Ansätze wie die Verwendung mehrerer Rauschmessungen erforderlich.
  • Serielle Korrelation: Fehler in Paneldaten werden oft im Laufe der Zeit korreliert. Robuste Standardfehler, die auf Entitätsebene (z. B. Land) geclustert sind, sind jetzt Standard, und einige Studien verwenden Panel-korrigierte Standardfehler oder autoregressive Spezifikationen.

Endogeneität und zeitvariable Confounder

Fixed Effects entfernen zeitinvariante Störfaktoren, aber zeitvariante Störfaktoren bleiben eine Bedrohung. Zum Beispiel kann eine Politikänderung, die mit einer Rezession zusammenfällt, schädlich erscheinen, auch wenn sie vorteilhaft ist. Differenzen-in-Differenzen-Designs (DiD) mit gestaffelter Annahme sind eine gängige Lösung, die oft über zweiseitige Fixed Effects (Einheits- und Zeiteffekte) geschätzt wird. Neuere Forschungen haben jedoch gezeigt, dass Zweiwege-Fixed Effects verzerrt werden können, wenn Behandlungseffekte über Einheiten oder im Laufe der Zeit heterogen sind. In jüngerer Zeit haben Ökonomen dynamische DiD-Methoden entwickelt (Callaway & Sant'Anna, 2021; Goodman-Bacon, 2021), die mit heterogenen Behandlungseffekten gültig sind - ein entscheidender Fortschritt für historische Studien, in denen sich die Politik an verschiedenen Orten mit unterschiedlicher Geschwindigkeit entwickelt.

Zum Beispiel könnte eine Studie über die Einführung von öffentlichem Schulwesen in den US-Staaten von 1830 bis 1900 diese neuen Methoden verwenden, um den durchschnittlichen Behandlungseffekt auf die behandelten zu schätzen, obwohl einige Staaten früher als andere angenommen wurden und die Wirkung

Emerging Methods: Dynamische Panels und räumliche Panels

Die Grenzen der Panel-Datenmethoden in der Wirtschaftsgeschichte beinhalten zunehmend dynamische Modelle und räumliche Abhängigkeit. Dynamische Panels - einschließlich verzögerter abhängiger Variablen oder autoregressiver Parameter - ermöglichen es Forschern, Persistenz und Anpassungsgeschwindigkeiten zu modellieren. Der Arellano-Bond-Schätzer (1991) und seine Erweiterungen (Blundell-Bond, 1998) werden jetzt verwendet, um Themen wie die Persistenz regionaler Ungleichheit zu untersuchen, bei der das aktuelle Einkommen vom vergangenen Einkommen abhängt. Historische Panels haben jedoch oft eine lange Zeitdimension (T groß) und ein moderates N, was bedeutet, dass die Nickell-Voreingenommenheit (die dynamische FE plagt, wenn T klein ist) weniger schwerwiegend ist. Forscher müssen immer noch vorsichtig mit der Instrumentenproliferation sein.

Räumliche Verzögerungs- und räumliche Fehlermodelle, die mit festen Effekten integriert sind, werden in historischen Analysen der Technologieakzeptanz, Konfliktansteckung und Handelsnetzwerke immer häufiger. Ein aktuelles Beispiel ist die Studie von Juhász (2018), der ein Gremium französischer Abteilungen während der Napoleonischen Kriege verwendete, um zu zeigen, dass vorübergehender Protektionismus (das Kontinentalsystem) zu anhaltender Industrialisierung in geschützten Regionen führte, mit räumlichen Spillovers in benachbarte Regionen durch Marktintegration.

Fazit: Erweiterung der Möglichkeiten der historischen Untersuchung

Paneldatenmethoden sind für Wirtschaftshistoriker unverzichtbare Werkzeuge geworden. Indem sie wiederholte Beobachtungen derselben Einheiten im Laufe der Zeit nutzen, können Forscher auf nicht beobachtbare Störfaktoren kontrollieren, dynamische Prozesse modellieren und zuverlässigere Schätzungen der kausalen Effekte erhalten. Die historische Aufzeichnung ist voll von natürlichen Experimenten - institutionelle Veränderungen, Kriege, technologische Durchbrüche -, die mit Paneltechniken glaubwürdig analysiert werden können. Da mehr historische Daten digitalisiert und harmonisiert werden - Projekte wie Clio-Infra , das Projekt Mittelalterliche Kartographie und die Initiative Globale historische Datenbanken erweitern Abdeckung - das Potenzial für Paneldatenstudien wird nur wachsen.

Historiker müssen jedoch wachsam bleiben, was Datenqualität, Modellannahmen und den historischen Kontext angeht, der Vorurteile erzeugen könnte. Panel-Methoden sind kein Allheilmittel; sie erfordern eine sorgfältige Aufmerksamkeit auf die Struktur der Daten, die Definition von Einheiten und die historische Angemessenheit der Identifizierung von Annahmen. Bei sorgfältiger Anwendung beleuchten Panel-Datenmethoden Muster, die sonst in Archivstillen begraben bleiben würden. Sie ermöglichen es uns, nicht nur zu fragen, was in der Geschichte passiert ist, sondern auch, warum es passiert ist - eine Frage, die im Herzen der Wirtschaftsgeschichte steht.