Introduzione: Il ruolo essenziale dei dati di Wage e di prezzo di Long‐Run

La costruzione di una serie di salari e prezzi storici coerente è un'attività fondamentale nell'economia empirica. Queste serie – spesso allungando i secoli indietro – forniscono la materia prima per capire come gli standard di vita, i mercati del lavoro e i livelli di prezzo si sono evoluti. Senza dati storici affidabili, gli economisti non possono testare teorie di crescita a lungo termine, valutare l'impatto della politica monetaria o fiscale, o calibrare modelli utilizzati per la previsione.

Perché Serie di Wage e Prezzo Storico Materia per la Modellazione

I modelli economici si basano sulle stime dei parametri che sono generalmente derivate dai dati storici. Le serie di prezzi e di Wage offrono la dimensione temporale che rende queste stime significative.

  • Fluttuazioni cicliche separate dalle tendenze secolari.
  • Identificare le rotture strutturali causate da guerre, depressioni o cambiamenti tecnologici.
  • Teorie di prova della distribuzione del reddito, della dinamica dell'inflazione e della crescita della produttività.
  • Calibrare modelli di equilibrio generale stocastico dinamico (DSGE) e altri macro framework.

Per esempio, un modello che cerca di spiegare perché i salari reali sono stati stagnati in alcune economie, mentre la produttività è aumentata deve essere messa a terra in dati salariali e di prezzo che sono comparabili tra decenni. Allo stesso modo, i regimi di inflazione targeting dipendono dagli indici di prezzo che catturano con precisione il comportamento storico. La credibilità di un tale modello poggia sulla qualità della serie sottostante, rendendo lo sviluppo attento un presupposto per l'analisi del suono.

L'osservazione dei salari o dei prezzi del 1800 non è direttamente paragonabile a quella del 2025 perché le merci consumate, i tipi di occupazione e i metodi di raccolta dei dati differiscono radicalmente. La serie storica deve quindi essere collegata attraverso accurati aggiustamenti e splicing. Un dollaro moderno non acquista lo stesso cesto di un dollaro del 1920; i cambiamenti decennali delle preferenze dei consumatori, della qualità del prodotto e degli standard di misura richiedono una vigilanza costante.

Le sfide principali nella costruzione di serie storiche affidabili

Lo sviluppo di serie di salari e prezzi che coprono più di pochi decenni presenta un insieme unico di difficoltà, che possono essere raggruppate in scarsità di dati, cambiamenti nelle definizioni e la necessità di standardizzazione.

Scarsità dei dati e fonti frammentarie

Prima del XX secolo, la raccolta sistematica dei salari e dei prezzi era rara. I ricercatori devono fare affidamento su documenti frammentari: i registri dei commercianti, i rotoli paganti di beni, pubblicità di giornale e rapporti governativi che erano spesso ad hoc. In molti paesi, i dati salariali esistono solo per professioni specifiche (ad esempio, lavoratori agricoli, carpentieri) o regioni. La sfida è generalizzare da queste osservazioni sparse a una media nazionale.

  • Mediazione attraverso variabili proxy[[] – Se i salari per i lavoratori qualificati sono mancanti, i ricercatori possono utilizzare tassi di lavoro agricolo diurno come sostituto, regolando per i premi di abilità.
  • L'interpolazione tra gli anni del censimento[[] – Quando i dati sono disponibili solo ogni decennio, l'interpolazione lineare o log-lineare riempie le lacune.
  • Riconciliazione di fonte multiforme[[] – Il confronto dei listini di prezzo da diverse aree aiuta a identificare le biasimazioni sistematiche (ad esempio, il costo urbano e rurale della vita).

Anche con questi metodi, i dati primitivi portano margini di errore ampi. Riconoscere queste incertezze nelle specifiche del modello è fondamentale.

Modifiche delle definizioni e dei sistemi di classificazione

I titoli professionali, le classificazioni industriali e i cesti di consumo si spostano nel tempo. Un “noi” nel 1800 potrebbe lavorare su un telaio; entro il 1900, lo stesso termine potrebbe riferirsi ad un operatore di macchine di fabbrica. Allo stesso modo, il prezzo di un “caffa di pane” cambia di dimensioni, qualità e anche tipo di pane.

Regolazioni di inflazione e la distinzione reale-nominale

I salari reali sono salari nominali divisi per un indice dei prezzi. La costruzione di un indice dei prezzi significativo per i lunghi periodi è di per sé un compito complesso. L'indice deve: (a) includere un paniere rappresentativo di merci, (b) conto di variazioni di qualità, (c) utilizzare pesi coerenti, e (d) riflettere il costo della vita per la popolazione target (ad esempio, i lavoratori urbani e gli agricoltori).

Approcci metodologici per la costruzione di serie Long-Run

Sono stati sviluppati diversi metodi statistici e storici per superare le sfide dei dati, che condividono un obiettivo comune: produrre una serie di tempo coerente che può essere utilizzata nell'analisi econometrica.

Digitizzazione delle fonti primarie e ricerca Archival

Molti database storici sono costruiti con dati di trasferimento a mano da record originali. Il MeasuringWorth project[, ad esempio, ha compilato migliaia di osservazioni salariali e di prezzo per gli Stati Uniti e il Regno Unito, tracciando pubblicazioni governative, almanaci commerciali e studi accademici.

Standardizzazione e tabelle di Sacra Bibbia

Quando si collegano a serie da fonti diverse, i ricercatori creano tabelle di concordanza che mappano i titoli professionali e le descrizioni delle materie prime da un periodo all'altro. Ad esempio, l'Ufficio delle statistiche del lavoro degli Stati Uniti (BLS) ha pubblicato un Consumer Expenditure Survey]] dal 1880, ma le categorie cambiano nel tempo.

Backcasting e Imputazione

Quando esistono dati per il periodo moderno ma non per il passato lontano, gli economisti possono backcast utilizzando relazioni conosciute. Ad esempio, se il PIL reale e la quota salariale sono noti per alcuni anni di riferimento, si può imputare la serie di salari mancanti utilizzando una funzione di produzione. Allo stesso modo, le serie di prezzi per i beni specifici possono essere imputed da prodotti correlati (ad esempio, utilizzando i prezzi del riso per riempire le lacune per la sensibilità grossolana quando mancanti).

L'uso di acquisto di energia Parity (PPP) per confronti internazionali

Per confrontare i salari reali tra le nazioni, i ricercatori devono convertire le valute locali utilizzando tassi di cambio PPP piuttosto che i tassi di cambio di mercato. Le banche dati PPP a lungo termine, come quelle fornite dal progetto Maddison o dal OECD Historical Statistics[]], forniscono stime di riferimento che permettono di confronti significativi.

Applicazioni nella modellazione economica

Le serie storiche di salari e prezzi non sono solo curiosità storiche; sono attivamente utilizzate nell'analisi economica moderna e nel design delle politiche.

Valutazione della disuguaglianza dei redditi di lungo raggio

Gli studi di disuguaglianza si basano fortemente sulle serie salariali. Il noto modello a forma di U di disuguaglianza negli Stati Uniti (dal 1920 al 1970, poi in aumento dopo il 1980) deriva dai dati di reddito del lavoro che sono stati accuratamente standardizzati in decenni. Senza una serie di salario costante, sarebbe impossibile confrontare i guadagni di un lavoratore di fabbrica nel 1950 con uno nel 2020.

Riscaldamento-Up il Dibattito della curva di Phillips

La curva di Phillips, il rapporto tra disoccupazione e inflazione salariale, dipende dai dati precisi dei salari. La serie storica aiuta gli economisti a verificare se la curva è stata appiattita o spostata nel tempo. Ad esempio, l'apparente ripartizione della curva di Phillips negli anni '90 ha provocato una riesame della misura salariale: era dovuto ad errori di misura (ad esempio, cambiamenti in forme di compensazione come bonus e benefici) o ad un reale cambiamento della struttura economica?

Indicizzazione della sicurezza sociale e delle pensioni

I governi utilizzano indici di prezzo storici per regolare le prestazioni di previdenza sociale, i pagamenti pensionistici e le parentesi fiscali per l'inflazione. La scelta dell'indice di prezzo — Indice di prezzo di consumo per tutti i consumatori urbani (CPI-U) vs. CPI per l'Elderly (CPI‐E), per esempio — può avere grandi effetti fiscali nel tempo.

Calibrazione del modello macroeconomico

I modelli moderni di DSGE richiedono parametri per il salario reale dello stato stabile, il markup dei prezzi rispetto ai costi marginali e l'elasticità della sostituzione tra capitale e lavoro. Questi parametri sono spesso calibrati utilizzando medie storiche della serie salariale e dei prezzi. Ad esempio, una calibrazione dell'economia statunitense potrebbe mirare ad una crescita salariale media storica del 2% all'anno e una quota salariale del 60%.

Case study: The U.S. Bureau of Labor Statistics Historical Wage Series

Il BLS raccoglie dati salariali dal 1884. Il suo programma “Indagine sulle acque industriali”] è iniziato nel 1907, e il “Impiego, ore e guadagni” serie di dati sono stati accuratamente riveduti nel tempo per integrare i cambiamenti nella classificazione industriale

Una sfida importante con i dati BLS è la rottura nel 1940 quando l'agenzia ha cambiato da un concetto di "money salari" a "reali salari" derivato da dati di costo-di-vivente. Per decenni precedenti, sono disponibili solo salari nominali, che richiedono al ricercatore di applicare un deflatore. Il BLS fornisce il proprio CPI storico, ma le due serie non sono necessariamente costruite sulla stessa cornice di campionamento.

Case Study: Serie di Wage storiche nel Regno Unito

Il Regno Unito ha una delle più lunghe serie di salario continuo nel mondo, grazie al lavoro di storici economici come E.H. Phelps Brown], Gregory Clark, e Robert Allen

Future Directions: Integrazione di Big Data e Fonti Digitali

Nel XXI secolo, gli economisti stanno esplorando nuove fonti come giornali digitalizzati, pubblicità online di lavoro e dati di scanner da negozi al dettaglio. Questi flussi di dati offrono una maggiore frequenza e una maggiore granulosità, ma anche introdurre nuovi biase (ad esempio, solo coprendo le popolazioni collegate a Internet) La sfida è quella di collegare queste moderne serie digitali con i valori storici accuratamente ricostruiti per creare dei principi fondamentali di apprendimento automatico.

Conclusioni

La costruzione richiede una miscela di lavoro investigativo archivistico, abilità statistiche e giudizio teorico sonoro. Mentre i dati sono sempre imperfetti, il processo di costruzione di queste serie costringe i ricercatori ad essere espliciti circa le loro ipotesi, che a sua volta rende i modelli economici più robusti. Se l'obiettivo è quello di capire le cause della Grande Depressione, per calibrare un modello di crescita emergere, o per progettare fonti vitali