Pourquoi les méthodes quantitatives comptent-elles dans l'histoire économique

Pendant une bonne partie du XXe siècle, l'histoire économique s'est fortement appuyée sur des descriptions qualitatives et des analyses institutionnelles.L'augmentation de la climatique[ – l'utilisation systématique de la théorie économique et des méthodes quantitatives pour étudier l'histoire – a changé cela. Aujourd'hui, l'analyse des impacts économiques historiques sans méthodes quantitatives formelles risque d'être l'objet de modèles cachés manquants, de facteurs confusionnels et de l'ampleur des effets.

La transition du récit au nombre n'est ni rapide ni incontestée. Des pionniers comme Robert Fogel et Douglass North, deux lauréats du prix Nobel, ont démontré que des preuves quantitatives pouvaient renverser des croyances de longue date. Par exemple, les travaux de Fogel sur les chemins de fer américains ont montré que leur contribution à la croissance du PIB était beaucoup plus faible que ce qu'on croyait auparavant, tandis que l'analyse de North de la productivité du transport maritime a révélé que les innovations institutionnelles, et non seulement la technologie, ont permis de faire évoluer l'économie.

Méthodes quantitatives fondamentales pour l'analyse historique

Plusieurs techniques statistiques et économétriques sont couramment utilisées pour évaluer les événements historiques. Chaque méthode a des forces selon la nature des données et l'événement spécifique à l'étude.

Analyse de régression et modèles de séries chronologiques

L'outil le plus fondamental est l'analyse de régression multiple[, qui évalue la relation entre un événement (ou une politique) et un résultat économique tout en contrôlant d'autres influences. Dans le travail historique, la régression des séries chronologiques est particulièrement fréquente – par exemple, l'analyse des données annuelles sur le PIB avant et après une guerre pour estimer le changement moyen attribuable au conflit.

Études sur les événements et différences de différences

Dans des contextes historiques, il pourrait s'agir d'examiner les volumes commerciaux avant et après la signature d'un traité. L'estimateur différence-en-différences (DiD)[ compare le changement d'un résultat pour un groupe touché par l'événement avec le changement d'un groupe non affecté similaire sur la même période. Par exemple, les économistes ont utilisé DiD pour estimer l'effet économique de la Famine de la pomme de terre irlandaise1840s en comparant des régions présentant différents degrés de défaillance de la culture contre des régions non touchées en Europe du Nord. La validité de DiD dépend de l'hypothèse de tendances parallèles[, selon laquelle les groupes traités et les groupes témoins auraient suivi des trajectoires similaires en l'absence de l'événement.

Méthode de contrôle synthétique

Une technique plus avancée développée dans les années 2000, la méthode de contrôle synthétique, construit une combinaison pondérée d'unités non traitées pour créer un contre-factuel pour l'unité touchée. Cela est particulièrement utile quand il n'existe pas de groupe de contrôle naturel unique. Une application célèbre a estimé le coût économique de la réunification allemande[ en construisant une Allemagne occidentale synthétique à partir d'autres économies de l'OCDE. La méthode a révélé que la réunification a causé un déclin significatif et persistant du PIB par habitant de l'Allemagne occidentale par rapport à la version synthétique.

Variables instrumentales et expériences naturelles

Pour aborder l'endogenèse, la possibilité que l'événement lui-même ait été influencé par les conditions économiques, les historiens utilisent les variables instrumentales (IV).Par exemple, pour étudier l'impact économique du Décès noir (1347–1351), les chercheurs ont utilisé la variation aléatoire de la mortalité due à la peste en raison de la géographie et des itinéraires commerciaux comme instrument de déclin démographique.Ces expériences naturelles fournissent des estimations crédibles des effets causaux.

Méthodes quantitatives et de distribution

Au-delà des effets moyens, les historiens se demandent de plus en plus comment les événements historiques affectent différents segments de la société. La régression quantitative et l'analyse de distribution permettent aux chercheurs d'estimer les impacts à différents points de la répartition des revenus ou des richesses.

Sources de données et défis à relever

L'histoire quantitative dépend de la disponibilité et de la qualité des données historiques.Les principales sources sont les archives nationales, les registres fiscaux, les registres commerciaux, les livres de salaires et, plus récemment, les collections numérisées provenant d'institutions comme Bureau national de la recherche économique (NBER)[ et Banque mondiale[. Pourtant, les données historiques sont très problématiques:

  • Incomplètement:[ De nombreux documents ont été perdus ou n'ont jamais existé. Les chercheurs doivent souvent interpoler ou imputer les valeurs manquantes à l'aide de méthodes statistiques comme l'imputation multiple ou les filtres Kalman.
  • Erreur de mesure: Les premières estimations du PIB reposaient sur des approximations indirectes telles que les taux d'urbanisation ou les prix des céréales. Les chercheurs modernes utilisent des techniques comme rétroprojection[ à partir de tendances connues pour s'ajuster aux biais.
  • Non-comparabilité:[ Les définitions de l'emploi, du revenu, voire des frontières nationales changent au fil du temps. L'harmonisation des données au fil des siècles nécessite une documentation et une conversion minutieuses.Le projet Maddison et le projet Clio-Infra fournissent des ensembles de données historiques harmonisées couvrant le PIB, les inégalités et la santé, facilitant les comparaisons entre les pays.
  • Privé de sélection: Les documents survivants peuvent sur-présenter des économies prospères ou des sociétés alphabétisées. Des méthodes comme La correction de l'heckman peut aider, mais seulement partiellement. Par exemple, les données de prix médiévales ne survivent souvent que dans des domaines monastiques, qui ont pu gérer des ressources différemment des manoirs laïques.

Pour atténuer ces problèmes, les chercheurs triangulent plusieurs sources et appliquent une analyse de sensibilité pour tester comment les résultats changent en fonction de différentes hypothèses.Les outils informatiques modernes permettent également d'établir des liens automatisés entre les dossiers – en appariement de personnes à travers les recensements, les listes fiscales et les registres paroissiaux – pour créer des microbases de données longitudinales.

Études de cas en cours

Les exemples suivants illustrent comment des méthodes quantitatives ont été utilisées pour évaluer l'impact économique des événements historiques cruciaux, en mettant en évidence à la fois le pouvoir et les défis de ces techniques.

Étude de cas 1: La mort noire et l'économie européenne

Les chercheurs ont utilisé les données sur les salaires et les prix de l'Angleterre pour établir une analyse des séries chronologiques pour montrer que les salaires réels ont doublé au lendemain de la pénurie de main-d'oeuvre. Selon une approche de DiD comparant les manoirs avec différents taux de mortalité, la production agricole par travailleur a augmenté, mais la production totale a fortement baissé. Plus récemment, les travaux ont utilisé variables instrumentales – avec le moment de l'arrivée de la peste comme instrument – estime que le choc a augmenté de façon permanente par habitant d'environ 30 % au cours du siècle suivant. Ceci confirme l'hypothèse selon laquelle la Mort Noire a brisé le piège malthusien momentanément, bien que la population ait rapidement rebondi. Cependant, les effets varient au niveau régional : les centres urbains se sont remis plus rapidement à cause de l'immigration, tandis que les zones rurales ont connu une pénurie soutenue de main-d'œuvre qui a érogé les institutions féodales.

Étude de cas 2: Deuxième guerre mondiale et croissance après la guerre

La deuxième guerre mondiale a provoqué des destructions massives mais a aussi entraîné une reconstruction rapide et une transformation structurelle.En utilisant le contrôle synthétique[, les chercheurs ont comparé l'Allemagne de l'Ouest à une contrepartie synthétique construite à partir d'autres économies européennes. Ils ont constaté que la reconstruction seule ne pouvait pas expliquer le Wirtschaftswunder[; les réformes institutionnelles et l'aide du Plan Marshall ont ajouté de 2 à 3 points de pourcentage à la croissance annuelle. En revanche, l'étude d'événements[[[L'explosion de l'après-guerre] a montré que la perte d'actifs coloniaux a d'abord fait chuter le PIB, mais que l'adoption de politiques industrielles et de technologies agressives a entraîné une reprise qui a pris 15 ans pour atteindre des sommets d'avant-guerre.

Étude de cas 3: La partition de l'Inde en 1947

La partition a causé l'une des migrations forcées les plus importantes de l'histoire, avec 10 à 15 millions de personnes traversant les frontières.En utilisant la discontinuité de la régression[ et des différences, les économistes ont comparé les districts le long de la nouvelle frontière aux districts intérieurs. Ils ont estimé que les régions frontalières ont connu une baisse de 10 à 15 % de la production agricole et une réduction durable de l'activité commerciale due à des chaînes d'approvisionnement coupées.

Étude de cas 4 : La grande dépression et la réglementation financière

La Grande Dépression des années 1930 est un bassin d'histoire économique quantitative en raison de l'abondance des nouveaux comptes nationaux de revenu et des données bancaires. À l'aide de cadres , les chercheurs ont estimé que le crash boursier de 1929 seulement a réduit la production industrielle de 10 à 15 % l'année suivante, mais les paniques bancaires subséquentes ont amplifié le ralentissement. Une analyse synthétique comparant les États-Unis à une moyenne pondérée d'autres pays laisse croire que l'absence d'assurance-dépôts et une réponse monétaire passive ont aggravé la dépression par un supplément de 8 % du PIB.

Le rôle de l'analyse contre-factuelle

La méthode de contrôle synthétique est explicitement conçue pour construire un tel contre-factuel à partir d'une moyenne pondérée des unités de contrôle. Dans des modèles de séries chronologiques plus simples, le contre-ffait est une extrapolation de la tendance pré-événement. Toutefois, la validité de tout contre-ffait dépend de l'hypothèse que les facteurs externes demeurent stables. Les chercheurs doivent tester les tendances parallèles[ dans les modèles DiD et vérifier les divergences avant l'événement. Lorsque l'hypothèse échoue, d'autres approches comme interrupted time series (ITS)[ avec introduction progressive de l'événement peuvent être utilisées.

Pour les événements à portée mondiale (p. ex. la Grande Dépression, la pandémie de COVID-19), il n'existe pas de groupe de contrôle crédible. Dans ces cas, des modèles économiques structurels qui simulent l'économie mondiale sont utilisés. Par exemple, ]des modèles d'équilibre général computable (CGE) ont été appliqués pour estimer les coûts de bien-être des [[[FLT:][FLT:][FLT:]][F.[5][F][LT:[F][

Limitations et critiques de l'histoire quantitative

Malgré leur pouvoir, les méthodes quantitatives sont confrontées à de réelles limites:

  • Endogeneity: Les événements historiques sont rarement aléatoires. Les guerres peuvent être causées par le déclin économique, et non par l'inverse. Bien que des méthodes comme IV tentent de régler ce problème, les instruments valides sont rares et souvent controversés. Par exemple, l'utilisation de la variation météorologique pour étudier l'intensité des conflits est courante, mais repose sur l'hypothèse que les conditions météorologiques n'affectent l'économie que par le biais de conflits – une hypothèse qui est fréquemment violée.
  • L'histoire quantitative repose sur ce qui a survécu. Par exemple, les données européennes d'avant-1500 sont fortement biaisées vers les monastères et les domaines royaux, ce qui peut sur-présenter des institutions bien gérées. De même, les données sur les inégalités historiques proviennent souvent des enregistrements prouvés des riches, ce qui crée un déclin apparent des inégalités qui est en partie un artefact de la documentation changeante.
  • Réductionnisme: Des approches purement quantitatives peuvent manquer de facteurs institutionnels, culturels ou psychologiques que les comptes qualitatifs capturent. Le meilleur travail combine les deux, en utilisant des résultats quantitatifs pour motiver une enquête archivistique plus approfondie.Par exemple, les résultats de régression montrant un effet important du protestantisme sur l'alphabétisation dans l'Allemagne du 19ème siècle n'ont été pleinement compris qu'après la lecture des rapports d'inspection scolaire locaux qui ont révélé des différences dans la pédagogie.
  • P-hacking et surfitting:[ La flexibilité de l'économométrie moderne peut amener les chercheurs à choisir des spécifications qui confirment leurs antécédents. Pré-enregistrement des études et réplication avec de nouvelles données sont des garanties essentielles.
  • Non-stationnaire et ruptures structurales:[ Les séries chronologiques économiques changent souvent leur structure sous-jacente après des événements majeurs. Les tests standard peuvent ne pas identifier le modèle correct, ce qui entraîne des résultats fallacieux.
  • Pièges éthiques et d'interprétation: L'utilisation de données historiques pour formuler des recommandations stratégiques risque de simplifier excessivement la souffrance humaine.L'économiste quantitatif doit toujours se rappeler que derrière les coefficients se trouvent de véritables pertes humaines, que ce soit des vies perdues dans des guerres, des moyens de subsistance détruits par la famine ou des communautés déplacées par les politiques.

Une littérature saine reconnaît ces pièges.Le Journal d'histoire économique et les numéros récents de Journal de littérature économique publient régulièrement des revues qui évaluent de façon critique la robustesse des résultats d'études historiques quantitatives.La meilleure recherche comprend maintenant des rapports explicites sur la robustesse—tables montrant comment les estimations changent selon différentes spécifications, l'exclusion des valeurs aberrantes et les périodes variables.

Conclusion

De la mort noire à la Seconde Guerre mondiale, ces techniques permettent aux chercheurs d'isoler les effets causaux, de construire des contre-ffaits explicites et de quantifier l'incertitude.Les défis de données restent redoutables, mais la numérisation continue et les méthodes économétriques améliorées continuent de repousser la frontière.La synergie entre l'analyse quantitative et les récits historiques donne des idées qu'aucune approche seule ne peut fournir.Les décideurs confrontés aux crises aujourd'hui feraient bien de tenir compte des leçons encodées par des siècles de preuves quantitatives historiques – leçons sur les trajectoires de récupération, l'importance des institutions et la longue ombre des événements perturbateurs.