Neue Nichtparametrische Verfahren in Modellen mit Instrumenten

• Antragsteller: Professor Dr. Christoph Breunig
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 2014 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 251751687

Ziel des vorgeschlagenen Forschungsprojekts ist die Entwicklung neuer statistischer Verfahren zur nichtparametrischen Analyse von endogenen Datensätzen. Bedingt durch den technischen Fortschritt, stehen der Ökonometrie zunehmend größere Datensätze zur Verfügung, wodurch die nichtparametrische Methodik an Bedeutung gewinnt. Zudem ist die endogene Modellierung realitätsnah, da hierdurch unbeobachtbare kausale Strukturen berücksichtigt werden. Das Forschungsprojekt untergliedert sich in folgende Teile: Das erste Ziel ist die Entwicklung eines Testverfahrens zur Erkennung einer endogenen Selektion bei unvollständigen Datensätzen. Der Test beruht auf der Verwendung von Instrumenten, welche mit den Daten aber nicht mit dem Selektionsmechanismus korreliert sind. Insbesondere ist eine Anwendung dieses Verfahrens an Umfragedatensätzen geplant. Das zweite Ziel ist die Entwicklung neuer nichtparametrischer Test- und Schätzverfahren für die endogene Regression, unter Verwendung von Instrumenten. Hier wird angestrebt wichtige partielle Information, wie etwa den Mittelwert des strukturellen Zusammenhangs, optimal zu schätzen. Zudem soll ein Testverfahren zur Modellvereinfachung entwickelt werden, welches eine datengebundene Wahl von optimalen Glättungsparametern beinhaltet und dadurch direkt in der Praxis anwendbar sein wird. Schließlich steht die Entwicklung von Kondenzbändern zur grafischen Veranschaulichung des geschätzten strukturellen Zusammenhangs mit dessen statistischen Fehlers im Vordergrund.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Beteiligte Institution: Cowles Foundation for Research in Economics at Yale University
• Gastgeber: Professor Donald Andrews, Ph.D.