Introduction : Pourquoi les données du Groupe de travail sont importantes pour l'histoire économique

La recherche économique historique a subi une profonde transformation méthodologique au cours des trois dernières décennies. L'adoption de méthodes de données par panel — techniques qui analysent les données de suivi des mêmes unités (pays, régions, entreprises ou individus) sur plusieurs périodes — a permis aux chercheurs de dépasser de façon décisive les comparaisons transversales simples ou les récits de séries chronologiques. En combinant l'étendue spatiale des données transversales avec la profondeur temporelle des données de séries chronologiques, les méthodes par panel permettent aux historiens économiques de contrôler l'hétérogénéité non observée, d'identifier les relations de cause à effet et de tracer des processus dynamiques qui resteraient autrement cachés.

Qu'est-ce que les données du panneau?

Les données de panel, aussi appelées données longitudinales, consistent en des observations sur les mêmes entités — comme les pays, les États, les industries ou les ménages — sur deux périodes ou plus. Par exemple, un ensemble de données sur le PIB annuel, la population et la qualité institutionnelle dans 50 pays européens de 1800 à 2000 constitue un panel.Cette structure tient compte des variations entre les entités (section transversale) et au sein des entités au fil du temps (série chronologique).

Dans les recherches historiques, les groupes déséquilibrés sont la norme en raison de dossiers incomplets, de guerres ou de changements de frontières politiques. La caractéristique clé qui distingue les données des groupes d'experts des sections communes est la capacité de suivre les mêmes unités à plusieurs reprises, ce qui permet aux chercheurs de contrôler des facteurs inobservables dans le temps qui, autrement, fausseraient les estimations.

Les modèles de données communs des panels comprennent :

  • Modèles d'effets fixes (FE) :[ Contrôle de toutes les caractéristiques spécifiques à l'entité et invariantes dans le temps (p. ex. géographie, culture, institutions initiales) en se concentrant sur la variation à l'intérieur d'une unité au fil du temps.
  • Modèles d'effets de random (RE) : Supposons que les effets spécifiques à une entité ne sont pas corrélés avec les variables explicatives, ce qui permet d'utiliser la variation à l'intérieur et entre les unités. Le test Hausman aide à décider entre FE et RE; dans les contextes historiques, FE est presque toujours préféré parce que l'hétérogénéité non observée est probablement corrélée avec les régresseurs.
  • Estimation de première différence (FD):[ Supprime les effets invariants du temps en soustrayant l'observation de la période précédente de la période actuelle. Particulièrement utile lorsque la corrélation série est présente ou lorsque le panneau a une dimension de temps courte.
  • Modèles de panneaux dynamiques (p. ex., GMM Arellano-Bond):[ Inclure des variables dépendantes décalées pour modéliser la persistance – commun dans les études de croissance, de conflit ou de collance institutionnelle.

Ces méthodes sont décrites en détail dans des manuels économétriques tels que Wooldridges Analyse économétrique des données de section transversale et de panneau (2020). Une bonne introduction peut être trouvée à la page des ressources économétriques de l'American Economic Association.

Applications historiques: De la révolution industrielle à la grande dépression

On a utilisé des méthodes de données de panel pour aborder un large éventail de questions économiques historiques. Ci-dessous, plusieurs exemples illustrant la polyvalence de ces approches sur différentes périodes et unités d'analyse.

Effets des institutions sur la durée de vie

Une contribution fondamentale est le travail d'Acemoglu, Johnson et Robinson (2001, 2002), qui ont utilisé les données des panels internationaux pour examiner l'impact des institutions coloniales sur le développement économique à long terme.En exploitant les variations dans le calendrier de colonisation et le type d'institutions établies (extractives par rapport à inclusivement), ils ont montré que les premiers environnements institutionnels ont des effets persistants sur le PIB par habitant. Leur utilisation de variables instrumentales dans un panel a contribué à résoudre les problèmes d'endogenèse – en particulier, ils ont instrumenté pour les institutions utilisant les taux de mortalité des colons.

Changement technologique et productivité

Les données des panels sont particulièrement adaptées pour étudier la diffusion de la technologie, où les décisions d'adoption sont prises au fil du temps et dans les régions. Par exemple, les historiens économiques ont construit des panels de sociétés pour les usines de textile du XIXe siècle afin d'examiner comment l'adoption de la production du moteur à vapeur a affecté chaque travailleur. En incluant des effets fixes pour chaque moulin, les chercheurs peuvent contrôler la qualité de gestion non observée ou des avantages spécifiques à l'emplacement, en isolant l'effet causal de la nouvelle technologie.

Effets des chocs économiques sur le bien-être

Les chercheurs ont analysé comment les dépenses du New Deal ont influencé l'emploi, la reprise bancaire et les troubles sociaux. En contrôlant les effets fixes de l'État et y compris les effets fixes d'une année, ils peuvent séparer l'impact des politiques fédérales des tendances régionales sous-jacentes. Un exemple classique est Fishback, Horrace et Kantor (2005), qui ont utilisé des données annuelles du panel dans tous les États pour estimer le multiplicateur d'emploi des dépenses de travaux publics et de secours, en trouvant que chaque dollar des dépenses du New Deal a augmenté les revenus d'environ 60 cents.

Disparités régionales et convergence

Des tests unitaires et des régressions de convergence ont été appliqués aux données historiques sur le revenu par habitant dans les régions européennes du 19e siècle.Ces méthodes permettent de déterminer si les régions les plus pauvres sont en phase de rattrapage vers les régions les plus riches (bêta-convergence) et si la dispersion des revenus diminue (convergence-sigma).Par exemple, une étude utilisant un panel de 71 régions françaises et allemandes de 1840 à 1910 a trouvé des preuves solides de convergence dans chaque pays, motivées en grande partie par la libéralisation du commerce et la mobilité des facteurs.

Capital humain et évolution démographique

En construisant des panneaux historiques sur les taux de natalité, les taux de mortalité et l'alphabétisation dans des centaines de districts de Suède ou des États-Unis, les chercheurs ont examiné le rôle causal de l'éducation de masse dans la réduction de la fécondité.Les modèles à effet fixe qui contrôlent les caractéristiques des districts permanents (comme la composition religieuse ou le climat) révèlent que l'introduction de lois sur la scolarité obligatoire a considérablement accéléré la baisse des taux de natalité.Un exemple notable est le travail de Becker, Cinnirella et Woessmann (2010), qui ont utilisé un panel de comtés prussiens de 1849 à 1914 pour démontrer que l'éducation a réduit la fécondité en modifiant les compromis entre la qualité et la quantité - parents ont investi davantage dans moins d'enfants.

Conflits et économie politique

Ainsi, Besley et Reynal-Querol (2014) ont construit un panel de groupes ethniques africains au cours du XXe siècle pour examiner comment les institutions précoloniales ont façonné l'incidence de la guerre civile. En incluant les effets fixes de groupe, ils pouvaient contrôler des facteurs invariables comme la géographie ou la langue, en isolant l'effet des changements de centralisation politique. De même, Dincecco et Prado (2012) ont utilisé un panel d'États européens de 1600 à 1900 pour montrer que la centralisation fiscale, mesurée par la part des recettes fiscales collectées par le gouvernement central, a réduit la fréquence des guerres interétatiques.

Avantages des méthodes de données de panel dans la recherche historique

Les avantages de l'utilisation des données des panels dans l'histoire économique sont nombreux et souvent critiques pour une inférence causale crédible.Ces avantages expliquent pourquoi les méthodes des panels sont devenues le cadre par défaut pour l'analyse quantitative historique.

  • Le contrôle de l'hétérogénéité non observée: Les études historiques sont entachées de variables omises telles que la culture, la géographie ou la qualité institutionnelle persistante.
  • Découvrez les relations dynamiques :[ Les données du panel permettent aux chercheurs de modéliser les effets décalés, les processus d'ajustement et la dépendance à l'égard du cheminement.Par exemple, l'effet d'un changement de politique au cours d'une décennie ne peut se concrétiser que des décennies plus tard, ce qui ne permet pas de saisir les données transversales.
  • La combinaison de périodes multiplie le nombre d'observations, ce qui conduit à des estimations plus précises et à la capacité de détecter des effets de faible importance mais économiquement significatifs.
  • Erreur de mesure manuelle par plusieurs observations :[ Lorsque les enregistrements historiques contiennent des erreurs aléatoires mais sont non biaisées, les estimateurs de panneaux permettent de mesurer en moyenne certains bruits. Dans certains cas, l'utilisation de deux périodes peut même permettre de corriger l'erreur de mesure classique par des variables instrumentales.
  • Les ensembles de données de panel permettent aux chercheurs de vérifier si une relation existe non seulement entre les régions, mais aussi à l'intérieur des régions, car les conditions historiques changent.Cette variation à l'intérieur d'une unité est souvent la seule source d'identification lorsque les unités diffèrent de plusieurs façons non mesurées.

Pour une étude détaillée de ces avantages dans des contextes historiques, voir cet article dans le Journal of Economic History.

Défis et comment les historiens les surmontent

Malgré leur pouvoir, les méthodes de panel présentent des difficultés uniques lorsqu'elles sont appliquées aux données historiques. Heureusement, les chercheurs ont élaboré des stratégies pour atténuer bon nombre de ces problèmes, combinant souvent des techniques économétriques et des connaissances historiques profondes.

Disponibilité et qualité des données

Les données historiques sont souvent rares, recueillies irrégulièrement et sujettes à des définitions changeantes. Par exemple, les estimations du PIB pour le XIXe siècle reposent sur des approximations telles que les recettes fiscales, la population urbaine ou la production industrielle.

  • Technique d'amputation: L'imputation ou l'interpolation multiple peut combler des lacunes lorsque les données manquent au hasard. Par exemple, si un pays manque de PIB pendant quelques années en raison de la guerre, l'interpolation des années voisines peut être acceptable.
  • En utilisant des solutions de remplacement :[ Les feux de nuit (des images satellitaires rétroréfléchies), les registres de propriétés ou les indices de prix ont été utilisés comme substituts aux mesures manquantes de revenu dans les contextes préindustriels.
  • Limiter l'échantillon à des périodes avec des données fiables:[ De nombreuses études de panel se concentrent sur l'époque post-1820 où les comptes nationaux sont devenus plus normalisés, ou elles limitent l'analyse à des périodes sans changements territoriaux majeurs.

Spécification du modèle et hétérogénéité

Dans les contextes historiques, cette corrélation est presque certaine, par exemple, les régions ayant une dotation initiale plus favorable peuvent également adopter de meilleures politiques. Par conséquent, les modèles à effets fixes sont généralement préférés. Pourtant, même dans les cas d'effets fixes, les chercheurs doivent décider s'il faut inclure des effets temporels (pour contrôler les chocs communs tels que les guerres ou les cycles économiques mondiaux). Les tests Hausman et l'inclusion des tendances temporelles sont une pratique courante. De plus, lorsque le panel a une dimension de longue date, les chercheurs doivent déterminer si l'effet de l'intérêt varie au fil du temps – par exemple, l'impact des chemins de fer sur les valeurs foncières peut avoir été plus important au début du XIXe siècle que plus tard.

Brises potentielles

Plusieurs formes de biais sont particulièrement aiguës dans les données historiques des panels :

  • Praiement d'attrition:[ Dans les longs panneaux, certaines unités peuvent abandonner (p. ex., en raison de la dissolution ou de l'annexion de l'état). Si l'attrition est corrélée au résultat, les estimations deviennent incohérentes.
  • Erreur de mesure : L'erreur de mesure classique dans un régressif variable dans le temps entraîne un biais d'atténuation. Les méthodes de variables instrumentales (IV), comme l'utilisation d'une troisième période pour l'instrument pour la variable mal mesurée, peuvent aider.
  • Corrélation sérielle:[ Les erreurs dans les données des panels sont souvent corrélées avec le temps. Les erreurs standard robustes regroupées au niveau de l'entité (par exemple, le pays) sont maintenant standard, et certaines études utilisent des erreurs standard corrigées par panel ou des spécifications autorégressives.

Confondateurs d'endogéniité et de variacité temporelle

Par exemple, un changement de politique qui coïncide avec une récession peut sembler préjudiciable même si cela est bénéfique. Les différences de conception avec adoption échelonnée sont une solution commune, souvent estimée par des effets fixes à deux voies (effets unitaires et effets temporels). Cependant, des recherches récentes ont montré que les effets fixes à deux voies peuvent être biaisés lorsque les effets du traitement sont hétérogènes entre les unités ou au fil du temps. Plus récemment, les économistes ont développé des méthodes dynamiques de DiD (Callaway & Sant , 2021; Goodman-Bacon, 2021) qui sont valides avec des effets de traitement hétérogènes — une avancée cruciale pour les études historiques où les politiques se déroulent à différents rythmes dans différents endroits. Par exemple, une étude de l'introduction de la scolarité publique dans les États américains de 1830 à 1900 pourrait utiliser ces nouvelles méthodes pour estimer l'effet moyen du traitement sur les traités, même si certains États ont adopté plus tôt que d'autres et que l'effet de la scolarité a peut-être changé au fil du temps.

Méthodes émergentes: panneaux dynamiques et panneaux spatiaux

Les panneaux dynamiques, y compris les variables dépendantes ou les paramètres autorégressifs, permettent aux chercheurs de modéliser les vitesses de persistance et d'ajustement. L'estimateur Arellano-Bond (1991) et ses extensions (Blundel-Bond, 1998) sont maintenant utilisés pour étudier des sujets comme la persistance des inégalités régionales, où le revenu actuel dépend du revenu passé. Cependant, les panneaux historiques ont souvent une dimension longue (T large) et un N modéré, ce qui signifie que le biais Nickell (qui affecte les FE dynamiques lorsque T est petit) est moins sévère.

Les modèles de panneaux spatiaux expliquent les retombées d'une unité à l'autre, par exemple la propagation de l'innovation d'une région à l'autre. L'ignorance de la dépendance spatiale peut conduire à des biais variables omis parce que les résultats obtenus dans une unité sont corrélés avec les résultats obtenus dans les unités voisines par des chocs non observés.Les modèles de décalage et d'erreur spatiale, intégrés à des effets fixes, deviennent plus courants dans les analyses historiques de l'adoption de technologies, de la contagion des conflits et des réseaux commerciaux.

Conclusion : Élargir les possibilités d'enquête historique

Les méthodes de données des panels sont devenues des outils indispensables pour les historiens économiques.En tirant parti des observations répétées des mêmes unités au fil du temps, les chercheurs peuvent contrôler les facteurs de confusion non observables, modéliser les processus dynamiques et obtenir des estimations plus fiables des effets causaux.L'historique est rempli d'expériences naturelles – changements institutionnels, guerres, percées technologiques – qui peuvent être analysées de façon crédible avec les techniques des panels.À mesure que les données historiques deviennent numérisées et harmonisées – des projets comme Clio-Infra, le projet Cartographie médiévale[ et l'initiative []]]]]][F=F=F=F=F=F=F

Les méthodes de panel ne sont pas une panacée; elles exigent une attention particulière à la structure des données, à la définition des unités et à la pertinence historique de l'identification des hypothèses. Lorsqu'elles sont utilisées avec soin, les méthodes de panel éclairent les modèles qui, autrement, resteraient enfouis dans des silences d'archives. Elles nous permettent de nous poser non seulement ce qui s'est passé dans l'histoire, mais aussi pourquoi cela s'est produit — une question au cœur même de l'histoire économique.