hat arbeitslosikeit den aufstieg des nationalsozialismus bewirkt? la montée du national- socialisme...
TRANSCRIPT
Hat Arbeitslosikeit den Aufstieg des Nationalsozialismus bewirkt?
La montée du National-socialisme a-t-elle été
influencée par le chômage?
Introduction - rappel historique Article de Frey & Weck Article de Falter (critiques de F&W) Article de Stögbauer (problème de corrélation) Nouvelle approche (last square dummies
variables aproach) Application aux chiffres de F&W Conclusion
Table de matière
La première guerre mondiale
Défaite allemande, avec pour conséquences le traité de Versailles
Lourdes sanctions militaires et économiques (réparations)
1922-1923Première crise économique
Gros problèmes de chômage et d’inflation Putsch de novembre 23 – échec Soutien américain: prêts, libération de la
Ruhr Aux élections de 1928, le NSDAP obtient
2,6% des voix
Grande crise de 29
Les deux grands pays les plus touchés sont l’Allemagne et les Etats-Unis
chômage en Allemagne
0%
10%
20%
30%
40%
50%
60%
mai 1930 déc 1930 juin 1931 janv 1932 juil 1932 févr 1933
L’étude de F&W est le premier examen scientifique et statistique de l’idée:
La situation conjoncturelle de l’Allemagne à cette époque là (mesurée par le taux de chômage) a été une des causes principales de la montée du NSDAP.
Qu’est-ce? Données en coupe transversale mesurées sur
plusieurs périodes.
Avantages et inconvénients + Permet d’obtenir davantage d’observations + Le lien entre 2 variables est étudié dans plusieurs
dimensions, on gagne de l’information. - Il faut faire un test préalable pour déterminer si les
données peuvent être mises ensemble (homogénéité).
Données de panel
Test de stabilité du modèle
Dans l’étude de Frey et Weck : test de Fisher Le test permet de déterminer si les données peuvent être
considérées dans leur ensemble :
Qui suit une distribution de Fisher à k+1 et N-2k-2 d.d.l. Avec URSS = somme des résidus 2 de chacune des régression en
coupe transversale RRSS = somme des résidus 2 de la régression avec toutes les données Avec 7 et 38 d.d.l. un Fcalc < 2,09 il n’y a pas de rupture entre les
données des 4 coupes transversales.
)22/(
)1/()(
kNURSS
kURSSRRSSF
Tableau des résultats
Résultats de Frey&Weck
En résumé : Une relation significativement positive entre
le chômage et le vote pour le parti national-socialiste
Une relation significativement négative pour les partis au pouvoir
Des doutes quant à la stabilité du modèle...
Article de Jürgen Falter
« Hat Arbeitslosikeit tatsächlich den Aufstieg des Nationalsozalisumus bewirkt »
Ce article est paru en 1985
Article de Jürgen Falter
Critique:• Error in data• 13 observations par élection• Utilisation des données non-récentes• Pas de pondération• Fausses données• Arbeitslosenquote ≠ taux de chômage• Data pooling
Data Pooling - l’analyse de Frey&Weck
0%
20%
40%
60%
0% 20% 40% 60% 80%
Arbeitslosenquote
résultat
NS
DA
P
Deuxième coup d’oeil
0%
20%
40%
60%
0% 20% 40% 60% 80%
Arbeitslosenquote
résu
ltat
NS
DA
P
septembre 1930
juillet 1932
novembre 1932
mars 1933
Deuxième coup d’oeil
0%
20%
40%
60%
0% 20% 40% 60% 80%
Arbeitslosenquote
résu
ltat N
SD
AP
septembre 1930
juillet 1932
novembre 1932
mars 1933
Article de C. Stögbauer
« The Radicalization of the German Electorate: Swinging to the right and the Left at the End
of the Weimar Republic»
Ce article est paru en 1997
Donc un des articles des plus récents
Article de C. Stögbauer
• 5 élections• 830 observations (communes électorales)
par élection• Variables explicatives:
• Revenu (-> autre indicateur économique)• Taux de chômage• Résutat précédentModèle:
Yt=const + a*revenu + b*chômage + c*yt-1
Le modèle
NSDAP = 30 + 0.2*X + 0.5*Chomage + 30*dumN8 + 30*dumN9 + 30*dumN10 + 2*nrnd
X = 50 + 5*nrnd Chômage = 50 – 30*dumtT1-20*dumt2-
10*dumt3+2*nrnd
=> Trend: + 10 chaque année
0
4
8
12
16
20
0.525 0.550 0.575 0.600 0.625 0.650 0.675
Series: PMCHOMOLSSample 1 100Observations 100
Mean 0.585568Median 0.590077Maximum 0.672626Minimum 0.516974Std. Dev. 0.027686Skewness -0.015346Kurtosis 3.195041
Jarque-Bera 0.162429Probability 0.921996
0
2
4
6
8
10
12
4.50 4.75 5.00 5.25 5.50 5.75 6.00
Series: TCHOMAGESample 1 100Observations 100
Mean 5.289598Median 5.304306Maximum 6.049375Minimum 4.318872Std. Dev. 0.318164Skewness -0.195711Kurtosis 3.435715
Jarque-Bera 1.429412Probability 0.489336
-20
-10
0
10
20
30
40
40
50
60
70
80
90
100
5 10 15 20 25 30 35 40 45 50
Residual Actual Fitted
One-way Error Component Regression Model
Yit = α + X’itβ + uit i = 1,...,N t = 1,...,T
uit = εi + vit
Least squares dummy variables
Ls NSDAP c chomage x dumN1
dumN2 dumN3 dumN4 ... dumN12
Perte de degrés de liberté!!!!
0
1
2
3
4
5
6
7
8
9
0.00 0.25 0.50 0.75
Series: PMCHOMDUMSample 1 100Observations 100
Mean 0.517740Median 0.524950Maximum 0.859232Minimum -0.079357Std. Dev. 0.175521Skewness -0.313291Kurtosis 3.261789
Jarque-Bera 1.921414Probability 0.382622
0
4
8
12
16
20
0.00 1.25 2.50 3.75 5.00 6.25
Series: TCHOMAGEDUMSample 1 100Observations 100
Mean 3.080353Median 3.059775Maximum 6.149012Minimum -0.504712Std. Dev. 1.174559Skewness 0.299039Kurtosis 3.528699
Jarque-Bera 2.655081Probability 0.265128
-4
-2
0
2
4
6
40
50
60
70
80
90
100
5 10 15 20 25 30 35 40 45 50
Residual Actual Fitted
Passage par la différence
IdéeTransformer les données en soustrayant à chaque variable la moyenne sur les périodes pour éliminer les effets spécifiques à un Wahlbezirk.
Faire une régression entre les différences:
ls nsdap(diff) chômage(diff) x(diff)
0
2
4
6
8
10
0.45 0.50 0.55 0.60
Series: PMCHOMDIFFSample 1 100Observations 100
Mean 0.506383Median 0.508227Maximum 0.596077Minimum 0.425944Std. Dev. 0.030199Skewness -0.195628Kurtosis 3.446721
Jarque-Bera 1.469341Probability 0.479663
0
2
4
6
8
10
12
14
16
15.0 17.5 20.0 22.5 25.0 27.5 30.0
Series: TCHOMAGEDIFFSample 1 100Observations 100
Mean 20.88942Median 20.39639Maximum 30.75670Minimum 14.34251Std. Dev. 2.755205Skewness 0.869618Kurtosis 4.267595
Jarque-Bera 19.29891Probability 0.000064
-4
-2
0
2
4
6
-20
-10
0
10
20
5 10 15 20 25 30 35 40 45 50
Residual Actual Fitted
Two-way Error Component Regression Model
Yit = α + X’itβ + uit i = 1,...N t = 1,...,T
uit = εi + λt + vit
Application à Frey & Weck
)yyyy(y itit
diffdiffdiff wahlbetalqnsdap
Calcul appliqué au données
La régression :
Conséquences pour le modèle
Les variables constantes à travers le temps sont éliminées
(F&W avait eu un problème avec ces dernières)
Le modèle permet d’éliminer les facteurs spécifiques à chaque période
Les résultats
Influence du chômage = -0.1005
t-stat : -1.26 (non-significatif)
Chômage est donc une variable qui n’explique aucunement le résultat des éléctions
Ceci est l’inverse des résultats de F&W
Résultat II
Influence du taux de participation = 0.76
t-stat : 2.76 (significatif)
Ce chiffre semble beaucoup trop élevé
MAIS
R2 = 0.16 Le modèle n’explique donc pas grand chose Il n’est donc pas possible, avec cette
nouvelle méthode, de prouver l’influence du chômage sur le résultat des éléctions
L’article de F&W pose quelques problèmes. Une autre méthode d’estimation se révèlerait
meilleure (d’après la simulation). Mais elles ont été découvertes après. Malheureusement, nous n’obtenons pas de
résultats intéressants avec cette méthode.
Qualitativement, on peut dire que sans la Grande Crise, les national-socialistes ne seraient pas arrivés au pouvoir (test d’hypothèse)
Les prévisions de F&W parlent d’un maximum de 23% des voix pour les nazis (au lieu de 43.9%).
Hat die Wirtschaftskrise den Aufstieg des Nationalsozialismus bewirkt?
La réponse est clairement oui.
Bibliographie:
FREY, WECK, Hat Arbeitslosigkeit den Aufstieg des Nationalsozialismus bewirkt? 1981
FALTER, LOHNMöLLER, LINK, de RIJKE, Hat Arbeitslosigkeit tatsächlich den Aufstieg des Nationalsozialismus bewirkt? 1985
STöGBAUER, The radicalization of the German Electorate: Swinginf th the Right and the Left at the End of the Weimar Republic 1997
www.weimar-voting.de www.vwl.uni-muenchen.de/ls_komlos/christian.html BALTAGI, Economic Analysis of Panel Data, 1996 DORMONT, Introducton à l ’économétrie des données de
panel, 1989