hat arbeitslosikeit den aufstieg des nationalsozialismus bewirkt? la montée du national- socialisme...

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