Experience Seamless Full Ebook Downloads for Every Genre at textbookfull.

com

Econometrics of panel data : methods and

applications First Edition Biørn

https://textbookfull.com/product/econometrics-of-panel-data-
methods-and-applications-first-edition-biorn/

OR CLICK BUTTON

DOWNLOAD NOW

Explore and download more ebook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Time Series and Panel Data Econometrics First Edition M.

Hashem Pesaran

https://textbookfull.com/product/time-series-and-panel-data-
econometrics-first-edition-m-hashem-pesaran/

textboxfull.com

Principles of Econometrics: Theory and Applications 1st

Edition Mignon

https://textbookfull.com/product/principles-of-econometrics-theory-
and-applications-1st-edition-mignon/

textboxfull.com

Relative fidelity processing of seismic data : methods and

applications 1 edition Edition Wang

https://textbookfull.com/product/relative-fidelity-processing-of-
seismic-data-methods-and-applications-1-edition-edition-wang/

textboxfull.com

Data Analysis with Microsoft Power Bi Brian Larson

https://textbookfull.com/product/data-analysis-with-microsoft-power-
bi-brian-larson/

textboxfull.com
Engineering optimization: applications, methods and
analysis First Edition Rhinehart

https://textbookfull.com/product/engineering-optimization-
applications-methods-and-analysis-first-edition-rhinehart/

textboxfull.com

Advances in Panel Data Analysis in Applied Economic

Research Nicholas Tsounis

https://textbookfull.com/product/advances-in-panel-data-analysis-in-
applied-economic-research-nicholas-tsounis/

textboxfull.com

Time Series Analysis Methods and Applications for Flight

Data Zhang

https://textbookfull.com/product/time-series-analysis-methods-and-
applications-for-flight-data-zhang/

textboxfull.com

Statistical and Fuzzy Approaches to Data Processing, with

Applications to Econometrics and Other Areas: In Honor of
Hung T. Nguyen's 75th Birthday Vladik Kreinovich
https://textbookfull.com/product/statistical-and-fuzzy-approaches-to-
data-processing-with-applications-to-econometrics-and-other-areas-in-
honor-of-hung-t-nguyens-75th-birthday-vladik-kreinovich/
textboxfull.com

Data Science and Social Research II: Methods, Technologies

and Applications Paolo Mariani

https://textbookfull.com/product/data-science-and-social-research-ii-
methods-technologies-and-applications-paolo-mariani/

textboxfull.com
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

Econometrics of Panel Data

OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

Econometrics
of Panel Data
Methods and Applications

Erik Biørn

1
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

3
Great Clarendon Street, Oxford, ox2 6dp,
United Kingdom
Oxford University Press is a department of the University of Oxford.
It furthers the University’s objective of excellence in research, scholarship,
and education by publishing worldwide. Oxford is a registered trade mark of
Oxford University Press in the UK and in certain other countries
© Erik Biørn 2017
The findings, interpretations, and conclusions expressed in this work are entirely
those of the authors and should not be attributed in any manner to the World Bank,
its Board of Executive Directors, or the governments they represent.
The moral rights of the author have been asserted
First Edition published in 2017
Impression: 1
All rights reserved. No part of this publication may be reproduced, stored in
a retrieval system, or transmitted, in any form or by any means, without the
prior permission in writing of Oxford University Press, or as expressly permitted
by law, by licence, or under terms agreed with the appropriate reprographics
rights organization. Enquiries concerning reproduction outside the scope of the
above should be sent to the Rights Department, Oxford University Press, at the
address above
You must not circulate this work in any other form
and you must impose this same condition on any acquirer
Published in the United States of America by Oxford University Press
198 Madison Avenue, New York, NY 10016, United States of America
British Library Cataloguing in Publication Data
Data available
Library of Congress Control Number: 2016937737
ISBN 978–0–19–875344–5
Printed in Great Britain by
Clays Ltd, St Ives plc
Links to third party websites are provided by Oxford in good faith and
for information only. Oxford disclaims any responsibility for the materials
contained in any third party website referenced in this work.
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

P R E FACE

Panel data is a data type used with increasing frequency in empirical research in eco-
nomics, social sciences, and medicine. Panel data analysis is a core field in modern
econometrics and multivariate statistics, and studies based on such data occupy a growing
part of the field in all the mentioned disciplines. A substantial literature on methods
and applications has accumulated, also synthesized in survey articles and a number of
textbooks. Why then write another book on panel data analysis? I hope that some of my
motivation and part of the answer will be given in the following paragraphs.
The text collected in this book has originated, and been expanded through several years,
partly in parallel with courses I have given at the University of Oslo for master’s and
doctoral students of economics. I have been interested in the field, both its models and
methods and applications to social sciences, for more than forty years. The first drafts were
lecture notes, later expanded and synthesized into course compendia, first in Norwegian,
later in English. In compiling the text, I have had no ambition of giving an account of
the history of panel data analysis and its various subfields, some of which have a longer
history than others. Within some 350 pages it is impossible to give a complete coverage,
and the choice of topics, and the depth of discussion of each of them, to some extent reflect
my preferences. Some readers may miss topics like cross-section-time-series analysis in
continuous time, duration analysis, and analysis of non-linear panel data models (outside
the limited dependent variables field). Topics I give specific attention to, more than many
comparable texts, I think, are coefficient identification of models mixing two-dimensional
and individual-specific variables, regression models with two-way random effects, models
and methods for handling random coefficients and measurement errors, unbalanced
panel data, and panel data in relation to aggregation. Problems at the interface between
unbalance and truncation, and between micro-econometrics and panel data analysis, are
also discussed.
It goes without saying that in a book dealing with data showing temporal–spatial vari-
ation, matrix algebra is unavoidable. Although panel data have a matrix structure, such
algebra should not be a core matter. I have experienced that many students starting on the
topic feel parts of the matrix algebra, especially when written in a dense, compact style,
to be an obstacle. I therefore set out to explain many of the models and methods in some
detail to readers coming to panel data analysis for the first time, including students famil-
iar with basic statistics and classical multiple regression analysis, and applied researchers.
Some technical material is placed in appendices. Yet some advanced and ‘modern’ topics
are discussed. Since one of my intentions is that students should be given the chance to
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

vi PREFACE

get an acceptable grasp of basic ideas without having to be involved in extensive matrix-
algebraic exercises, most chapters start with a simple example in scalar (or elementary
vector) notation, and then attempt to take the reader gradually to more complex cases in
fuller matrix notation, even if this necessitates some repetition.
The first chapters survey rather elementary materials. I believe that the initial sections
of the first eight chapters may be useful for bachelor students, provided their knowledge
of multiple regression analysis and basic mathematical statistics is sufficient. Chapters 1–3
and 5 contain mostly basic topics, Chapters 4 and 6–10 contain intermediate level topics,
and Chapters 11 and 12 contain somewhat advanced topics. I have, as far as possible, tried
to keep each chapter self-contained. Yet some connections exist. It may also be helpful to
note that Chapter 6 builds on Chapters 2, 3, and 5, that Chapters 6 and 7 expand topics in
Chapters 2–4, that Chapters 7 and 8 are methodologically related, that Chapter 11 builds
on Chapters 9 and 10, and that Chapter 12 builds on Chapters 3 and 6. Each chapter has
an initial summary, some also have a concluding section.
Some readers may miss exercises with solutions, which would have expanded the size
of the book. On the other hand, examples of applications, some from my own research,
or experiments, and illustrations utilizing publicly available data are included in several
chapters. My view of the panel data field is that the core topics have, to some extent, the
character of being building blocks which may be combined, and the number of potential
combinations is large. Not many combinations are discussed explicitly. Certain potential
combinations—for example, dynamic equations with random coefficients for unbalanced
panel data and random coefficients interacting with limited dependent variables with
measurement errors—have (to my knowledge) hardly been discussed in any existing text.
Although primarily aiming at students and practitioners of econometrics, I believe that
my book, or parts of it, may be useful also for students and researchers in social sciences
outside economics and for students and research workers in psychology, political science,
and medicine, provided they have a sufficient background in statistics. My intention, and
hope, is that the book may serve as a main text for lecturing and seminar education at
universities. I believe that parts may be useful for students, researchers, and other readers
working on their own, inter alia, with computer programming of modules for panel data
analysis.
During the work, I have received valuable feedback from many colleagues and students,
not least PhD students writing their theses, partly under my supervision, on applied panel
data topics. Questions frequently posed during such discussions have undoubtedly made
their mark on the final text. I want to express my gratitude to the many students who
have read, commented on, and in others ways been ‘exposed to’ my notes, sketches, and
chapter drafts. Their efforts have certainly contributed to eliminate errors. I also thank
good colleagues for many long and interesting discussions or for having willingly spent
their time in reading and commenting on drafts of preliminary versions of the various
sections and chapters, sometimes more than once. I regret that I have been unable to take
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

PREFACE vii

all their advice into account. I specifically want to mention (in alphabetical order) Jørgen
Aasness, Anne Line Bretteville-Jensen, John K. Dagsvik, Xuehui Han, Terje Skjerpen,
Thor Olav Thoresen, Knut R. Wangen, and Yngve Willassen. Needless to say, none of
them are to be held responsible for remaining errors or shortcomings. The text has been
prepared by the author in the Latex document preparation software, and I feel obliged
to the constructors of this excellent scientific text processor. Last, but not least, I express
my sincere gratitude to Oxford University Press, in particular Adam Swallow and Aimee
Wright, for their belief in the project and for support, encouragement, and patience.
Erik Biørn
Oslo, March 2016
OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

C O NTEN TS

LIST OF TABLES xvii

1 Introduction 1
1.1 Types of panel variables and data 1
1.2 Virtues of panel data: Transformations 3
1.3 Panel data versus experimental data 8
1.4 Other virtues of panel data and some limitations 9
1.5 Overview 11

2 Regression analysis: Fixed effects models 14

2.1 Simple regression model: One-way heterogeneity 15
2.1.1 Individual-specific intercepts and coefficients 15
2.1.2 Individual-specific intercepts, common coefficient 16
2.1.3 Homogeneous benchmark model 19
2.1.4 How are the estimators related? 21
2.2 Multiple regression model: One-way heterogeneity 23
2.2.1 Individual-specific intercepts and coefficients 23
2.2.2 Individual-specific intercepts, common coefficients 25
2.2.3 Homogeneous benchmark model 27
2.2.4 How are the estimators related? 30
2.3 Simple regression model: Two-way heterogeneity 33
2.3.1 Individual- and period-specific intercepts 33
2.3.2 Homogeneous benchmark model 36
2.3.3 How are the estimators related? 39
2.4 Multiple regression model: Two-way heterogeneity 41
2.4.1 An excursion into Kronecker-products: Definition 41
2.4.2 Matrix formulae with Kronecker-products: Examples 42
2.4.3 Panel data ‘operators’: Bilinear and quadratic forms 43
2.4.4 Individual- and period-specific intercepts 46
2.4.5 Homogeneous benchmark model 49
2.4.6 How are the estimators related? 50
2.5 Testing for fixed heterogeneity 53
2.5.1 One-way intercept and coefficient heterogeneity 54
2.5.2 Two-way intercept heterogeneity 55
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

x CONTENTS

Appendix 2A. Properties of GLS 56

Appendix 2B. Kronecker-product operations: Examples 61

3 Regression analysis: Random effects models 65

3.1 One-way variance component model 66
3.1.1 Basic model 66
3.1.2 Some implications 67
3.2 GLS with known variance components 68
3.2.1 The GLS problem and its reformulation 68
3.2.2 GLS as OLS on transformed data 70
3.2.3 Four estimators and a synthesis 71
3.3 GLS with unknown variance components 74
3.3.1 The problem 74
3.3.2 ‘Estimation’ of variance components from disturbances 75
3.3.3 Synthesis: Stepwise estimation 76
3.3.4 Testing for random one-way heterogeneity 78
3.3.5 Disturbance serial correlation and heteroskedasticity 79
3.4 Maximum Likelihood estimation 81
3.4.1 The problem 81
3.4.2 Simplifying the log-likelihood 82
3.4.3 Stepwise solution 83
3.5 Two-way variance component model 84
3.5.1 Basic assumptions 84
3.5.2 Some implications 85
3.6 GLS with known variance components 87
3.6.1 The problem and its reformulation 87
3.6.2 GLS as OLS on transformed data 88
3.6.3 Five estimators and a synthesis 89
3.7 GLS with unknown variance components 92
3.7.1 The problem 92
3.7.2 ‘Estimation’ of variance components from disturbances 93
3.7.3 Synthesis: Stepwise estimation 95
3.7.4 Testing for random two-way heterogeneity 95
3.8 Maximum Likelihood estimation 96
3.8.1 The problem 96
3.8.2 Simplifying the log-likelihood 96
3.8.3 Stepwise solution 97
Appendix 3A. Two theorems related to GLS Estimation 99
Appendix 3B. Efficiency in the one-regressor case 100
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

CONTENTS xi

4 Regression analysis with heterogeneous coefficients 107

4.1 Introduction 107
4.2 Fixed coefficient models 108
4.2.1 Single-regressor models without intercept 108
4.2.2 Synthesis 113
4.2.3 Including intercepts 114
4.2.4 Multi-regressor models 115
4.3 Random coefficient models 116
4.3.1 Single-regressor models and their estimators 117
4.3.2 Multi-regressor model and its GLS estimator 123
4.3.3 Coefficient prediction 127
Appendix 4A. Matrix inversion and matrix products: Useful results 132
Appendix 4B. A reinterpretation of the GLS estimator 134

5 Regression analysis with unidimensional variables 136

5.1 Introduction 136
5.2 Properties of moment matrices in unidimensional variables 137
5.2.1 Basics 137
5.2.2 Implications for regression analysis 138
5.3 One-way fixed effects models 139
5.3.1 Simple model with two regressors 139
5.3.2 The general case 143
5.4 One-way random effects models 145
5.4.1 Simple model with two regressors 145
5.4.2 The general case 147
5.5 Two-way models 150
5.5.1 Fixed effects two-regressor model 150
5.5.2 Random effects two-regressor model 154

6 Latent heterogeneity correlated with regressors 157

6.1 Introduction 157
6.2 Models with only two-dimensional regressors 158
6.2.1 A simple case 158
6.2.2 Generalization 161
6.3 Models with time-invariant regressors 164
6.3.1 A simple case 164
6.3.2 Generalization 166
6.3.3 The Wu–Hausman test 168
6.4 Exploiting instruments: Initial attempts 171
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

xii CONTENTS

6.4.1 A simple example 171

6.4.2 Generalization 172
6.4.3 Reinterpretation using a recursive system 173
6.5 Exploiting instruments: Further steps 175
6.5.1 Choosing instruments: General remarks 176
6.5.2 Estimation in case of exact identification 177
6.5.3 Estimation in case of overidentification 181
Appendix 6A. Reinterpretation: Block-recursive system 185
Appendix 6B. Proof of consistency in case of exact identification 187

7 Measurement errors 189

7.1 Introduction 189
7.2 A homogeneous model 190
7.2.1 Model setup: Basic probability limits 191
7.2.2 Basic (disaggregate) estimators 192
7.2.3 Aggregate estimators 194
7.2.4 Combining inconsistent estimators 198
7.2.5 Difference estimators 199
7.3 Extension I: Heterogeneity in the equation 202
7.3.1 Model 202
7.3.2 Between and within estimation 203
7.3.3 Combining inconsistent estimators 204
7.4 Extension II: Heterogeneity in the error 206
7.4.1 Model 206
7.4.2 Estimation 206
7.4.3 Combining inconsistent estimators 209
7.5 Extension III: Memory in the error 209
7.5.1 One-component error with memory 210
7.5.2 Three-component specification 212
7.6 Generalized Method of Moments estimators 215
7.6.1 Generalities on the GMM 215
7.6.2 GMM-estimation of the equation in differences 217
7.6.3 Extensions and modifications 222
7.7 Concluding remarks 223
Appendix 7A. Asymptotics for aggregate estimators 224

8 Dynamic models 227

8.1 Introduction 227
8.2 Fixed effects AR-models 229
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

CONTENTS xiii

8.2.1 A simple model 229

8.2.2 Within estimation: Other difference transformations 230
8.2.3 Equation in differences: Simple estimation by level IVs 234
8.2.4 Equation in differences: System GMM with level IVs 236
8.2.5 Equation in levels: Simple estimation by difference IVs 238
8.2.6 Equation in levels: System GMM with difference IVs 238
8.2.7 Panel unit roots and panel co-integration 240
8.2.8 Bias correction 242
8.3 Fixed effects AR-models with exogenous variables 242
8.3.1 Model 242
8.3.2 Equation in differences: System GMM with level IVs 244
8.3.3 Equation in levels: System GMM with difference IVs 246
8.3.4 GMM estimation: AR-model versus EIV-model 249
8.3.5 Extensions and modifications 250
8.4 Random effects AR(1) models 250
8.4.1 A simple AR(1) model 250
8.4.2 Including exogenous variables 252
8.5 Conclusion 254
Appendix 8A. Within estimation of the AR coefficient: Asymptotics 255
Appendix 8B. Autocovariances and correlograms of yit and yit 257

9 Analysis of discrete response 261

9.1 Introduction 261
9.2 Binomial models: Fixed heterogeneity 262
9.2.1 Simple binomial model: Logit and probit parameterizations 263
9.2.2 Binomial model with full fixed heterogeneity 269
9.2.3 Binomial model with fixed intercept heterogeneity 270
9.2.4 Fixed intercept heterogeneity, small T and conditional ML 270
9.3 Binomial model: Random heterogeneity 275
9.3.1 Model 275
9.3.2 ML estimation 277
9.4 Multinomial model: Other extensions 278
9.4.1 Model 279
9.4.2 Likelihood function and ML estimation 281
9.4.3 ML estimation conditional on the individual effects 282
Appendix 9A. The general binomial model: ML Estimation 283
Appendix 9B. The multinomial logit model: Conditional ML estimation 285
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

xiv CONTENTS

10 Unbalanced panel data 287

10.1 Introduction 287
10.2 Basic model and notation 289
10.2.1 Formalization of the non-balance 289
10.2.2 Individual-specific, period-specific, and global means 291
10.3 The fixed effects case 292
10.3.1 The one-regressor case 292
10.3.2 Between- and OLS-estimation in the one-regressor case 294
10.3.3 The multi-regressor case 296
10.3.4 Between- and OLS-estimation in the general case 297
10.4 The random effects case 298
10.4.1 The one-regressor case 299
10.4.2 The multi-regressor case 302
10.4.3 Estimating the variance components: FGLS 303
10.5 Maximum Likelihood estimation 306
10.5.1 A convenient notation and reordering 306
10.5.2 Reformulating the model 307
10.5.3 ‘Estimating’ the variance components from disturbances 308
10.5.4 The log-likelihood function 309
Appendix 10A. Between estimation: Proofs 312
Appendix 10B. GLS estimation: Proofs 313
Appendix 10C. Estimation of variance components: Details 315

11 Panel data with systematic unbalance 317

11.1 Introduction: Observation rules 317
11.2 Truncation and censoring: Baseline models 320
11.2.1 Basic concepts and point of departure 320
11.2.2 Truncation and truncation bias 321
11.2.3 Censoring and censoring bias 324
11.2.4 Maximum Likelihood in case of truncation 326
11.2.5 Maximum Likelihood in case of censoring 327
11.3 Truncation and censoring: Heterogeneity 328
11.3.1 Truncation: Maximum Likelihood estimation 329
11.3.2 Censoring: Maximum Likelihood estimation 330
11.4 Truncation and censoring: Cross-effects 332
11.4.1 Motivation and common model elements 333
11.4.2 Implied theoretical regressions for the observable variables 334
11.4.3 Stepwise estimation: Examples 335
11.4.4 Extensions: ML estimation—Heterogeneity 338
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

CONTENTS xv

Appendix 11A. On truncated normal distributions 340

Appendix 11B. Partial effects in censoring models 345

12 Multi-equation models 347

12.1 Introduction 347
12.2 Regression system with one-way random effects 348
12.2.1 Model description 349
12.2.2 Matrix version: Two formulations 349
12.2.3 GLS estimation 353
12.2.4 Maximum Likelihood estimation 355
12.3 Regression system with two-way random effects 358
12.3.1 Model description 358
12.3.2 Matrix version: Two formulations 359
12.3.3 GLS estimation 362
12.4 Interdependent model: One-equation estimation 362
12.4.1 Within and between two-stage least squares 364
12.4.2 Variance components two-stage least squares 366
12.5 Interdependent model: Joint estimation 371
12.5.1 Within and between three-stage least squares 372
12.5.2 Variance components three-stage least squares 374
Appendix 12A. Estimation of error component covariance matrices 376
Appendix 12B. Matrix differentiation: Useful results 378
Appendix 12C. Estimator covariance matrices in interdependent models 379

REFERENCES 383
INDEX 394
OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

L I S T O F TA B L E S

2.1 Marginal budget share, promille 32

3.1 Transforming the GLS problem into an OLS problem 71
3.2 Marginal budget share, promille 77
3.3 Relative efficiency of estimators 78
4.1 Hospital-specific coefficient of ABF dummy 130
4.2 Estimated coefficient mean of ABF dummy 131
4.3 ABF coefficient: distribution of estimates 131
5.1 Equation with individual specific regressors 149
6.1 Wage equation: impact of work experience on wage rate 161
6.2 Wage equation example: including education 166
6.3 Fixed vs. Random effects: petrol consumption 170
6.4 Wage equation example: estimates from Hausman–Taylor procedure 185
7.1 Probability limits of aggregate estimators in Model (7.1)–(7.2) 196
7.2 Probability limits of aggregate estimators in Model (7.55)–(7.56) 207
7.3 Probability limits in models without and with error memory 211
7.4 Input–output elasticities and their inverses 221
8.1 Labour demand equation: OLS estimates 248
8.2 Labour demand equation: Arellano–Bond and Blundell–Bond GMM estimates 249
8.3 Asymptotics for ML estimators of β and δ in Model (8.63) 253
9.1 Binomial logit analysis of drug use: latent heterogeneity not accounted 268
9.2 Binomial logit analysis of drug use: heterogeneity, as random effects, accounted for 278
10.1 Unbalanced panel data: health satisfaction example 305
10.2 Correlation, regressor vs. regressand hsat 306
11.1 Censoring and truncation: equation for female log(wage rate) 332
12.1 Wage equation, simple: OLS and panel data GLS-2SLS estimates 370
12.2 Wage equation, extended: OLS and panel data GLS-2SLS estimates 370
OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

1 Introduction

Panel data, longitudinal data, or combined time-series/cross-section data are terms used
in econometrics and statistics to denote data sets which contain repeated observations
on a selection of variables from a set of observation units. The observations cover simul-
taneously the temporal and the spatial dimension. Examples are: (1) time-series for
production, factor inputs, and profits in a sample of firms over a succession of years;
(2) time-series for consumption, income, wealth, and education in a sample of persons
or households over several years; and (3) time-series for manufacturing production, sales
of medical drugs, or traffic accidents for all, or a sample of, municipalities or counties,
or time-series for variables for countries in the OECD, the EU, etc. Examples (1) and (2)
relate to micro-data, (3) exemplifies macro-data.
‘Panel data econometrics is one of the most exciting fields of inquiry in econometrics
today’ (Nerlove, Sevestre, and Balestra (2008, p. 22)), with a history going back to at least
1950. We will not attempt to survey this interesting history. Elements of a survey can be
found in Nerlove (2002, Chapter 1); see also Nerlove (2014) as well as Griliches (1986,
Sections 5 and 6) and Nerlove, Sevestre and Balestra (2008). A background for the study
of panel data, placing it in a wider context, may also be given by a quotation from a text
on ‘modern philosophy’:
Space and time, or the related concepts of extension and duration, attained special prominence
in early modern philosophy because of their importance in the new science . . . Metaphysical
questions surrounding the new science pertained to the nature of space and time and their relation
to matter. Epistemological questions pertained to the cognition of space itself or extension in
general . . . and also to the operation of the senses in perceiving the actual spatial order of things.
(Hatfield (2006, p. 62))

In this introductory chapter, we first, in Section 1.1, briefly define the main types of
panel data. In Section 1.2 we illustrate, by examples, virtues of panel data and explain in
which sense they may ‘contain more information’ than the traditional data types cross-
section data and time-series data. Section 1.3 briefly contrasts panel data with experimen-
tal data, while some other virtues of panel data, as well as some limitations, are specified
in Section 1.4. An overview of the content of the book follows, in Section 1.5.

1.1 Types of panel variables and data

Several types of panel data exist. The one which perhaps first comes to mind is balanced
panel data, in which the same individuals are observed in all periods under consideration.
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

2 ECONOMETRICS OF PANEL DATA

Using i as subscript for the unit of observation and t as subscript for the time-period, and
letting the data set contain N units and T time-periods, the coverage of a balanced panel
data set can be denoted as i = 1, . . . , N; t = 1, . . . , T.
Balanced panel data have a matrix structure. We need, in principle, three subscripts to
represent the observations: one for the variable number; one for the individual (unit)
number; and one for the period (year, quarter, month, etc.). A balanced panel data set can
therefore be arranged as three-dimensional matrices. Quite often N is much larger than T,
but for panels of geographic units, the opposite may well be the case. Regarding asymp-
totics, the distinction between N → ∞ and T → ∞, often denoted as ‘N-asymptotics’
(cross-sectional asymptotics) and ‘T-asymptotics’ (time-serial asymptotics), will often
be important. In ‘micro’ contexts, ‘short’ panels from ‘many’ individuals is a frequently
occurring constellation.
Quite often, however, some variables do not vary both across observation unit and
over time-periods. Examples of variables which do not vary over time, time-invariant
variables, are for individuals: birth year; gender; length of the education period (if for
all individuals the education has been finished before the sample period starts); and to
some extent attitudes, norms, and preferences. For firms they are: year of establishment;
sector; location; technical strength; and management ability. Such variables are denoted
as individual-specific or firm-specific. Examples of variables that do not vary across
individuals, individual-invariant variables, may be prices, interest rates, tax parameters,
and variables representing the macro-economic situation. Such variables are denoted
as time-specific or period-specific. As a common term for individual-specific and time-
specific variable we will use unidimensional variables. Variables showing variation across
both individuals and time-periods are denoted as two-dimensional variables. Examples
are (usually) income and consumption (for individuals) and production and labour input
(for firms).
The second, also very important, category is unbalanced panel data. Its characteristic is
that not the same units are observed in all periods, but some are observed more than once.
There are several reasons why a panel data set may become unbalanced. Entry and exit
of units in a data base (e.g., establishment and close-down of firms and marriages and
dissolution of households) is one reason, another is randomly missing observations in
time series. A particular type of unbalance is created by rotating panel data, which emerges
in sample surveys when the sample changes systematically in a way intended by the data
collector. Another major reason why unbalanced panel data may occur is endogenous
selection, meaning, loosely, that the selection of units observed is partly determined by
variables our model is intended to explain. This may complicate coefficient estimation
and interpretation if the selection mechanism is neglected or improperly accounted for
in the modelling and design of inference method. Asserting that selection problems are
potentially inherent in any micro-data set, panel data as well as cross-section data, is hardly
an exaggeration.
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

INTRODUCTION 3

1.2 Virtues of panel data: Transformations

Several advantages can be obtained by utilizing panel data instead of time-series data or
cross-section data in an empirical investigation. Panel data are in several respects ‘richer’.
As a general characteristic we may say: pure time-series data contain no information about
individual differences, and pure cross-section data contain no information about period-
specific differences. We therefore are unable from time-series data to explore effects of
individual-specific variables and from cross-section data to examine effects of time-
specific variables. Panel data do not have, or have to a far smaller degree, these limitations,
not least because such data admit many useful transformations. Nerlove, Sevestre, and
Balestra (2008, pp. 4–5) give the following remarks on the analyst’s need to give due
attention to the way the actual data type is generated:
In many applications in the social sciences, especially in economics, the mechanism by which the
data are generated is opaque . . . Understanding the process by which the observations at hand
are generated is of equal importance. Were the data for example obtained from a sample of firms
selected by stratified random sampling . . .? In the case of time series, the data are almost always
“fabricated” in one way or another, by aggregation, interpolation, or extrapolation, or by all three.
The nature of the sampling frame or the way in which the data are fabricated must be part of the
model specification on which parametric inference or hypothesis testing is based.

We will, with reference to an example, illustrate differences in the ‘information’ con-

tained in pure time series data and pure cross-section data on the one hand, and in
balanced panel data on the other, and the transformations made possible by the latter.
Consider an equation explaining the conditional expectation of y linearly by x, z, and q,
where y and x are two-dimensional variables, z is individual-specific, and q is period-
specific. We assume

E(yit |x, z, q) = k + xit β + zi α + qt γ ,

where k is an intercept; β, α, and γ are coefficients and x, z, q are (row) vectors containing
all values of (x, z, q) in the data set; and i and t are index individuals and time periods,
respectively. We assume that xit , zi , qt , β, α, and γ are scalars, but the following argument
easily carries over to the case where the variables are row-vectors and the coefficients are
column-vectors. This expression is assumed to describe the relationship between E(y|x, z, q)
and x, z, q for any values of i and t. Let uit = yit −E(yit |x, z, q), which can be interpreted
as a disturbance, giving the equivalent formulation

yit = k + xit β + zi α + qt γ + uit , E(uit |x, z, q) = 0, for all i, t.

First, assume that the data set is balanced panel data from N individuals and T periods,
so that we can specify
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

4 ECONOMETRICS OF PANEL DATA

yit = k + xit β + zi α + qt γ + uit , E(uit |x, z, q) = 0,

(1.1)
i = 1, . . . , N; t = 1, . . . , T,

where now (x, z, q) denote vectors containing the values of (xit , zi , qt ) for i =
1, . . . , N; t = 1, . . . , T. A researcher may sometimes give primary attention to β and
wants to estimate it without bias, but α and γ may be of interest as well. Anyway,
we include zi and qt as explanatory variables because our theory implies that they
are relevant in explaining yit , and we do not have experimental data which allow
us to ‘control for’ zi and qt by keeping their values constant in repeated samples. If
uit has not only zero conditional expectation, but also is homoskedastic and serially
uncorrelated, we can from the NT observations on (yit , xit , zi , qt ) estimate (k, β, α, γ )
by ordinary least squares (OLS), giving Minimum Variance Linear Unbiased Estima-
tors (MVLUE), the ‘best possible’ linear estimators, or Gauss–Markov estimators of the
coefficients.
What would have been the situation if we only had had access to either time-series or
cross-section data? Assume first that pure time-series, for individual i = 1 (i.e., N = 1) in
periods t = 1, . . . , T, exist.1 Then Model (1.1) should be specialized to this data situation
by (conditioning on z1 is irrelevant)

y1t = (k+z1 α) + x1t β + qt γ + u1t , E(u1t |x1· , q) = 0, t = 1, . . . , T, (1.2)

where x1· = (x11 , . . . , x1T ). From time-series for y1t , x1t , and qt , we could estimate β, γ ,
and the composite intercept k + z1 α. This confirms: (i) pure time-series data contain no
information on individual differences or on effects of individual-specific variables; (ii) the
intercept is specific to the individual (unit); (iii) the coefficient α cannot be identified, as it
belongs to a variable with no variation over the data set (having observed z1 is of no help);
and (iv) the coefficients β and γ can be identified as long as x1t and qt are observable and
vary over periods. If u1t is homoskedastic (over t) and shows no serial correlation (over t),
then OLS applied on (1.2) will give estimators which are MVLUE for these coefficients in
the pure time-series data case.
Next, assume that a cross-section, for period t = 1 (i.e., T = 1), for individuals
i = 1, . . . , N, exists. Then (1.1) should be specialized to (conditioning on q1 is irrelevant):

yi1 = (k+q1 γ ) + xi1 β + zi α + ui1 , E(ui1 |x·1 , z) = 0, i = 1, . . . , N, (1.3)

1 We here consider the case with time-series from only one individual (unit) to retain symmetry with the
pure cross-section case below. Most of our following conclusions, however, carry without essential modifica-
tions over to situations with aggregate time-series for a sector or for the entire economy, since the equation
is linear. But individual-specific time-series are far from absent. We could, for example, possess annual time-
series of sales, stock prices, or employment for a specific company.
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

INTRODUCTION 5

where x·1 = (x11 , . . . , xN1 ). From cross-section data for yi1 , xi1 , and zi , we could estimate
β, α, and the composite intercept k+q1 γ . This confirms: (i) pure cross-section data contain
no information on period-specific differences or on the effects of period-specific variables;
(ii) the intercept is specific to the data period; (iii) the coefficient γ cannot be identified,
as it belongs to a variable with no variation over the data set (having observed q1 is of no
help); (iv) the coefficients β and α can be identified as long as xi1 and zi are observable and
vary across individuals. If ui1 is homoskedastic (over i) and serially uncorrelated (over i),
then OLS applied on (1.3) will give MVLUE for these coefficients in the pure cross-section
data case.
By panel data we may circumvent the problem of lack of identification of α from
times series data, when using the ‘time-series equation’ (1.2) and of γ from cross-
section data, when using the ‘cross-section equation’ (1.3). Moreover, we may control
for unobserved individual-specific or time-specific heterogeneity. We illustrate this from
(1.1), by first taking the difference between the equations for observations (i, t) and (i, s),
giving

yit −yis = (xit −xis )β +(qt −qs )γ +(uit −uis ), E(uit −uis |x, q) = 0,
(1.4)
i = 1, . . . , N; t, s = 1, . . . , T (t  = s),

from which zi vanishes and, in contrast to (1.1), E(uit |z) = 0 is not required for consistency
of OLS. We consequently ‘control for’ the effect on y of z and ‘retain’ only the variation
in y, x, and q. Having the opportunity to do so is crucial if zi is unobservable and reflects
unspecified heterogeneity, but still is believed to affect yit . To see this, assume that zi is
unobservable and correlated with xit (across i) and consider using OLS on (1.1) with zi
excluded, or on

yi1 = constant + xi1 β + ui1 , i = 1, . . . , N,

where ui1 is a disturbance in which we (tacitly) include the effect of zi . This gives a biased
estimator for β, since ui1 , via the correlation and the non-zero value of α, captures the
effect of zi on yi1 : we violate E(ui1 |z) = 0. This will not be the case if we instead use OLS
on (1.4).
By next in (1.1) taking the difference between the equations for observations (i, t) and
(j, t), it likewise follows that

yit −yjt = (xit −xjt )β +(zi −zj )α+(uit −ujt ), E(uit −ujt |x, z) = 0,
(1.5)
i, j = 1, . . . , N (i  = j); t = 1, . . . , T,

from which qt vanishes and, in contrast to (1.1), E(uit |q) = 0 is not required for con-
sistency of OLS. We consequently ‘control for’ the effect on y of q and ‘retain’ only the
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

6 ECONOMETRICS OF PANEL DATA

variation in y, x and z. Having the opportunity to do so is crucial if qt is unobservable and

reflects unspecified heterogeneity, but still is believed to affect yit . To see this, assume that
qt is unobservable and correlated with xit (over t) and consider using OLS on (1.1) with
qt excluded, or on

y1t = constant + x1t β + u1t , t = 1, . . . , T,

where ui1 is a disturbance in which we (tacitly) include the effect of qt . This gives a biased
OLS estimator for β, since u1t , via the correlation and the non-zero value of γ , captures
the effect of qt on y1t : we violate E(u1t |q) = 0. This not will be the case if we instead use
OLS on (1.5).
If only individual time-series (N = 1) are available, we may perform the transformation
leading to (1.4), but not the one leading to (1.5). Likewise, if one cross-section (T = 1) is
the only data available, we may perform the transformation leading to (1.5), but not the
one leading to (1.4). Transformations which may give both (1.4) and (1.5) are infeasible
unless we have panel data.
We also have the opportunity to make other, more complex, transformations of (1.1).
Deducting from (1.4) the corresponding equation when i is replaced by j (or deducting
from (1.5) the corresponding equation with t replaced by s) we obtain

(yit −yis )−(yjt −yjs )

= [(xit −xis )−(xjt −xjs )]β +(uit −uis )−(ujt −ujs ),
(1.6)
E[(uit −uis )−(ujt −ujs )|x] = 0,
i, j = 1, . . . , N (i  = j), t, s = 1, . . . , T (t  = s).

By this double differencing, zi and qt disappear, and neither E(uit |z) = 0 nor E(uit |q) = 0
is needed for consistency of the OLS estimators. We thus control for the effect on y of
both z and q and retain only the variation in x. To see this, assume that both zi and qt are
unobservable and correlated with xit (over i and t, respectively), and consider using OLS
on either (1.1) with both zi and qt omitted, on

y1t = constant + x1t β + u1t , t = 1, . . . , T,

or on

yi1 = constant + xi1 β + ui1 , i = 1, . . . , N,

while (tacitly) including the effect of, respectively, (qt , zi ), qt , and zi in the equation’s
disturbance, which will give biased (inconsistent) estimators for β. This will not be the
case when using OLS on (1.6).
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

INTRODUCTION 7

Haavelmo (1944, p. 50), more than 70 years ago, well before panel data became a
common term in econometrics, described the relevance of handling unobserved hetero-
geneity in relation to data variation as follows:
. . . two individuals, or the same individual in two different time periods, may be confronted with
exactly the same set of specified influencing factors and still . . . may have different quantities
y. . . . We may try to remove such discrepancies by introducing more “explaining” factors, x. But,
usually, we shall soon exhaust the number of factors which could be considered as common to all
individuals . . . and which, at the same time, were not merely of negligible influence upon y. The
discrepancies . . . may depend upon a great variety of factors, these factors may be different from
one individual to another, and they may vary with time for each individual.

Several other linear transformations can be performed on the linear relationship (1.1)
when having panel data. We will show five. Summation in (1.1) over, respectively, i, t,
 
and (i, t) and division by N, T, and NT, letting z̄ = N1 N zi , ȳ·t = N1 Ni=1 yit ,
1 T 1 T 1 N T
i=1
q̄ = T t=1 qt , ȳi· = T t=1 yit , ȳ = NT i=1 t=1 yit , etc., give

ȳ·t = (k + z̄α) + x̄·t β + qt γ + ū·t , (1.7)

ȳi· = (k + q̄γ ) + x̄i· β + zi α + ūi· , (1.8)
ȳ = k + z̄α + q̄γ + x̄β + ū. (1.9)

Here (1.7) and (1.8) are equations in respectively period-specific and individual-specific
means, which may have interest in themselves. Deducting these equations from (1.1), we
obtain, respectively,

yit − ȳi· = (xit − x̄i· )β + (qt − q̄)γ + (uit − ūi· ), E(uit − ūi· |x, q) = 0, (1.10)
yit − ȳ·t = (xit − x̄·t )β + (zi − z̄)α + (uit − ū·t ), E(uit − ū·t |x, z) = 0. (1.11)

Using (1.10) we can be said to measure the variables from their individual-specific means
and therefore, as in (1.4), eliminate zi , while using (1.11), we measure the variables from
their period-specific means and therefore, as in (1.5), eliminate qt . Consequently, consis-
tency of OLS estimation of β from (1.10) is robust to violation of E(uit |z) = 0, unlike OLS
applied on (1.1), when zi is unobservable, correlated with xit over i, and omitted from the
equation. Likewise, consistency of OLS estimation of β from (1.11) is robust to violation
E(uit |q) = 0, unlike OLS applied on (1.1) when qt is unobservable, correlated with xit ,
over t, and omitted from the equation.
We may perform the two last transformations jointly. Subtracting both time-specific
means (1.7) and individual-specific means (1.8) from (1.1) and adding the global means
(1.9) gives2
2 Equivalently, deduct from (1.10) the period mean of (1.11) or deduct from (1.11) the individual mean
of (1.10).
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

8 ECONOMETRICS OF PANEL DATA

yit − ȳi· − ȳ·t + ȳ = (xit − x̄i· − x̄·t + x̄)β +(uit − ūi· − ū·t + ū),
(1.12)
E(uit − ūi· − ū·t + ū|x) = 0.

Now, we can be said to be measuring the variables from their individual-specific and time-
specific means jointly and therefore, as in (1.6), eliminate both the individual-specific
variable zi and the time-specific variable qt . Consequently, OLS regression on (1.12) is
robust to (nuisance) correlation both between xit and zi and between xit and qt , which is
not the case for OLS regression on (1.1) if zi and qt are unobservable and are excluded
from the equation.
Example: The following illustration exemplifies the above transformations and shows
that running OLS regressions across different ‘dimensions’ of a panel data set can give
rather different results for a model with only one y and one x, while disregarding
variables like z and q. Using panel data for N = 229 firms in the Norwegian chemi-
cal manufacturing industry observed over T = 8 years, the logarithm of input (y) is
regressed on the logarithm of the output volume (x). For material input and for labour
input the relevant elasticity estimates are, respectively (standard errors in parentheses):
Regression on the full data set (1832 observations):
Materials: 1.0337 (0.0034). Labour: 0.7581 (0.0088)
Regression on the 229 firm means:
Materials: 1.0340 (0.0082). Labour: 0.7774 (0.0227)
Regression on the 8 year means:
Materials: 1.0228 (0.0130). Labour: −0.0348 (0.0752)
The three equations exemplify, respectively, (1.1) with zi and qt omitted, (1.8) with
zi omitted, and (1.7) with qt omitted. The point estimates (of β) are fairly equal for
materials, but for labour the estimate exploiting only the time variation is negative
and much lower than the two others. There are reasons to believe that the underlying
β-coefficient is not the same. Maybe the estimate from the time mean regression
reflects that its variation is dominated by an omitted trend, say, a gradual introduction
of a labour-saving technology. The question of why cross-sectional and times serial
estimates of presumably the same coefficient often differ substantially has occupied
econometricians for a long time and was posed almost sixty years ago by Kuh (1959).

1.3 Panel data versus experimental data

The linear transformations of (1.1) exemplified in (1.4)–(1.6) and (1.10)–(1.12) show that,
when using panel data and linear models, we have the option to exploit; (i) neither the
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

INTRODUCTION 9

time variation nor the individual variation; (ii) only the time variation; (iii) only the
individual variation; or (iv) both types of variation at the same time. It is often said that
practitioners of, e.g., econometrics very rarely have access to experimental data. For panel
data, however, this is not true without qualification. Such data place the researcher in an
intermediate position closer to an experimental situation than pure cross-section data and
pure time-series data do.
Expressed in technical terms, when using panel data one has the opportunity to separate
intra-individual differences (differences within individuals) from inter-individual differ-
ences (differences between individuals). We have seen that, by performing suitable linear
transformations, we can eliminate unobserved individual- or time-specific effects and
avoid violating E(disturbance|regressors) = 0, the core condition for ensuring unbiased esti-
mation in (classical) regression analysis. Panel data therefore make it possible to eliminate
estimation bias (inconsistency) induced by unobserved nuisance variables which are
correlated with the observable explanatory variables in the equation. Many illustrations of
this will be given throughout the book. To quote Lancaster (2006, p. 277): ‘. . . with panel
data we can relax the assumption that the covariates are independent of the errors. They
do this by providing what, on certain additional assumptions, amounts to a “controlled
experiment”. ’

1.4 Other virtues of panel data and some limitations

The potential of panel data is also illustrated by the possibility they provide for estimat-
ing models with individual-specific or period-specific coefficients. Allowing for coefficient
variability across space or time is another way of representing individual-specific and/or
period-specific heterogeneity in the model. The coefficients in, for example, the following
equations can be estimated by OLS from panel data for N ( ≥ 2) individuals and T ( ≥ 2)
periods:

yit = ki + xit βi + uit , (1.13)

yit = k1i + k2t + x1it β1 + x2it β2i + x3it β3t + uit , (1.14)

where x1it , x2it , and x3it are (row vectors of) two-dimensional explanatory variables;
ki , k1i , and k2t are, respectively, N individual-specific, and T period-specific intercepts;
the βi s and β2i s are (column vectors of) individual-specific slope coefficients; the β3t s
are period-specific slope coefficients; and β1 is common to all individuals and peri-
ods. Estimating the coefficients in such equations from pure time-series data or pure
cross-section data is impossible, as the number of coefficients exceeds the number of
observation points.
 OUP CORRECTED PROOF – FINAL, 19/9/2016, SPi

10 ECONOMETRICS OF PANEL DATA

By panel data we may explore aggregation problems for time-series data and time series
models. An illustration can be given by (1.13), assuming balanced panel data from N
individuals. Summation across i gives
   
i yit = i ki + i xit βi + i uit .

 
Let k̄ = N1 i ki and β̄ = N1 i βi . The equation in time means, after division by N and
a slight rearrangement, can be written as

ȳ·t = k̄ + x̄·t β̄ + Sxt,β + ū·t , (1.15)

 
where Sxt,β = N1 i (xit − x̄·t )(βi − β̄) ≡ N1 i xit (βi − β̄), i.e., the empirical covariance
between the xit s and the βi s in period t. Letting Vxt , Vβ , and Rxt,β denote, respectively,
the coefficients of variation3 of xit (across i) and of βi and the (empirical) coefficient of
correlation between the two, this correctly aggregated equation in period means can be
rewritten as

ȳ·t = k̄ + x̄·t β̄(1+Vxt Vβ Rxt,β ) + ū·t . (1.16)

Representing the aggregated equation simply as (which is the only thing we could do if
we only had linearly aggregated data)

ȳ·t = k̄ + x̄·t β̄ + ū·t ,

and interpreting β̄ as a ‘mean slope coefficient’ we commit an aggregation error, unless the
micro-coefficients do not show correlation with the variable to which they belong, Rxt,β = 0.
Otherwise, the correct macro-coefficient, β̄(1+Vxt Vβ Rxt,β ), will either show instability
over time or, if Vxt , Vβ , and Rxt,β are approximately time-invariant, will differ from β̄.
How it differs is left in the dark. Having panel data, the aggregation bias may be explored
and corrected for since β N and their standard errors can be estimated. For further
1 , . . . , β
discussion of individual heterogeneity in aggregation contexts, see, e.g., Stoker (1993) and
Blundell and Stoker (2005), as well as Kirman (1992), on the related problems of macro-
economic modelling and analysis as if a ‘representative individual’ exists.
Extending from time-series data or cross-section data to panel data usually gives an
increased number of observations and hence more degrees of freedom in estimation. Use
of panel data frequently contributes to reducing collinearity among the explanatory vari-
ables and allows more extensive testing of competing model specifications. A common
experience is that the correlation between explanatory variables in a regression equation
often is stronger over time than across individuals or firms.

3 Ratios between standard deviations and absolute values of corresponding means.

Exploring the Variety of Random
Documents with Different Content
la Franche-Comté, et la moitié de la Hollande, sur des ennemis sans
défense.
On vit surtout quel avantage un roi absolu, dont les finances sont bien
administrées, a sur les autres rois. Il fournit à-la-fois une armée d’environ
vingt-trois mille hommes à Turenne contre les Impériaux, une de quarante
mille à Condé contre le prince d’Orange: un corps de troupes était sur la
frontière du Roussillon; une flotte chargée de soldats alla porter la guerre
aux Espagnols jusque dans Messine: lui-même marcha pour se rendre
maître une seconde fois de la Franche-Comté. Il se défendait, et il attaquait
partout en même temps.
D’abord, dans sa nouvelle entreprise sur la Franche-Comté, la supériorité
de son gouvernement parut tout entière. Il s’agissait de mettre dans son
parti, ou du moins d’endormir les Suisses, nation aussi redoutable que
pauvre, toujours armée, toujours jalouse à l’excès de sa liberté, invincible
sur ses frontières, murmurant déjà, et s’effarouchant de voir Louis XIV une
seconde fois dans leur voisinage. L’empereur et l’Espagne sollicitaient les
treize cantons de permettre au moins un passage libre à leurs troupes, pour
secourir la Franche-Comté, demeurée sans défense par la négligence du
ministère espagnol. Le roi, de son côté, pressait les Suisses de refuser ce
passage; mais l’empire et l’Espagne ne prodiguaient que des raisons et des
prières; le roi, avec de l’argent comptant, détermina les Suisses à ce qu’il
voulut: le passage fut refusé. Louis, accompagné de son frère et du fils du
grand Condé, assiégea Besançon. Il aimait la guerre de siéges, et pouvait
croire l’entendre aussi bien que les Condé et les Turenne; mais, tout jaloux
qu’il était de sa gloire, il avouait que ces deux grands hommes entendaient
mieux que lui la guerre de campagne. D’ailleurs, il n’assiégea jamais une
ville sans être moralement sûr de la prendre. Louvois fesait si bien les
préparatifs, les troupes étaient si bien fournies, Vauban, qui conduisit
presque tous les siéges, était un si grand maître dans l’art de prendre les
villes, que la gloire du roi était en sûreté. Vauban dirigea les attaques de
Besançon: elle fut prise en neuf jours (15 mai 1674); et au bout de six
semaines toute la Franche-Comté fut soumise au roi. Elle est restée à la
France, et semble y être pour jamais annexée: monument de la faiblesse du
ministère autrichien-espagnol, et de la force de celui de Louis XIV.
 CHAPITRE XII.
Belle campagne et mort du maréchal de Turenne. Dernière bataille du grand Condé à Senef.
Tandis que le roi prenait rapidement la Franche-Comté, avec cette
facilité et cet éclat attaché encore à sa destinée, Turenne, qui ne fesait que
défendre les frontières du côté du Rhin, déployait ce que l’art de la guerre
peut avoir de plus grand et de plus habile. L’estime des hommes se mesure
par les difficultés surmontées, et c’est ce qui a donné une si grande
réputation à cette campagne de Turenne.
(Juin 1674) D’abord il fait une marche longue et vive, passe le Rhin à
Philipsbourg, marche toute la nuit à Sintzheim, force cette ville; et en même
temps il attaque et met en fuite Caprara, général de l’empereur, et le vieux
duc de Lorraine, Charles IV, ce prince qui passa toute sa vie à perdre ses
états et à lever des troupes, et qui venait de réunir sa petite armée avec une
partie de celle de l’empereur. Turenne, après l’avoir battu, le poursuit, et bat
encore sa cavalerie à Ladenbourg (juillet 1674); de là il court à un autre
général des Impériaux, le prince de Bournonville, qui n’attendait que de
nouvelles troupes pour s’ouvrir le chemin de l’Alsace; il prévient la
jonction de ces troupes, l’attaque, et lui fait quitter le champ de bataille
(octobre 1674).
L’empire rassemble contre lui toutes ses forces; soixante et dix mille
Allemands sont dans l’Alsace; Brisach et Philipsbourg étaient bloqués par
eux. Turenne n’avait plus que vingt mille hommes effectifs tout au plus.
(Décembre) Le prince de Condé lui envoya de Flandre quelque secours de
cavalerie; alors il traverse, par Tanne et par Béfort, des montagnes
couvertes de neige; il se trouve tout d’un coup dans la Haute-Alsace, au
milieu des quartiers des ennemis, qui le croyaient en repos en Lorraine, et
qui pensaient que la campagne était finie. Il bat à Mulhausen les quartiers
qui résistent; il en fait deux prisonniers. Il marche à Colmar, où l’électeur de
Brandebourg, qu’on appelle le grand électeur, alors général des armées de
l’empire, avait son quartier. Il arrive dans le temps que ce prince et les
autres généraux se mettaient à table; ils n’eurent que le temps de
s’échapper; la campagne était couverte de fuyards.
Turenne, croyant n’avoir rien fait tant qu’il restait quelque chose à faire,
attend encore auprès de Turkheim une partie de l’infanterie ennemie.
L’avantage du poste qu’il avait choisi rendait sa victoire sûre: il défait cette
infanterie (5 janvier 1675). Enfin une armée de soixante et dix mille
hommes se trouve vaincue et dispersée presque sans grand combat.
L’Alsace reste au roi, et les généraux de l’empire sont obligés de repasser le
Rhin.
Toutes ces actions consécutives, conduites avec tant d’art, si patiemment
digérées, exécutées avec tant de promptitude, furent également admirées
des Français et des ennemis. La gloire de Turenne reçut un nouvel
accroissement, quand on sut que tout ce qu’il avait fait dans cette
campagne, il l’avait fait malgré la cour, et malgré les ordres réitérés de
Louvois, donnés au nom du roi. Résister à Louvois tout puissant, et se
charger de l’événement, malgré les cris de la cour, les ordres de Louis XIV,
et la haine du ministre, ne fut pas la moindre marque du courage de
Turenne, ni le moindre exploit de la campagne.
Il faut avouer que ceux qui ont plus d’humanité que d’estime pour les
exploits de guerre gémirent de cette campagne si glorieuse. Elle fut célèbre
par les malheurs des peuples, autant que par les expéditions de Turenne.
Après la bataille de Sintzheim, il mit à feu et à sang le Palatinat, pays uni et
fertile, couvert de villes et de bourgs opulents. L’électeur palatin vit, du haut
de son château de Manheim, deux villes et vingt-cinq villages embrasés. Ce
prince, désespéré, défia Turenne à un combat singulier, par une lettre pleine
de reproches[471]. Turenne ayant envoyé la lettre au roi, qui lui défendit
d’accepter le cartel, ne répondit aux plaintes et au défi de l’électeur que par
un compliment vague, et qui ne signifiait rien. C’était assez le style et
l’usage de Turenne, de s’exprimer toujours avec modération et ambiguité.
Il brûla avec le même sang froid les fours et une partie des campagnes de
l’Alsace, pour empêcher les ennemis de subsister. Il permit ensuite à sa
cavalerie de ravager la Lorraine. On y fit tant de désordre, que l’intendant,
qui, de son côté, désolait la Lorraine avec sa plume, lui écrivit et lui parla
souvent pour arrêter ces excès. Il répondait froidement: «Je le ferai dire à
l’ordre.» Il aimait mieux être appelé le père des soldats qui lui étaient
confiés, que des peuples qui, selon les lois de la guerre, sont toujours
sacrifiés. Tout le mal qu’il fesait paraissait nécessaire; sa gloire couvrait
tout: d’ailleurs les soixante et dix mille Allemands qu’il empêcha de
pénétrer en France y auraient fait beaucoup plus de mal qu’il n’en fit à
l’Alsace, à la Lorraine, et au Palatinat.
 Telle a été depuis le commencement du seizième siècle la situation de la
France, que, toutes les fois qu’elle a été en guerre, il a fallu combattre à-la-
fois vers l’Allemagne, la Flandre, l’Espagne, et l’Italie. Le prince de Condé
fesait tête en Flandre au jeune prince d’Orange, tandis que Turenne chassait
les Allemands de l’Alsace. La campagne du maréchal de Turenne fut
heureuse, et celle du prince de Condé sanglante. Les petits combats de
Sintzheim et de Turkheim furent décisifs: la grande et célèbre bataille de
Senef ne fut qu’un carnage. Le grand Condé, qui la donna pendant les
marches sourdes de Turenne en Alsace, n’en tira aucun succès, soit que les
circonstances des lieux lui fussent moins favorables, soit qu’il eût pris des
mesures moins justes, soit plutôt qu’il eût des généraux plus habiles et de
meilleures troupes à combattre. Le marquis de Feuquières veut qu’on ne
donne à la bataille de Senef que le nom de combat, parceque l’action ne se
passa pas entre deux armées rangées, et que tous les corps n’agirent point;
mais il paraît qu’on s’accorde à nommer bataille cette journée si vive et si
meurtrière. Le choc de trois mille hommes rangés, dont tous les petits corps
agiraient, ne serait qu’un combat. C’est toujours l’importance qui décide du
nom.
Le prince de Condé avait à tenir la campagne, avec environ quarante-
cinq mille hommes, contre le prince d’Orange, qui en avait, dit-on, soixante
mille. Il attendit que l’armée ennemie passât un défilé à Senef, près de
Mons. Il attaqua (11 août 1674) une partie de l’arrière-garde, composée
d’Espagnols, et y eut un grand avantage. On blâma le prince d’Orange de
n’avoir pas pris assez de précaution dans le passage du défilé; mais on
admira la manière dont il rétablit le désordre, et on n’approuva pas que
Condé voulût ensuite recommencer le combat contre des ennemis trop bien
retranchés. On se battit à trois reprises. Les deux généraux, dans ce mélange
de fautes et de grandes actions, signalèrent également leur présence d’esprit
et leur courage. De tous les combats que donna le grand Condé, ce fut celui
où il prodigua le plus sa vie et celle de ses soldats. Il eut trois chevaux tués
sous lui. Il voulait, après trois attaques meurtrières, en hasarder encore une
quatrième. Il parut, dit un officier qui y était, qu’il n’y avait plus que le
prince de Condé qui eût envie de se battre. Ce que cette action eut de plus
singulier, c’est que les troupes de part et d’autre, après les mêlées les plus
sanglantes et les plus acharnées, prirent la fuite le soir par une terreur
panique. Le lendemain, les deux armées se retirèrent chacune de son coté,
aucune n’ayant ni le champ de bataille, ni la victoire, toutes deux plutôt
également affaiblies et vaincues. Il y eut près de sept mille morts et cinq
mille prisonniers du côté des Français; les ennemis firent une perte égale.
Tant de sang inutilement répandu empêcha l’une et l’autre armée de rien
entreprendre de considérable. Il importe tant de donner de la réputation à
ses armes, que le prince d’Orange, pour faire croire qu’il avait eu la
victoire, assiégea Oudenarde; mais le prince de Condé prouva qu’il n’avait
pas perdu la bataille, en fesant aussitôt lever le siége et en poursuivant le
prince d’Orange.
On observa également en France et chez les alliés la vaine cérémonie de
rendre graces à Dieu d’une victoire qu’on n’avait point remportée: usage
établi pour encourager les peuples, qu’il faut toujours tromper.
Turenne en Allemagne, avec une petite armée, continua des progrès qui
étaient le fruit de son génie. Le conseil de Vienne, n’osant plus confier la
fortune de l’empire à des princes qui l’avaient mal défendu, remit à la tête
de ses armées le général Montecuculli, celui qui avait vaincu les Turcs à la
journée de Saint-Gothard, et qui, malgré Turenne et Condé, avait joint le
prince d’Orange, et avait arrêté la fortune de Louis XIV, après la conquête
de trois provinces de Hollande.
On a remarqué que les plus grands généraux de l’empire ont souvent été
tirés d’Italie. Ce pays, dans sa décadence et dans son esclavage, porte
encore des hommes qui font souvenir de ce qu’il était autrefois.
Montecuculli était seul digne d’être opposé à Turenne. Tous deux avaient
réduit la guerre en art. Ils passèrent quatre mois à se suivre, à s’observer
dans des marches et dans des campements plus estimés que des victoires
par les officiers allemands et français. L’un et l’autre jugeait de ce que son
adversaire allait tenter, par les démarches que lui-même eût voulu faire à sa
place; et ils ne se trompèrent jamais. Ils opposaient l’un à l’autre la
patience, la ruse, et l’activité; enfin, ils étaient prêts d’en venir aux mains, et
de commettre leur réputation au sort d’une bataille, auprès du village de
Saltzbach, lorsque Turenne, en allant choisir une place pour dresser une
batterie, fut tué d’un coup de canon (27 juillet 1675). Il n’y a personne qui
ne sache les circonstances de cette mort; mais on ne peut se défendre d’en
retracer les principales, par le même esprit qui fait qu’on en parle encore
tous les jours.
Il semble qu’on ne puisse trop redire que le même boulet qui le tua ayant
emporté le bras de Saint-Hilaire, lieutenant-général de l’artillerie, son fils,
se jetant en larmes auprès de lui, Ce n’est pas moi, lui dit Saint-Hilaire,
c’est ce grand homme qu’il faut pleurer; paroles comparables à tout ce que
l’histoire a consacré de plus héroïque, et le plus digne éloge de Turenne. Il
est très rare que sous un gouvernement monarchique, où les hommes ne
sont occupés que de leur intérêt particulier, ceux qui ont servi la patrie
meurent regrettés du public. Cependant Turenne fut pleuré des soldats et
des peuples. Louvois fut le seul qui ne le regretta pas: la voix publique
l’accusa même lui et son frère, l’archevêque de Reims, de s’être réjouis
indécemment de la perte de ce grand homme. On sait les honneurs que le
roi fit rendre à sa mémoire, et qu’il fut enterré à Saint-Denys comme le
connétable Du Guesclin[472], au-dessus duquel l’opinion générale l’élève
autant que le siècle de Turenne est supérieur au siècle du connétable.
Turenne n’avait pas eu toujours des succès heureux à la guerre; il avait
été battu à Mariendal, à Rethel, à Cambrai; aussi disait-il qu’il avait fait des
fautes, et il était assez grand pour l’avouer. Il ne fit jamais de conquêtes
éclatantes, et ne donna point de ces grandes batailles rangées dont la
décision rend quelquefois une nation maîtresse de l’autre; mais ayant
toujours réparé ses défaites et fait beaucoup avec peu, il passa pour le plus
habile capitaine de l’Europe, dans un temps où l’art de la guerre était plus
approfondi que jamais. De même, quoiqu’on lui eût reproché sa défection
dans les guerres de la fronde; quoiqu’à l’âge de près de soixante ans
l’amour lui eût fait révéler le secret de l’état[473]; quoiqu’il eût exercé dans
le Palatinat des cruautés qui ne semblaient pas nécessaires, il conserva la
réputation d’un homme de bien, sage, et modéré, parceque ses vertus et ses
grands talents, qui n’étaient qu’à lui, devaient faire oublier des faiblesses et
des fautes qui lui étaient communes avec tant d’autres hommes. Si on
pouvait le comparer à quelqu’un, on oserait dire que de tous les généraux
des siècles passés, Gonsalve de Cordoue, surnommé le grand capitaine, est
celui auquel il ressemblait davantage.
Né calviniste, il s’était fait catholique l’an 1668. Aucun protestant, et
même aucun philosophe ne pensa que la persuasion seule eût fait ce
changement dans un homme de guerre, dans un politique âgé de cinquante
années[474], qui avait encore des maîtresses. On sait que Louis XIV, en le
créant maréchal général de ses armées, lui avait dit ces propres paroles
rapportées dans les lettres de Pellisson et ailleurs: «Je voudrais que vous
m’obligeassiez à faire quelque chose de plus pour vous.» Ces paroles (selon
eux) pouvaient, avec le temps, opérer une conversion. La place de
connétable pouvait tenter un cœur ambitieux. Il était possible aussi que
cette conversion fut sincère. Le cœur humain rassemble souvent la
politique, l’ambition, les faiblesses de l’amour, les sentiments de la religion.
Enfin il était très vraisemblable que Turenne ne quitta la religion de ses
pères que par politique; mais les catholiques, qui triomphèrent de ce
changement, ne voulurent pas croire l’ame de Turenne capable de
feindre[475].
Ce qui arriva en Alsace, immédiatement après la mort de Turenne, rendit
sa perte encore plus sensible. Montecuculli, retenu par l’habileté du général
français trois mois entiers au-delà du Rhin, passa ce fleuve dès qu’il sut
qu’il n’avait plus Turenne à craindre. Il tomba sur une partie de l’armée qui
demeurait éperdue entre les mains de Lorges et de Vaubrun, deux
lieutenants-généraux désunis et incertains. Cette armée, se défendant avec
courage, ne put empêcher les Impériaux de pénétrer dans l’Alsace, dont
Turenne les avait tenus écartés. Elle avait besoin d’un chef non seulement
pour la conduire, mais pour réparer la défaite récente du maréchal de
Créqui, homme d’un courage entreprenant, capable des actions les plus
belles et les plus téméraires, dangereux à sa patrie autant qu’aux ennemis.
Créqui venait d’être vaincu, par sa faute, à Consarbruck. (11 août 1675)
Un corps de vingt mille Allemands, qui assiégeait Trèves, tailla en pièces et
mit en fuite sa petite armée. Il échappe à peine lui quatrième. Il court, à
travers de nouveaux périls, se jeter dans Trèves, qu’il aurait dû secourir
avec prudence, et qu’il défendit avec courage. Il voulait s’ensevelir sous les
ruines de la place; la brèche était praticable: il s’obstine à tenir encore. La
garnison murmure. Le capitaine Bois-Jourdain, à la tête des séditieux, va
capituler sur la brèche. On n’a point vu commettre une lâcheté avec tant
d’audace. Il menace le maréchal de le tuer s’il ne signe. Créqui se retire,
avec quelques officiers fidèles, dans une église: il aima mieux être pris à
discrétion que de capituler[476].
Pour remplacer les hommes que la France avait perdus dans tant de
siéges et de combats, Louis XIV fut conseillé de ne se point tenir aux
recrues de milice comme à l’ordinaire, mais de faire marcher le ban et
l’arrière-ban. Par une ancienne coutume, aujourd’hui hors d’usage, les
possesseurs des fiefs étaient dans l’obligation d’aller à leurs dépens à la
guerre pour le service de leur seigneur suzerain, et de rester armés un
certain nombre de jours. Ce service composait la plus grande partie des lois
de nos nations barbares. Tout est changé aujourd’hui en Europe; il n’y a
aucun état qui ne lève des soldats, qu’on retient toujours sous le drapeau, et
qui forment des corps disciplinés.
Louis XIII convoqua une fois la noblesse de son royaume. Louis XIV
suivit alors cet exemple. Le corps de la noblesse marcha sous les ordres du
marquis depuis maréchal de Rochefort, sur les frontières de Flandre; et
après sur celles d’Allemagne; mais ce corps ne fut ni considérable ni utile,
et ne pouvait l’être. Les gentilshommes, aimant la guerre et capables de
bien servir, étaient officiers dans les troupes; ceux que l’âge où le
mécontentement tenait renfermés chez eux n’en sortirent point; les autres,
qui s’occupaient à cultiver leurs héritages, vinrent avec répugnance au
nombre d’environ quatre mille. Rien ne ressemblait moins à une troupe
guerrière. Tous montés et armés inégalement, sans expérience et sans
exercice, ne pouvant ni ne voulant faire un service régulier, ils ne causèrent
que de l’embarras, et on fut dégoûté d’eux pour jamais. Ce fut la dernière
trace, dans nos armées réglées, qu’on ait vue de l’ancienne chevalerie, qui
composait autrefois ces armées, et qui, avec le courage naturel à la nation,
ne fit jamais bien la guerre.
(Août et septembre 1675) Turenne mort, Créqui battu et prisonnier,
Trèves prise, Montecuculli fesant contribuer l’Alsace, le roi crut que le
prince de Condé pouvait seul ranimer la confiance des troupes, que
décourageait la mort de Turenne. Condé laissa le maréchal de Luxembourg
soutenir en Flandre la fortune de la France, et alla arrêter les progrès de
Montecuculli. Autant il venait de montrer d’impétuosité à Senef, autant il
eut alors de patience. Son génie, qui se pliait à tout, déploya le même art
que Turenne. Deux seuls campements arrêtèrent les progrès de l’armée
allemande, et firent lever à Montecuculli les sieges d’Haguenau et de
Saverne. Après cette campagne, moins éclatante que celle de Senef, et plus
estimée, ce prince cessa de paraître à la guerre. Il eût voulu que son fils
commandât; il offrait de lui servir de conseil; mais le roi ne voulait pour
généraux ni de jeunes gens ni de princes; c’était avec quelque peine qu’il
s’était servi même du prince de Condé. La jalousie de Louvois contre
Turenne avait contribué, autant que le nom de Condé, à le mettre à la tête
des armées.
Ce prince se retira à Chantilli, d’où il vint très rarement à Versailles voir
sa gloire éclipsée dans un lieu où le courtisan ne considère que la faveur. Il
passa le reste de sa vie tourmenté de la goutte, se consolant de ses douleurs
et de sa retraite dans la conversation des hommes de génie en tout genre,
dont la France était alors remplie. Il était digne de les entendre; et n’était
étranger dans aucune des sciences ni des arts où ils brillaient. Il fut admiré
encore dans sa retraite: mais enfin ce feu dévorant qui en avait fait dans sa
jeunesse un héros impétueux et plein de passions, ayant consumé les forces
de son corps, né plus agile que robuste, il éprouva la caducité avant le
temps, et son esprit s’affaiblissant avec son corps, il ne resta rien du grand
Condé, les deux dernières années de sa vie: il mourut en 1686[477].
Montecuculli se retira du service de l’empereur, en même temps que le
prince de Condé cessa de commander les armées de France.
C’est un conte bien répandu et bien méprisable que Montecuculli
renonça au commandement des armées après la mort de Turenne, parcequ’il
n’avait, disait-il, plus d’émule digne de lui. Il aurait dit une sottise, quand
même il ne fût pas resté un Condé. Loin de dire cette sottise dont on lui fait
honneur, il combattit contre les Français, et leur fit repasser le Rhin cette
année. D’ailleurs, quel général d’armée aurait jamais dit à son maître: «Je
ne veux plus vous servir, parceque vos ennemis sont trop faibles, et que j’ai
un mérite trop supérieur?»
 CHAPITRE XIII.
Depuis la mort de Turenne jusqu’à la paix de Nimègue, en 1678.
Après la mort de Turenne et la retraite du prince de Condé, le roi n’en
continua pas la guerre avec moins d’avantage contre l’empire, l’Espagne, et
la Hollande. Il avait des officiers formés par ces deux grands hommes. Il
avait Louvois, qui lui, valait plus qu’un général, parceque sa prévoyance
mettait les généraux en état d’entreprendre tout ce qu’ils voulaient. Les
troupes, long-temps victorieuses, étaient animées du même esprit
qu’excitait encore la présence d’un roi toujours heureux.
Il prit en personne, dans le cours de cette guerre, (26 avril 1676) Condé,
(11 mai 1676) Bouchain, (17 mars 1677) Valenciennes, (5 avril 1677)
Cambrai. On l’accusa, au siége de Bouchain, d’avoir craint de combattre le
prince d’Orange, qui vint se présenter devant lui avec cinquante mille
hommes pour tenter de jeter du secours dans la place. On reprocha aussi au
prince d’Orange d’avoir pu livrer bataille à Louis XIV, et de ne l’avoir pas
fait. Car tel est le sort des rois et des généraux, qu’on les blâme toujours de
ce qu’ils font et de ce qu’ils ne font pas; mais ni lui ni le prince d’Orange
n’étaient blâmables. Le prince ne donna point la bataille quoiqu’il le voulût,
parceque Monterey, gouverneur des Pays-Bas, qui était dans son armée, ne
voulut point exposer son gouvernement au hasard d’un événement décisif;
la gloire de la campagne demeura au roi, puisqu’il fit ce qu’il voulut, et
qu’il prit une ville en présence de son ennemi.
A l’égard de Valenciennes, elle fut prise d’assaut, par un de ces
événements singuliers qui caractérisent le courage impétueux de la nation.
Le roi fesait ce siége, ayant avec lui son frère et cinq maréchaux de
France, d’Humières, Schomberg, La Feuillade, Luxembourg, et de Lorge.
Les maréchaux commandaient chacun leur jour l’un après l’autre. Vauban
dirigeait toutes les opérations.
On n’avait pris encore aucun des dehors de la place. Il fallait d’abord
attaquer deux demi-lunes. Derrière ces demi-lunes était un grand ouvrage à
couronne, palissade et fraisé, entouré d’un fossé coupé de plusieurs
traverses. Dans cet ouvrage à couronne était encore un autre ouvrage,
entouré d’un autre fossé. Il fallait, après s’être rendu maître de tous ces
retranchements, franchir un bras de l’Escaut. Ce bras franchi, on trouvait
encore un autre ouvrage, qu’on nomme pâté. Derrière ce pâté coulait le
grand cours de l’Escaut, profond et rapide, qui sert de fossé à la muraille.
Enfin la muraille était soutenue par de larges remparts. Tous ces ouvrages
étaient couverts de canons. Une garnison de trois mille hommes préparait
une longue résistance.
Le roi tint conseil de guerre pour attaquer les ouvrages du dehors. C’était
l’usage que ces attaques se fissent toujours pendant la nuit, afin de marcher
aux ennemis sans être aperçu, et d’épargner le sang du soldat. Vauban
proposa de faire l’attaque en plein jour. Tous les maréchaux de France se
récrièrent contre cette proposition. Louvois la condamna. Vauban tint
ferme, avec la confiance d’un homme certain de ce qu’il avance. «Vous
voulez, dit-il, ménager le sang du soldat: vous l’épargnerez bien davantage
quand il combattra de jour, sans confusion et sans tumulte, sans craindre
qu’une partie de nos gens tire sur l’autre, comme il n’arrive que trop
souvent. Il s’agit de surprendre l’ennemi, il s’attend toujours aux attaques
de nuit: nous le surprendrons en effet, lorsqu’il faudra qu’épuisé des
fatigues d’une veille il soutienne les efforts de nos troupes fraîches. Ajoutez
à cette raison que s’il y a dans cette armée des soldats de peu de courage, la
nuit favorise leur timidité; mais que pendant le jour l’œil du général inspire
la valeur, et élève les hommes au-dessus d’eux-mêmes.»
Le roi se rendit aux raisons de Vauban, malgré Louvois et cinq
maréchaux de France.
(17 mars 1677) A neuf heures du matin les deux compagnies de
mousquetaires, une centaine de grenadiers, un bataillon des gardes, un du
régiment de Picardie, montent de tous côtés sur ce grand ouvrage à
couronne. L’ordre était simplement de s’y loger, et c’était beaucoup: mais
quelques mousquetaires noirs, ayant pénétré par un petit-sentier jusqu’au
retranchement intérieur qui était dans cette fortification, ils s’en rendent
d’abord les maîtres. Dans le même temps, les mousquetaires gris y abordent
par un autre endroit. Les bataillons des gardes les suivent: on tue et on
poursuit les assiégés: les mousquetaires baissent le pont-levis qui joint cet
ouvrage aux autres: ils suivent l’ennemi de retranchement en
retranchement, sur le petit bras de l’Escaut et sur le grand. Les gardes
s’avancent en foule. Les mousquetaires sont déjà dans la ville, avant que le
roi sache que le premier ouvrage attaqué est emporté.
 Ce n’était pas encore ce qu’il y eut de plus étrange dans cette action. Il
était vraisemblable que de jeunes mousquetaires, emportés par l’ardeur du
succès, se jetteraient aveuglément sur les troupes et sur les bourgeois qui
venaient à eux dans la rue; qu’ils y périraient, ou que la ville allait être
pillée: mais ces jeunes gens, conduits par un cornette, nommé Moissac, se
mirent en bataille derrière des charrettes; et, tandis que les troupes qui
venaient se formaient sans précipitation, d’autres mousquetaires
s’emparaient des maisons voisines, pour protéger par le feu ceux qui étaient
dans la rue: on donnait des otages de part et d’autre: le conseil de ville
s’assemblait: on députait vers le roi: tout cela se fesait sans qu’il y eût rien
de pillé, sans confusion, sans faire de fautes d’aucune espèce. Le roi fit la
garnison prisonnière de guerre, et entra dans Valenciennes, étonné d’en être
le maître. La singularité de l’action a engagé à entrer dans ce détail.
(9 mars 1678) Il eut encore la gloire de prendre Gand[478] en quatre
jours, et Ypres en sept (25 mars). Voilà ce qu’il fit par lui-même. Ses succès
furent encore plus grands par ses généraux.
(Septembre 1676) Du côté de l’Allemagne, le maréchal duc de
Luxembourg laissa d’abord, à la vérité, prendre Philipsbourg à sa vue,
essayant en vain de la secourir avec une armée de cinquante mille hommes.
Le général qui prit Philipsbourg était Charles V, nouveau duc de Lorraine,
héritier de son oncle Charles IV, et dépouillé comme lui de ses états. Il avait
toutes les qualités de son malheureux oncle, sans en avoir les défauts. Il
commanda long-temps les armées de l’empire avec gloire: mais, malgré la
prise de Philipsbourg, et quoiqu’il fût à la tête de soixante mille
combattants, il ne put jamais rentrer dans ses états. En vain il mit sur ses
étendards, aut nunc, aut nunquam, ou maintenant, ou jamais.
Le maréchal de Créqui racheté de sa prison, et devenu plus prudent par
sa défaite de Consarbruck, lui ferma toujours l’entrée de la Lorraine. (7
octobre 1677) Il le battit dans le petit combat de Kochersberg en Alsace. Il
le harcela et le fatigua sans relâche. (14 novembre 1677) Il prit Fribourg à
sa vue; et quelque temps après il battit encore un détachement de son armée
à Rhinfeld. (Juillet 1678) Il passa la rivière de Kins[479] en sa présence, le
poursuivit vers Offenbourg, le chargea dans sa retraite; et ayant
immédiatement après emporté le fort de Kehl, l’epée à la main, il alla brûler
le pont de Strasbourg, par lequel cette ville, qui était libre encore, avait
donné tant de fois passage aux armées impériales. Ainsi le maréchal de
Créqui répara un jour de témérité par une suite de succès dus à sa prudence;
et il eût peut-être acquis une réputation égale à celle de Turenne, s’il eût
vécu.
Le prince d’Orange ne fut pas plus heureux en Flandre que le duc de
Lorraine en Allemagne: non seulement il fut obligé de lever le siége de
Mastricht et de Charleroi; mais, après avoir laissé tomber Condé, Bouchain,
et Valenciennes, sous la puissance de Louis XIV, il perdit la bataille de
Mont-Cassel contre Monsieur (11 avril 1677), en voulant secourir Saint-
Omer. Les maréchaux de Luxembourg et d’Humières commandaient
l’armée sous Monsieur. On prétend qu’une faute du prince d’Orange et un
mouvement habile de Luxembourg décidèrent du gain de la bataille.
Monsieur chargea avec une valeur et une présence d’esprit qu’on n’attendait
pas d’un prince efféminé. Jamais on ne vit un plus grand exemple que le
courage n’est point incompatible avec la mollesse. Ce prince, qui s’habillait
souvent en femme, qui en avait les inclinations, agit en capitaine et en
soldat. Le roi, son frère, parut jaloux de sa gloire. Il parla peu à Monsieur de
sa victoire. Il n’alla pas même voir le champ de bataille, quoiqu’il se trouvât
tout auprès. Quelques serviteurs de Monsieur, plus pénétrants que les autres,
lui prédirent alors qu’il ne commanderait plus d’armée; et ils ne se
trompèrent pas.
Tant de villes prises, tant de combats gagnés en Flandre et en Allemagne,
n’étaient pas les seuls succès de Louis XIV dans cette guerre. Le comte de
Schomberg et le maréchal de Navailles battaient les Espagnols dans le
Lampourdan, au pied des Pyrénées. On les attaquait jusque dans la Sicile.
La Sicile, depuis le temps des tyrans de Syracuse, sous lesquels au moins
elle avait été comptée pour quelque chose dans le monde, a toujours été
subjuguée par des étrangers; asservie successivement aux Romains, aux
Vandales, aux Arabes, aux Normands, sous le vasselage des papes, aux
Français, aux Allemands, aux Espagnols; haïssant presque toujours ses
maîtres, se révoltant contre eux, sans faire de véritables efforts dignes de la
liberté, et excitant continuellement des séditions pour changer de chaînes.
Les magistrats de Messine venaient d’allumer une guerre civile contre
leurs gouverneurs, et d’appeler la France à leur secours. Une flotte
espagnole bloquait leur port. Ils étaient réduits aux extrémités de la famine.
D’abord le chevalier de Valbelle vint avec quelques frégates à travers la
flotte espagnole. Il apporte à Messine des vivres, des armes, et des soldats.
Ensuite le duc de Vivonne arrive avec sept vaisseaux de guerre de soixante
pièces de canon, deux de quatre-vingts, et plusieurs brûlots; il bat la flotte
ennemie (9 février 1675), et entre victorieux dans Messine.
L’Espagne est obligée d’implorer, pour la défense de la Sicile, les
Hollandais ses anciens ennemis, qu’on regardait toujours comme les
maîtres de la mer. Ruyter vient à son secours du fond du Zuiderzée, passe le
détroit, et joint à vingt vaisseaux espagnols vingt-trois grands vaisseaux de
guerre.
Alors les Français qui, joints avec les Anglais, n’avaient pu battre les
flottes de Hollande, l’emportèrent seuls sur les Hollandais et les Espagnols
réunis. (8 janvier 1676) Le duc de Vivonne, obligé de rester dans Messine
pour contenir le peuple déjà mécontent de ses défenseurs, laissa donner
cette bataille par Duquesne, lieutenant général des armées navales, homme
aussi singulier que Ruyter, parvenu comme lui au commandement par son
seul mérite, mais n’ayant encore jamais commandé d’armée navale, et plus
signalé jusqu’à ce moment dans l’art d’un armateur que dans celui d’un
général. Mais quiconque a le génie de son art et du commandement, passe
bien vite et sans effort du petit au grand. Duquesne se montra grand général
de mer contre Ruyter. C’était l’être que de remporter sur ce Hollandais un
faible avantage. Il livra encore une seconde bataille navale aux deux flottes
ennemies près d’Agouste[480] (12 mars 1676). Ruyter blessé dans cette
bataille y termina sa glorieuse vie. C’est un des hommes dont la mémoire
est encore dans la plus grande vénération en Hollande. Il avait commencé
par être valet et mousse de vaisseau; il n’en fut que plus respectable. Le
nom des princes de Nassau n’est pas au-dessus du sien. Le conseil
d’Espagne lui donna le titre et les patentes de duc, dignité étrangère et
frivole pour un républicain. Ces patentes ne vinrent qu’après sa mort. Les
enfants de Ruyter, dignes de leur père, refusèrent ce titre si brigué dans nos
monarchies, mais qui n’est pas préférable au nom de bon citoyen.
Louis XIV eut assez de grandeur d’ame pour être affligé de sa mort. On
lui représenta qu’il était défait d’un ennemi dangereux. Il répondit «qu’on
ne pouvait s’empêcher d’être sensible à la mort d’un grand homme.»
Duquesne, le Ruyter de la France, attaqua une troisième fois les deux
flottes après la mort du général hollandais. Il leur coula à fond, brûla, et prit
plusieurs vaisseaux. Le maréchal duc de Vivonne avait le commandement
en chef dans cette bataille; mais ce n’en fut pas moins Duquesne qui
remporta la victoire[481]. L’Europe était étonnée que la France fût devenue
en si peu de temps aussi redoutable sur mer que sur terre. Il est vrai que ces
armements et ces batailles gagnées ne servirent qu’à répandre l’alarme dans
tous les états. Le roi d’Angleterre, ayant commencé la guerre pour l’intérêt
de la France, était prêt enfin de se liguer avec le prince d’Orange, qui venait
d’épouser sa nièce. De plus, la gloire acquise en Sicile coûtait trop de
trésors. Enfin les Français évacuèrent Messine (8 avril 1678), dans le temps
qu’on croyait qu’ils se rendraient maîtres de toute l’île. On blâma beaucoup
Louis XIV d’avoir fait dans cette guerre des entreprises qu’il ne soutint pas,
et d’avoir abandonné Messine, ainsi que la Hollande, après des victoires
inutiles.
Cependant c’était être bien redoutable de n’avoir d’autre malheur que de
ne pas conserver toutes ses conquêtes. Il pressait ses ennemis d’un bout de
l’Europe à l’autre. La guerre de Sicile lui avait coûté beaucoup moins qu’à
l’Espagne épuisée et battue en tous lieux. Il suscitait encore de nouveaux
ennemis à la maison d’Autriche. Il fomentait les troubles de Hongrie; et ses
ambassadeurs à la Porte ottomane la pressaient de porter la guerre dans
l’Allemagne, dût-il envoyer encore, par bienséance, quelque secours contre
les Turcs, appelés par sa politique. Il accablait seul tous ses ennemis. Car
alors la Suède, son unique alliée, ne fesait qu’une guerre malheureuse
contre l’électeur de Brandebourg. Cet électeur, père du premier roi de
Prusse, commençait à donner à son pays une considération qui s’est bien
augmentée depuis: il enlevait alors la Poméranie aux Suédois.
Il est remarquable que dans le cours de cette guerre il y eut presque
toujours des conférences ouvertes pour la paix; d’abord à Cologne, par la
médiation inutile de la Suède; ensuite à Nimègue, par celle de l’Angleterre.
La médiation anglaise fut une cérémonie presque aussi vaine que l’avait été
l’arbitrage du pape au traité d’Aix-la-Chapelle. Louis XIV fut en effet le
seul arbitre. Il fit ses propositions, le 9 d’avril 1678, au milieu de ses
conquêtes, et donna à ses ennemis jusqu’au 10 de mai pour les accepter. Il
accorda ensuite un délai de six semaines aux états-généraux, qui le
demandèrent avec soumission.
Son ambition ne se tournait plus alors du côté de la Hollande. Cette
république avait été assez heureuse ou assez adroite pour ne paraître plus
qu’auxiliaire dans une guerre entreprise pour sa ruine. L’empire et
l’Espagne, d’abord auxiliaires, étaient devenus les principales parties.
 Le roi, dans les conditions qu’il imposa, favorisait le commerce des
Hollandais; il leur rendait Mastricht, et remettait aux Espagnols quelques
villes qui devaient servir de barrières aux Provinces-Unies, comme
Charleroi, Courtrai, Oudenarde, Ath, Gand, Limbourg; mais il se réservait
Bouchain, Condé, Ypres, Valenciennes, Cambrai, Maubeuge, Aire, Saint-
Omer, Cassel, Charlemont, Popering, Bailleul, etc.; ce qui fesait une bonne
partie de la Flandre. Il y ajoutait la Franche-Comté, qu’il avait deux fois
conquise; et ces deux provinces étaient un assez digne fruit de la guerre.
Il ne voulait dans l’Allemagne que Fribourg ou Philipsbourg, et laissait
le choix à l’empereur. Il rétablissait dans l’évêché de Strasbourg et dans
leurs terres les deux frères Furstenberg, que l’empereur avait dépouillés, et
dont l’un était en prison.
Il fut hautement le protecteur de la Suède, son alliée, et alliée
malheureuse, contre le roi de Danemark et l’électeur de Brandebourg. Il
exigea que le Danemark rendît tout ce qu’il avait pris sur la Suède; qu’il
modérât les droits de passage dans la mer Baltique; que le duc de Holstein
fût rétabli dans ses états; que le Brandebourg cédât la Poméranie qu’il avait
conquise; que les traités de Vestphalie fussent rétablis de point en point. Sa
volonté était une loi d’un bout de l’Europe à l’autre. En vain l’électeur de
Brandebourg lui écrivit la lettre la plus soumise, l’appelant monseigneur,
selon l’usage, le conjurant de lui laisser ce qu’il avait acquis, l’assurant de
son zèle et de son service: ses soumissions furent aussi inutiles que sa
résistance, et il fallut que le vainqueur des Suédois rendît toutes ses
conquêtes.
Alors les ambassadeurs de France prétendaient la main sur les électeurs.
Celui de Brandebourg offrit tous les tempéraments pour traiter à Clèves
avec le comte depuis maréchal d’Estrades, ambassadeur auprès des États-
Généraux. Le roi ne voulut jamais permettre qu’un homme qui le
représentait cédât à un électeur, et le comte d’Estrades ne put traiter.
Charles-Quint avait mis l’égalité entre les grands d’Espagne et les
électeurs. Les pairs de France par conséquent la prétendaient. On voit
aujourd’hui à quel point les choses sont changées, puisque aux diètes de
l’empire les ambassadeurs des électeurs sont traités comme ceux des rois.
Quant à la Lorraine, il offrait de rétablir le nouveau duc Charles V; mais
il voulait rester maître de Nanci et de tous les grands chemins.
 Ces conditions furent fixées avec la hauteur d’un conquérant; cependant
elles n’étaient pas si outrées qu’elles dussent désespérer ses ennemis, et les
obliger à se réunir contre lui par un dernier effort: il parlait à l’Europe en
maître, et agissait en même temps en politique.
Il sut aux conférences de Nimègue semer la jalousie parmi les alliés. Les
Hollandais s’empressèrent de signer, malgré le prince d’Orange, qui, à
quelque prix que ce fut, voulait faire la guerre; ils disaient que les
Espagnols étaient trop faibles pour les secourir s’ils ne signaient pas.
Les Espagnols, voyant que les Hollandais avaient accepté la paix, la
reçurent aussi, disant que l’empire ne fesait pas assez d’efforts pour la cause
commune.
Enfin les Allemands, abandonnés de la Hollande et de l’Espagne,
signèrent les derniers, en laissant Fribourg au roi, et confirmant les traités
de Vestphalie.
Rien ne fut changé aux conditions prescrites par Louis XIV. Ses ennemis
eurent beau faire des propositions outrées pour colorer leur faiblesse,
l’Europe reçut de lui des lois et la paix. Il n’y eut que le duc de Lorraine qui
osa refuser l’acceptation d’un traité qui lui semblait trop odieux. Il aima
mieux être un prince errant dans l’empire qu’un souverain sans pouvoir et
sans considération dans ses états: il attendit sa fortune du temps et de son
courage.
(10 août 1678) Dans le temps des conférences de Nimègue, et quatre
jours après que les plénipotentiaires de France et de Hollande avaient signé
la paix, le prince d’Orange fit voir combien Louis XIV avait en lui un
ennemi dangereux. Le maréchal de Luxembourg, qui bloquait Mons, venait
de recevoir la nouvelle de la paix. Il était tranquille dans le village de Saint-
Denys, et dînait chez l’intendant de l’armée. (14 août) Le prince d’Orange,
avec toutes ses troupes, fond sur le quartier du maréchal, le force, et engage
un combat sanglant, long, et opiniâtre, dont il espérait avec raison une
victoire signalée, car non seulement il attaquait, ce qui est un avantage,
mais il attaquait des troupes qui se reposaient sur la foi du traité. Le
maréchal de Luxembourg eut beaucoup de peine à résister; et s’il y eut
quelque avantage dans ce combat, il fut du côté du prince d’Orange,
puisque son infanterie demeura maîtresse du terrain où elle avait combattu.
Si les hommes ambitieux comptaient pour quelque chose le sang des
autres hommes, le prince d’Orange n’eût point donné ce combat. Il savait
certainement que la paix était signée; il savait que cette paix était
avantageuse à son pays; cependant il prodiguait sa vie et celle de plusieurs
milliers d’hommes pour prémices d’une paix générale qu’il n’aurait pu
empêcher, même en battant les Français. Cette action, pleine d’inhumanité
non moins que de grandeur, et plus admirée alors que blâmée, ne produisit
pas un nouvel article de paix, et coûta, sans aucun fruit, la vie à deux mille
Français et à autant d’ennemis. On vit dans cette paix combien les
événements contredisent les projets. La Hollande, contre qui seule la guerre
avait été entreprise, et qui aurait dû être détruite, n’y perdit rien; au
contraire, elle y gagna une barrière: et toutes les autres puissances qui
l’avaient garantie de la destruction y perdirent.
Le roi fut en ce temps au comble de la grandeur. Victorieux depuis qu’il
régnait, n’ayant assiégé aucune place qu’il n’eût prise, supérieur en tout
genre à ses ennemis réunis, la terreur de l’Europe pendant six années de
suite, enfin son arbitre et son pacificateur, ajoutant à ses états la Franche-
Comté, Dunkerque, et la moitié de la Flandre; et, ce qu’il devait compter
pour le plus grand de ses avantages, roi d’une nation alors heureuse, et alors
le modèle des autres nations. L’hôtel-de-ville de Paris lui déféra quelque
temps après le nom de grand avec solennité (1680), et ordonna que
dorénavant ce titre seul serait employé dans tous les monuments publics.
On avait, dès 1673, frappé quelques médailles chargées de ce surnom.
L’Europe, quoique jalouse, ne réclama pas contre ces honneurs. Cependant
le nom de Louis XIV a prévalu dans le public sur celui de grand. L’usage
est le maître de tout. Henri, qui fut surnommé le grand à si juste titre après
sa mort, est appelé communément Henri IV; et ce nom seul en dit assez. M.
le Prince est toujours appelé le grand Condé, non seulement à cause de ses
actions héroïques, mais par la facilité qui se trouve à le distinguer, par ce
surnom, des autres princes de Condé. Si on l’avait nommé Condé le grand,
ce titre ne lui fût pas demeuré. On dit le grand Corneille, pour le distinguer
de son frère[482]. On ne dit pas le grand Virgile, ni le grand Homère, ni le
grand Tasse. Alexandre-le-Grand n’est plus connu que sous le nom
d’Alexandre. On ne dit point César le grand. Charles-Quint, dont la fortune
fut plus éclatante que celle de Louis XIV, n’a jamais eu le nom de grand: il
n’est resté à Charlemagne que comme un nom propre. Les titres ne servent
de rien pour la postérité, le nom d’un homme qui a fait de grandes choses
impose plus de respect que toutes les épithètes.
 CHAPITRE XIV.
Prise de Strasbourg. Bombardement d’Alger. Soumission de Gênes. Ambassade de Siam. Le pape
bravé dans Rome. Électorat de Cologne disputé.
L’ambition de Louis XIV ne fut point retenue par cette paix générale.
L’empire, l’Espagne, la Hollande, licencièrent leurs troupes extraordinaires.
Il garda toutes les siennes; il fit de la paix un temps de conquêtes (1680): il
était même si sûr alors de son pouvoir, qu’il établit dans Metz et dans
Brisach[483] des juridictions pour réunir à sa couronne toutes les terres qui
pouvaient avoir été autrefois de la dépendance de l’Alsace ou des Trois-
Évêchés, mais qui depuis un temps immémorial avaient passé sous d’autres
maîtres. Beaucoup de souverains de l’empire, l’électeur palatin, le roi
d’Espagne même, qui avait quelques bailliages dans ces pays, le roi de
Suède, comme duc des Deux-Ponts, furent cités devant ces chambres pour
rendre hommage au roi de France, ou pour subir la confiscation de leurs
biens. Depuis Charlemagne on n’avait vu aucun prince agir ainsi en maître
et en juge des souverains, et conquérir des pays par des arrêts.
L’électeur palatin et celui de Trèves furent dépouillés des seigneuries de
Falkenbourg, de Germersheim, de Veldentz, etc. Ils portèrent en vain leurs
plaintes à l’empire assemblé à Ratisbonne, qui se contenta de faire des
protestations.
Ce n’était pas assez au roi d’avoir la préfecture des dix villes libres de
l’Alsace au même titre que l’avaient eue les empereurs; déjà dans aucune de
ces villes on n’osait plus parler de liberté. Restait Strasbourg, ville grande et
riche, maîtresse du Rhin par le pont qu’elle avait sur ce fleuve; elle formait
seule une puissante république, fameuse par son arsenal qui renfermait neuf
cents pièces d’artillerie.
Louvois avait formé dès long-temps le dessein de la donner à son maître.
L’or, l’intrigue, et la terreur, qui lui avaient ouvert les portes de tant de
villes, préparèrent l’entrée de Louvois dans Strasbourg. (30 septembre
1681) Les magistrats furent gagnés. Le peuple fut consterné de voir à-la-
fois vingt mille Français autour de ses remparts; les forts qui les défendaient
près du Rhin, insultés et pris dans un moment; Louvois aux portes, et les
bourgmestres parlant de se rendre: les pleurs et le désespoir des citoyens,
amoureux de la liberté, n’empêchèrent point qu’en un même jour le traité de
reddition ne fût proposé par les magistrats, et que Louvois ne prît
possession de la ville. Vauban en a fait depuis, par les fortifications qui
l’entourent, la barrière la plus forte de la France.
Le roi ne ménageait pas plus l’Espagne; il demandait dans les Pays-Bas
la ville d’Alost et tout son bailliage, que les ministres avaient oublié, disait-
il, d’insérer dans les conditions de la paix; et, sur les délais de l’Espagne, il
fit bloquer la ville de Luxembourg (1682).
En même temps il achetait la forte ville de Casal d’un petit prince duc de
Mantoue (1681), qui aurait vendu tout son état pour fournir à ses plaisirs.
En voyant cette puissance qui s’étendait ainsi de tous côtés, et qui
acquérait pendant la paix plus que dix rois prédécesseurs de Louis XIV
n’avaient acquis par leurs guerres, les alarmes de l’Europe recommencèrent.
L’empire, la Hollande, la Suède même, mécontente du roi, firent un traité
d’association. Les Anglais menacèrent; les Espagnols voulurent la guerre:
le prince d’Orange remua tout pour la faire commencer; mais aucune
puissance n’osait alors porter les premiers coups[484].
Le roi, craint partout, ne songea qu’à se faire craindre davantage. (1680)
Il portait enfin sa marine au-delà des espérances des Français et des craintes
de l’Europe: il eut soixante mille matelots (1681, 1682). Des lois aussi
sévères que celles de la discipline des armées de terre retenaient tous ces
hommes grossiers dans le devoir. L’Angleterre et la Hollande, ces
puissances maritimes, n’avaient ni tant d’hommes de mer, ni de si bonnes
lois. Des compagnies de cadets dans les places frontières, et des gardes-
marines dans les ports, furent instituées et composées de jeunes gens qui
apprenaient tous les arts convenables à leur profession, sous des maîtres
payés du trésor public.
Le port de Toulon, sur la Méditerranée, fut construit à frais immenses
pour contenir cent vaisseaux de guerre, avec un arsenal et des magasins
magnifiques. Sur l’Océan, le port de Brest se formait avec la même
grandeur. Dunkerque, le Havre-de-Grace, se remplissaient de vaisseaux: la
nature était forcée à Rochefort.
Enfin le roi avait plus de cent vaisseaux de ligne, dont plusieurs portaient
cent canons, et quelques uns davantage. Ils ne restaient pas oisifs dans les
ports. Ses escadres, sous le commandement de Duquesne, nettoyaient les
mers infestées par les corsaires de Tripoli et d’Alger. Il se vengea d’Alger
avec le secours d’un art nouveau, dont la découverte fut due à cette
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com