Robuste strukturelle Analyse unter unzureichender theoretischer Information

• Antragsteller: Professor Dr. Helmut Herwartz
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 504720211

Während des ersten Jahres des Projekts haben wir den Ansatz der Kernel-basierten Maximum-Likelihood-Schätzung (KML) zur Literatur über die statistische Identifikation struktureller Modelle (hauptsächlich strukturelle VARs, SVARs) beigetragen. Über den Fall von homoskedastischen Schocks hinaus, haben wir auch eine heteroskedastizitätsrobuste Variante der KML-Schätzung entwickelt, die im empirisch relevanten Fall der sogenannten Ko-Heteroskedastizität anwendbar ist, welche im Rahmen von etablierten datenbasierten Ansätzen zur Identifikation in SVARs (sowohl heteroskedastizitätsbasierte als auch unabhängigkeitsbasierte Identifikation) zur Invalidation der identifizierenden Annahmen führt. Darüber hinaus haben wir wichtige Beiträge zur empirischen Analyse der globalen Ölmärkte (und der strukturellen Determinanten von CO2-Emissionen) und der (heterogenen) Übertragung der Geldpolitik der Europäischen Zentralbank auf Mitgliedstaaten der Europäischen Währungsunion geliefert. Aus unseren empirischen Analysen und der verwandten empirischen (und theoretischen) Literatur könnte die Annahme zeitlich unveränderlicher struktureller, d. h. kausaler Beziehungen als kritisch angenommen werden, so dass flexiblere Ansätze zur statistischen Identifikation Beachtung verdienen. Für Zwecke der zeitvariablen strukturellen Modellierung schlagen wir zwei alternative Modellklassen vor, Markov-Switching-Ansätze (MS) und sogenannte funktionale Koeffizientenmodelle (FCMs). Während MS- und FCM-basierte Identifikationen ihre jeweils eigenen Vorzüge haben, argumentieren wir, dass beide Ansätze sich auch gegenseitig bestätigende Einblicke gewähren. Dies könnte beispielsweise der Fall sein, wenn die latenten Zustände in MS-Modellen einen Konjunkturzyklus indizieren, während sogenannte "gaps" in der Volkswirtschaft (z. B. Produktions- oder Inflationslücken) von effektiver Bedeutung für die Entwicklung der interessierenden strukturellen Parameter im Rahmen von FCMs sind. Fragen der Dimensionsreduktion und der Bereitstellung von Software bleiben weiterhin ein zentraler Bestandteil unserer Forschungsagenda.

• DFG-Verfahren: Sachbeihilfen