Fondations de l'histoire de l'événement Analyse dans l'histoire économique

Dans le contexte des études historiques sur les événements économiques, l'EHA fournit aux historiens et aux économistes un ensemble rigoureux d'outils pour examiner le moment, la durée et les déterminants de phénomènes tels que les paniques financières, les défaillances souveraines, les changements de régime commercial ou l'adoption de nouvelles technologies. Contrairement aux approches de régression traditionnelles qui se concentrent sur la question de savoir si un événement s'est produit, l'EHA se concentre sur quand il s'est produit et pourquoi ce moment varie d'un cas à l'autre.

Les éléments essentiels de toute analyse de l'historique des événements comprennent le taux de risque — risque instantané de l'être à un moment donné, condition de survie jusqu'à ce moment — et la fonction de survie, qui décrit la probabilité qu'une personne ou une entité n'ait pas encore vécu l'événement à un moment donné.Ces fonctions sont estimées à l'aide de modèles spécialisés tels que le modèle de risque proportionnel Cox, les modèles de survie paramétrique (p. ex. Weibull, exponentielle) ou les modèles de logit à temps discret lorsque les événements sont mesurés à intervalles réguliers.

Dans les données historiques, de nombreuses observations peuvent ne pas avoir été faites avant la fin de la période d'étude, ou elles peuvent être perdues pour donner suite à l'étude. L'EHA explique explicitement les observations faites à juste titre, empêchant les biais qui découleraient de leur exclusion ou les traiter comme des événements non. Par exemple, lorsqu'on étudie la durée des expansions économiques au XIXe siècle, un pays qui n'a jamais connu de récession au cours de la période observée fournit des renseignements précieux sur la survie, et l'EHA incorpore ces renseignements correctement. De même, les covariables du temps permettent aux chercheurs de modéliser comment les changements de conditions économiques – tels que les changements de politique monétaire, de niveaux tarifaires ou de prix des produits – affectent le risque d'un événement sur la fenêtre d'observation.

Principales applications de l'analyse de l'historique des événements dans l'histoire économique

Crises financières et panique bancaire

L'une des applications les plus fructueuses de l'EHA en économie historique est l'étude des crises financières. Les chercheurs ont longtemps cherché à comprendre ce qui a déclenché les paniques bancaires de l'ère bancaire nationale aux États-Unis (1863-1914) ou la vague de défaillances souveraines qui a balayé l'Amérique latine aux XIXe et XXe siècles. En appliquant les modèles de régression Cox aux données de panel des banques ou des pays, les analystes peuvent estimer l'impact des ratios de réserves, des flux d'or, des chocs de récolte ou de l'instabilité politique sur le risque d'une panique ou d'un défaut.

Durée du cycle d'activité et points tournants

L'analyse de l'histoire des événements est également essentielle pour comprendre la durée et la récurrence des cycles économiques. Les historiens des fluctuations économiques ont utilisé l'EHA pour déterminer si les récessions du XIXe siècle étaient plus courtes ou plus longues que celles du XXe siècle, et si la probabilité d'une récession se terminant (ou commençant) dépend des caractéristiques du cycle précédent. En modélisant le temps entre les creux ou les pics, les chercheurs peuvent tester des hypothèses sur le rôle stabilisateur des banques centrales, l'impact des guerres ou les effets de l'innovation technologique sur la volatilité économique.

Adoption et diffusion technologiques

Les historiens économiques ont également utilisé l'EHA pour étudier la propagation des innovations, que ce soit l'adoption du moteur à vapeur dans les usines de textile britanniques, la diffusion de l'automobile au début du XXe siècle en Amérique ou la propagation de technologies bancaires comme la caissière automatique, les modèles d'historique des événements permettent aux chercheurs d'identifier les facteurs qui ont accéléré ou retardé l'adoption parmi les entreprises, les régions ou les pays. La variable dépendante est le temps jusqu'à l'adoption, alors que les covariables peuvent inclure la taille du marché, l'urbanisation, l'accès au capital ou l'expérience antérieure avec les technologies connexes.

Changement institutionnel et transitions de régime

L'EHA est bien adaptée pour étudier les grands changements institutionnels, comme l'adoption du libre-échange, l'introduction de la banque centrale ou le passage des régimes de change fixes aux régimes de change flottants. Les événements historiques comme l'abrogation de la loi sur le maïs en Grande-Bretagne (1846) ou la création de la Réserve fédérale (1913) peuvent être modélisés comme des événements dont le moment dépend des pressions économiques et politiques.

Avantages méthodologiques de l'analyse de l'historique des événements

Au-delà de sa capacité de base à répondre aux questions de calendrier, l'AHE offre plusieurs avantages spécifiques qui la rendent indispensable à la recherche économique historique.

  • La manipulation des données censurées et tronquées[: Les ensembles de données historiques sont souvent incomplets — certains épisodes se terminent avant la fin de la période d'étude, ou commencent avant qu'elle ne commence.
  • Modélisation dynamique des covariables: Étant donné que les conditions économiques changent au fil du temps, une covariable statique mesurée uniquement au début d'une période d'observation peut manquer de variation cruciale. L'AEM peut intégrer des covariables variables à plusieurs intervalles, permettant aux chercheurs de modéliser comment un changement des taux d'intérêt, des rendements de récolte ou des dirigeants politiques modifie immédiatement le risque d'une crise financière ou d'une réforme institutionnelle.
  • Formes fonctionnelles flexibles: Les chercheurs peuvent choisir entre des modèles paramétriques, semi-paramétriques et non paramétriques en fonction de la forme du danger de base. Si la théorie suggère que le risque d'un événement augmente au fil du temps (dépendance de durée positive) ou diminue (dépendance de durée négative), des modèles paramétriques comme le Weibull peuvent tester ces hypothèses directement.
  • Comparaison des taux de risque entre les groupes[: L'AEM permet de comparer facilement les courbes de survie entre les différentes périodes historiques, régions ou types de régimes. Les tests de classement en log et les modèles stratifiés permettent aux chercheurs de se demander si le moment des récessions dans les périodes de référence par rapport aux périodes de monnaie fiduciaire était statistiquement différent.
  • Intégration avec les risques concurrents: Dans de nombreux contextes historiques, de multiples types d'événements peuvent se produire — par exemple, un pays peut par défaut, reporter ou recevoir un sauvetage.

Défis et limites dans l'application de l'AAE aux données historiques

Malgré son pouvoir, l'analyse de l'histoire des événements n'est pas sans défis lorsqu'elle est appliquée aux données économiques historiques.

Qualité et disponibilité des données

Les données historiques sont souvent rares, mesurées avec erreur ou disponibles uniquement à intervalles de temps grossiers. Par exemple, les estimations du PIB au XIXe siècle peuvent être calculées uniquement annuellement ou même décennalement, tandis qu'une panique bancaire pourrait se manifester au fil des jours ou des semaines. De telles erreurs temporelles peuvent biaiser les estimations des risques, surtout si les événements sont motivés par des fluctuations à court terme qui ne sont pas saisies dans les données.

Hypothèses et spécifications du modèle

Les hypothèses sur la forme du danger de base, les dangers proportionnels et la forme fonctionnelle des effets de covariables sont souvent difficiles à vérifier avec les données historiques. L'hypothèse de risques proportionnels – que l'effet d'une covariable est constant au fil du temps – est fréquemment violée lorsque, par exemple, l'impact d'une découverte d'or sur les changements de risque par défaut au fur et à mesure que le système monétaire international évolue.

Hétérogénéité non observée

Même avec de larges ensembles de covariables, les différences non observées entre les unités historiques (banques, pays, entreprises) peuvent biaiser les estimations de risque vers une dépendance négative à la durée — les événements qui font apparaître des événements semblent moins probables au fil du temps simplement parce que les unités les plus frêles ont déjà échoué. Les modèles de survie standard peuvent expliquer l'hétérogénéité non observée par des termes fragiles, mais l'identification de ces modèles nécessite de multiples observations par unité ou de fortes hypothèses de distribution.

Interprétation dans le contexte historique

Les résultats statistiques de l'EHA doivent toujours être interprétés dans le contexte riche des événements historiques. Un rapport de risque montrant que les augmentations tarifaires doublent le risque d'une crise financière n'explique pas en soi l'économie politique qui a conduit à ces augmentations tarifaires. Le récit historique, les preuves qualitatives et les détails institutionnels demeurent essentiels pour donner un sens aux chiffres.

Étude de cas : Calendrier des manquements souverains pendant la norme classique d'or, 1870-1914

Pour illustrer le pouvoir de l'EHA dans la recherche économique historique, considérez l'analyse des défauts souverains à l'époque de la norme d'or classique (1870–1914). Pendant cette période, de nombreux pays ont adopté la convertibilité de l'or, qui était censée faire respecter la discipline fiscale.

Une étude typique pourrait recueillir des données sur 30 pays sur 44 ans, enregistrant l'année de chaque défaut et un ensemble de covariables : le rapport entre la dette publique et le PIB, le niveau des réserves d'or, l'ouverture de l'économie (rapport commerce-PIB), le type de régime politique (démocratie et autocratie) et l'apparition de guerres.

Si le paramètre de forme est supérieur à 1, il indique que plus un pays maintient sa solvabilité, plus le risque immédiat de défaut est élevé, ce qui est conforme à un argument de fatigue de la dette. Une dépendance négative à la durée (forme < 1) pourrait également indiquer que les pays qui ont survécu aux premières années de l'adhésion standard à l'or sont devenus de plus en plus stables. Le cadre de l'AAE permet au chercheur de démêler ces dynamiques et d'examiner comment la covariance, comme une baisse soudaine des recettes d'exportation (covariable variable temporelle), a affecté le risque dans les années précédant une crise.

Ce cas démontre comment l'ASE transforme les données historiques en données analytiques rigoureuses sur les causes des événements économiques, tout en respectant la nature chronologique des processus historiques.

Conclusion

L'analyse de l'histoire des événements fournit aux économistes historiques une trousse d'outils puissante et flexible pour étudier le moment et les causes des événements économiques. En se concentrant sur la durée et le risque, l'EHA va au-delà des résultats binaires et éclaire le développement continu du changement économique. Sa capacité à intégrer des données censurées, des covariables temporelles et des types d'événements multiples le rend particulièrement utile pour les types de données avec lesquelles les historiens travaillent – incomplètes, messeuses, mais riches en variations temporelles.

La qualité des données historiques, la validité des hypothèses du modèle et la nécessité d'une interprétation contextuelle imposent des contraintes. Utilisée avec soin, l'ASE peut compléter l'histoire narrative traditionnelle et d'autres méthodes quantitatives, telles que les différences de différence ou les variables instrumentales, offrant des indications que ni l'une ni l'autre approche ne peut réaliser.

Pour plus de détails sur la méthodologie, consultez cette vue d'ensemble de l'analyse de survie ou Allison=s texte fondamental sur l'analyse de l'historique des événements.Une application empirique classique peut être trouvée dans Calomiris et Gorton=s étude des paniques bancaires, qui démontre beaucoup des techniques discutées ici.