Del 2 sluttede med et nulresultat. Denne del handler om, hvorfor det nulresultat var det forkerte at lede efter.
Alle estimater indtil nu presser 44 år sammen til ét tal. Det er standardpraksis, og det bærer en antagelse, ingen normalt siger højt: at den sammenhæng, man estimerer, er den samme sammenhæng i 1983 som i 2021. Vores stikprøve rummer afslutningen på den kolde krig, WTO’s oprettelse, Kinas optagelse, en global finanskrise og en pandemi. At antage stabilitet hen over alt det er en stærk påstand at fremsætte i tavshed.
Så vi testede den. Vi genestimerede baseline på rullende ti-års vinduer — 1980-1989, så 1981-1990, og så videre til 2014-2023 — hvert vindue en selvstændig regression, hver afsat ved vinduets slutår.
Koefficienten ligger ikke stille. I vinduer, der slutter før 2015, er den lille, ustabil og for det meste insignifikant. I vinduet, der slutter i 2018 — det første med udelukkende observationer efter krisen — lander samlet globalisering på 0,186 og passerer 1 %-niveauet. I 2023 er den 0,183 og fortsat signifikant. Social og politisk globalisering følger samme bane. Økonomisk globalisering er undtagelsen: signifikant negativ i det tidligste vindue og aldrig entydigt positiv derefter.
En Chow-test i 2008 bekræfter det formelt og forkaster parameterstabilitet for alle fire indeks med F-værdier mellem 4,9 og 9,9. Opgavens konklusion er altså ikke “globalisering betyder ikke noget”. Den er, at én langsigtet koefficient er det forkerte objekt. Den midler hen over perioder, der ikke ligner hinanden, og gennemsnittet ligger tæt på nul, fordi delene peger hver sin vej.
Det forklarer i øvrigt litteraturens uenighed bedre, end nogen enkelt artikel gør. Yay og Aksoy rapporterer insignifikante baseline-resultater med data til 2010 — hvilket ifølge vores rullende estimater er før, relationen vender. De tog ikke fejl. De kiggede på en anden periode, og ingen havde påvist, at perioden var variablen.
Der er en fodnote til det her, som vi først nåede efter afleveringen, og den komplicerer vores egen historie.
En Chow-test besvarer et bestemt spørgsmål: er der et brud på den dato, jeg har valgt? Den besvarer ikke hvor bruddet er stærkest. To test gør: QLR sup-Wald-testen, der søger alle kandidatår, og Bai-Perrons sekventielle procedure, der også afgør, hvor mange brud der er. Vi kørte begge.
De er enige med hinanden og uenige med os. QLR placerer bruddet i 1995 for alle fire hovedindeks med sup-F-værdier fra 10,9 til 16,1 mod en 5 %-kritisk værdi på 8,68. Bai-Perron vælger 1995 for syv ud af ni indeks, hvert med ét brud. Det stærkeste brud af alle er handelsglobalisering med 13,21 — bemærkelsesværdigt, fordi handel ligger inde i det økonomiske indeks, som ellers aldrig bliver signifikant nogen steder i opgaven.
Den umiddelbare reaktion er, at 2008 var forkert. Det er værd at se på F-statistikkens forløb, før man konkluderer det. Kurven topper i 1995, falder klart under den kritiske værdi gennem begyndelsen af 2000’erne og stiger så til en anden top omkring 2008-09, som også passerer 5 %-linjen. Begge datoer er reelle brud. 1995 er blot det største.
Vores læsning: ustabiliteten byggede sig op fra midten af 1990’ernes globaliseringsacceleration — Uruguay-runden, WTO’s oprettelse — og finanskrisen forstærkede et skift, der allerede var i gang, snarere end at sætte det i gang. Vores Chow-test fandt noget ægte. Den fandt bare det næststørste brud, fordi vi fortalte den, hvor den skulle lede.
Hvilket er en passende måde for projektet at slutte på. Opgavens bidrag er ikke en koefficient. Det er iagttagelsen, at denne litteratur har skændtes om værdien af en parameter, der ikke ligger stille — og den lille, en anelse ubehagelige demonstration af, at når man holder op med at påtvinge data sine antagelser, fortæller de gerne, at man valgte den forkerte.