Bien que certaines institutions endurent au fil des siècles, la grande majorité succombe aux changements du marché, à l'obsolescence technologique ou aux crises systémiques en quelques décennies. L'étude systématique de ces durées de vie appartient au domaine de l'analyse de la survie – un cadre statistique développé pour les essais cliniques qui a trouvé une application puissante dans l'histoire économique. En adaptant les techniques utilisées pour modéliser la survie des patients pour analyser la mortalité des entreprises et des industries, les chercheurs peuvent dépasser les récits anecdotiques pour quantifier rigoureusement les forces de résilience et de déclin au fil du temps.

Les fondements de l'analyse de survie dans l'histoire économique

Des essais cliniques aux durées de vie des entreprises

Dans un essai clinique, l'événement est généralement la mort, la récurrence de la maladie ou la reprise. Dans l'histoire de l'entreprise, l'événement est analogue : faillite, dissolution, fermeture ou une action spécifique de l'entreprise, telle qu'une acquisition qui met fin à l'existence indépendante de l'entreprise. La question centrale reste la même : quels facteurs influencent le temps jusqu'à ce que l'événement se produise?

L'histoire économique traditionnelle repose souvent sur des récits qualitatifs ou des statistiques descriptives simples, en comptant le nombre d'entreprises qui ont échoué au cours d'une année donnée. L'analyse de survie offre un cadre analytique plus profond. Elle tient compte non seulement de si une entreprise a échoué mais quand elle a échoué et de la façon dont ce moment se rapporte aux covariables comme la taille de l'entreprise, le secteur industriel, la situation géographique ou les conditions macroéconomiques.

Pourquoi les historiens ont besoin de modèles de longévité quantitatifs

Les entreprises qui échouent tôt laissent souvent de rares dossiers, tandis que les entreprises prospères génèrent de vastes archives. Les techniques de régression standard qui ignorent l'ordre temporel de l'échec et traitent le statut de survie comme un simple résultat binaire rejettent des informations précieuses. Elles ne peuvent pas non plus gérer observations censurées—entreprises qui étaient encore en vie à la fin de la période d'étude ou dont le sort est inconnu. L'analyse de survie a été conçue spécifiquement pour traiter ces structures de données, ce qui en fait un outil indispensable pour quiconque mène une recherche empirique rigoureuse dans l'histoire des affaires et de l'économie.

Concepts statistiques fondamentaux pour les données historiques

Définition de l'événement et de l'origine temporelle

Chaque analyse de survie commence par une définition précise de deux éléments : l'origine du temps et l'événement d'échec[. Dans l'histoire de l'entreprise, l'origine du temps peut être la date de constitution, le début des opérations commerciales ou l'entrée sur un marché spécifique. L'événement d'échec peut être la faillite, la liquidation ou un changement de contrôle par l'acquisition. Le choix de ces définitions dépend fortement de la question de recherche et de la nature des données historiques disponibles. Par exemple, une étude des usines de textile pourrait définir le temps zéro comme la première année de production et l'échec comme la cessation des activités de fabrication, que l'entité morale ait légalement dissous ou non.

La fonction survie et la fonction risque

Deux fonctions fondamentales caractérisent les processus de survie. La fonction survivante, désignée S(t, donne la probabilité qu'une entreprise survive au-delà d'un certain temps t. C'est une fonction décroissante qui commence à 1 (toutes les entreprises sont vivantes au moment zéro) et s'approche de 0 comme le temps progresse (éventuellement toutes les entreprises échouent ou sortent). La fonction risque, désignée h[t]), décrit le taux instantané d'échec à temps t, conditionnée sur la survie jusqu'à ce point.

Pour l'historien de l'économie, ces fonctions fournissent des résumés intuitifs et puissants. L'attribution de la fonction de survie à différentes cohortes d'entreprises – comme celles fondées avant et après un changement réglementaire majeur – révèle des différences visuelles dans la longévité. La fonction de risque identifie des périodes critiques de vulnérabilité.

La question critique des données censurées

La censure est le défi déterminant des données de survie, et elle pénètre dans les archives historiques. Le recensement de droite survient lorsqu'une entreprise est toujours en activité à la fin de la période d'observation. Sa durée de vie complète est inconnue, mais nous savons qu'elle a survécu au moins jusqu'à ce point. Le recensement de gauche survient lorsque des entreprises ont été fondées avant le début de la période de collecte de données. Leurs luttes précoces et les échecs précoces potentiels sont absents du dossier. Le recensement d'intervalle survient lorsque nous savons seulement qu'un échec s'est produit entre deux points d'observation, comme entre les années de recensement décennales.

Méthodologies et sources de données historiques

Estimation Kaplan-Meier

L'estimateur Kaplan-Meier est la méthode non paramétrique la plus connue pour estimer la fonction de survie à partir des données observées. C'est une fonction étape qui diminue à chaque moment de défaillance observé. Pour l'historien économique, il fournit un moyen simple de comparer les expériences de survie de groupes distincts. On pourrait calculer et tracer les courbes Kaplan-Meier pour tous les constructeurs d'automobiles fondés aux États-Unis entre 1900 et 1910, comparant ceux situés à Detroit à ceux ailleurs. La comparaison visuelle révèle immédiatement si un avantage significatif de survie existait pour les entreprises dans le groupe industriel émergent.

Modèle de risque proportionnel de Cox

Le modèle Cox de risques proportionnels est le cheval de bataille de l'analyse moderne de la survie. Il permet aux chercheurs d'estimer l'effet de plusieurs covariables sur le taux de danger sans prendre une forme paramétrique spécifique pour le danger de base. Le modèle prend la forme :

h[t[, X[) = [h[0[t[]]] exp([[]β[]1]X1[ + ... β]n]X[]n[]]]]]]]]]

Pour l'historien économique, cela signifie qu'on peut estimer le risque relatif de défaillance associé à une caractéristique particulière tout en contrôlant d'autres facteurs. La production est un risque. Un rapport de risque supérieur à 1 indique un risque accru de défaillance, tandis que moins de 1 indique un effet protecteur. Par exemple, une étude des compagnies ferroviaires au XIXe siècle pourrait constater que le siège social d'un État à haut niveau de subvention gouvernementale a réduit le risque de défaillance de 30 %, contrôlant la taille de l'entreprise et les niveaux d'endettement.

Risques concurrents et modèles paramétriques

Les défaillances commerciales historiques sont rarement homogènes.Une entreprise peut sortir par faillite (un échec du modèle d'entreprise) ou par acquisition[ (une sortie réussie pour les fondateurs, bien que l'entreprise en tant qu'entité indépendante disparaisse). Il s'agit de risques concurrents.L'analyse standard de survie peut censurer les acquisitions ou les traiter comme un type distinct de défaillance.Des modèles de risques concurrentiels[ permettent aux chercheurs d'estimer le risque spécifique à chaque type de sortie, ce qui donne une image plus riche des sorts de l'entreprise.

Provenance des données : Archives, documents financiers et registres

L'application de l'analyse de survie aux données historiques nécessite la localisation et la numérisation de sources appropriées.

  • Registres d'entreprises: Les archives de la Maison des entreprises du Royaume-Uni contiennent des registres des constitutions et dissolutions datant du milieu du XIXe siècle.
  • Stock Exchange Listings:[ Les manuels historiques de la Bourse de New York, de la Bourse de Londres et d'autres bourses fournissent des dates d'inscription et de radiation, offrant un enregistrement continu de l'existence de l'entreprise.
  • Les répertoires de l'industrie:[ Les publications et les répertoires commerciaux (p. ex. Lloyd's Register of Shipping, Thomas Register of American Manufacturers) fournissent des listes complètes d'entreprises de certaines industries au fil du temps.
  • Données du recensement : Recensements économiques, comme le Recensement des manufactures des États-Unis réalisé à partir de 1820, qui permettent de saisir les établissements manufacturiers et leur état opérationnel à intervalles décennaux, en fournissant des données sur la survie selon l'intervalle.

Ces sources nécessitent un nettoyage et une normalisation minutieux, mais elles constituent le fondement empirique d'une analyse rigoureuse de la survie historique.

Études de cas historiques

Les faillites bancaires pendant la grande dépression

Les données de la Grande Dépression montrent clairement que les banques non membres des régions agricoles ont connu des ordres de taux de risque supérieurs à ceux des banques membres urbaines. Ces données quantitatives confirment des récits historiques sur la vulnérabilité des petites banques rurales et ont fourni un appui rigoureux aux théories sur la mécanique de la contagion financière. L'analyse a également démontré que les banques qui ont survécu aux paniques initiales de 1930-1931 ne sont pas nécessairement devenues plus sûres – le taux de risque est resté élevé pour les banques survivantes jusqu'en 1932 et 1933, ce qui laisse supposer une deuxième vague de détresse causée par la chute des prix des actifs et la baisse de l'activité économique.

Déplacement technologique : Canals, Chemins de fer et révolution des transports

La révolution des transports du XIXe siècle offre un cas classique de perturbation technologique propice à l'analyse de la survie. Les compagnies de canal ont connu des taux de survie élevés et des revenus stables dans les années 1820 et 1830. L'émergence de chemins de fer a considérablement augmenté le taux de risque pour les compagnies de canal. Une analyse de survie des compagnies de canal opérant dans le nord-est des États-Unis montre que le taux de risque de défaillance a commencé à augmenter dans les années 1840 et a culminé dans les années 1850, précisément à mesure que le réseau ferroviaire s'est élargi.

Politique industrielle de l'après-guerre au Japon

Les taux de survie des entreprises industrielles japonaises de l'après-guerre sont une étude de cas convaincante sur les effets de la structure institutionnelle sur la longévité.Les groupements d'entreprises connus sous le nom de keiretsu sont censés avoir fourni aux entreprises membres un réseau protecteur d'actionnaires stables, des prêts préférentiels de banques de groupe et des relations d'affaires à long terme.L'analyse de survie a été utilisée pour tester formellement cette proposition.Des études comparant les taux de risque des entreprises affiliées à keiretsu à des entreprises indépendantes concluent que l'adhésion à une keiretsu horizontale a réduit de façon significative le risque de détresse financière et de faillite, en particulier pendant les récessions économiques.L'analyse révèle que la structure institutionnelle de la keiretsu fonctionnait comme une forme d'assurance implicite, abaissant le taux de risque pour les entreprises membres et contribuant à la stabilité du système d'entreprise japonais d'après-guerre.

La longue baisse des usines de textile de la Nouvelle-Angleterre

L'analyse de survie montre que le taux de risque pour les usines de la Nouvelle-Angleterre a commencé à augmenter régulièrement après 1900, avec une forte pointe dans les années 1920. Les usines qui ont investi dans la modernisation de l'équipement et ont évolué vers des tissus spécialisés de meilleure qualité ont démontré des taux de risque plus faibles et des temps de survie plus longs. La Grande Dépression a donné le coup final à de nombreux laggards. En 1940, la majorité des usines de la Nouvelle-Angleterre qui avaient été exploitées en 1900 avaient fermé ou déménagé. L'analyse de survie identifie précisément le moment et les covariables de ce déclin, montrant que la proximité des matières premières (cotton produit dans le Sud) a d'abord fourni un avantage de survie mais a diminué en importance au fil du temps par rapport aux coûts de main-d'oeuvre et à la modernisation technologique.

Surmonter les défis posés par les données historiques

Bizarre de survie et documents fragmentés

Les entreprises qui ont échoué tôt ont souvent laissé peu de traces dans le dossier historique.L'ensemble de leur existence peut être réduit à une seule ligne dans un registre d'entreprise ou une brève mention dans une archive de journaux.Cela crée une forme de -troncation de gauche qui doit être modélisée explicitement.Les chercheurs utilisent souvent la pondération inverse des probabilités ou limitent leur analyse aux cohortes ayant une couverture complète.

Évolution des classifications industrielles

Les systèmes de classification industrielle ont évolué de façon spectaculaire au cours du siècle dernier. Une entreprise classée comme « fabricant de coton » en 1900 pourrait être assujettie à plusieurs codes de classification industrielle standard (CTI) ou de Système de classification des industries de l'Amérique du Nord (SCIAN) aujourd'hui. La cartographie des classifications historiques aux systèmes modernes exige une connaissance détaillée des processus industriels et un jugement prudent.

Liens entre les entités historiques et les données modernes

Pour trouver la survie d'une entreprise donnée au cours de décennies ou de siècles, il faut souvent relier des documents provenant de sources différentes.Une entreprise manufacturière énumérée dans le Recensement des manufactures de 1880 pourrait apparaître sous un nom légèrement différent dans un rapport de crédit de 1900 et un nom entièrement différent après une fusion en 1920.Lier ces documents nécessite des algorithmes de couplage probabiliste et des recherches archivistiques minutieuses.Le bénéfice est important : un ensemble de données longitudinales qui retrace les entreprises individuelles tout au long de leur vie, permettant une analyse de survie vraiment dynamique.

Applications pratiques pour les analystes et les historiens modernes

Informer l'évaluation des politiques

Les gouvernements et les banques centrales peuvent utiliser ces méthodes pour évaluer si les interventions passées, telles que les renflouements, la protection tarifaire ou les réformes réglementaires, ont réellement amélioré les taux de survie des entreprises. Le tarif Smoot-Hawley de 1930 protège-t-il les fabricants nationaux contre l'échec? L'analyse de survie des entreprises manufacturières avant et après le tarif montre que, si certaines industries ont connu une réduction temporaire des taux de risque, l'effet global a été muté et peut-être négatif en raison de la rétorsion des droits et de l'approfondissement de la Grande Dépression.

Stratégie et dynamique concurrentielle

La compréhension des tendances historiques de survie des entreprises d'une industrie donnée fournit un contexte stratégique aux gestionnaires modernes. Les taux de risque observés dans les transports du XIXe siècle, les textiles du XXe siècle et les secteurs technologiques de la fin du XXe siècle révèlent des tendances communes : les entreprises qui ne s'adaptent pas aux changements technologiques connaissent des taux de risque en forte hausse, tandis que celles qui se diversifient ou innover peuvent allonger leur durée de vie de façon spectaculaire.

Conclusion : L'endurance comme critère de réussite

L'analyse de survie ne se limite pas à compter les échecs, elle structure notre compréhension de la façon et des raisons de la persistance des entreprises. Elle transforme les archives historiques en laboratoires où l'on peut tester les théories de la résilience économique. En mesurant les taux de risques auxquels les entreprises de canaux étaient confrontées dans les années 1850, les banques dans les années 1930 et les usines de textile dans les années 1920, la méthode révèle les contours quantitatifs du changement économique que les histoires narratives ne décrivent que qualitativement.