55 Arbeiten
Diese Arbeit entwickelt ein nichtlineares theoretisches Rahmenwerk, das zeigt, wie institutionelle Starrheiten und Anpassungskosten bei der Umstrukturierung der öffentlichen Ausgaben in Uruguay zu kurzfristigen Kostensteigerungen führen, bevor sich eine effizientere langfristige Verteilung einstellt.
Diese Arbeit zeigt, wie Netzwerkdaten zur Identifikation und Schätzung semiparametrischer Logit-Modelle mit endogenen sozialen Netzwerken genutzt werden können, indem sie durch paarweise Vergleiche ähnlicher Akteure Verzerrungen durch unbeobachtete Merkmale korrigiert und dabei die logistische Verteilungsannahme als entscheidend für die Punktidentifikation nachweist.
Die Autoren stellen eine neue Familie von Zwei-Wege-Cluster-Jackknife-Schätzern für die Varianz vor, die zusammen mit einer verbesserten Methode zur Behandlung nicht positiv definiter Matrizen in Stata implementiert wurde und in Simulationen zu präziseren Inferenzergebnissen führt als bestehende Ansätze.
Diese Arbeit leitet neue asymptotische Ergebnisse für den adaptiven LASSO-Schätzer in Kointegrationsregressionen mit regressoren nahe der Einheitswurzel her und schlägt praktikable Konfidenzbereiche vor, die eine zuverlässige Abdeckung über den gesamten Parameterraum gewährleisten, während die herkömmliche „Oracle"-Eigenschaft in endlichen Stichproben oft zu ungenauen und zu kleinen Intervallen führt.
Diese Arbeit stellt einen doppelt robusten Schätzer mit Kreuzvalidierung und einer speziellen Jackknife-HAC-Varianzkorrektur vor, der zuverlässige statistische Inferenz unter räumlicher Abhängigkeit und fehlenden, zufällig verteilten Labels ermöglicht, indem er die durch Kreuzvalidierung verursachte Verzerrung der Varianzschätzer korrigiert.
Die Arbeit zeigt, dass herkömmliche designbasierte Simulationen bei Shift-Share-Designs die wahre Datenstruktur verzerren können, indem sie Behandlungseffekte mit Fehlerabhängigkeit vermischen, und schlägt alternative Simulationsansätze vor, die eine bessere Übereinstimmung mit dem tatsächlichen Datenprozess gewährleisten.
Diese Arbeit entwickelt eine neuartige semi-modulare Bayes'sche Inferenzmethode für Copula-Modelle, die durch die Zuweisung individueller Einflussparameter an jede Randverteilung und deren Optimierung mittels Bayesian Optimization eine robuste Schätzung bei potenziell fehlerhafter Spezifikation der Randverteilungen ermöglicht.
Dieser Artikel stellt einen einfachen, konservativen Varianzschätzer vor, der bei heterogenen Mittelwerten und zwei-Wege-Cluster-Abhängigkeit asymptotisch gültig ist und so die Unterschätzung der Varianz sowie die daraus resultierende Übergröße von Tests verhindert.
Die Arbeit beweist einen zentralen Grenzwertsatz für Netzwerkbildungsmodelle mit strategischen Interaktionen und homophilen Agenten, indem sie modifizierte Stabilisierungsbedingungen nutzt, um unter der Bedingung wachsender Netzwerkgroße eine asymptotische Normalverteilung für die Inferenz zu etablieren.
Diese Arbeit widerlegt anhand eines Gegenbeispiels die von Rubio-Ramírez, Waggoner und Zha (2010) aufgestellte hinreichende Bedingung für die globale Identifikation von SVAR-Modellen, da diese die Möglichkeit redundanter Restriktionen ignoriert, und leitet stattdessen eine korrigierte, notwendige und hinreichende Bedingung ab.
Diese Arbeit entwickelt Methoden zur Bestimmung identifizierter Mengen für Impulsantwortfunktionen in partiell identifizierten heteroskedastischen SVAR-Modellen, die durch Eigenwert-Multiplizität bei Varianzbrüchen gekennzeichnet sind, und wendet diese auf den globalen Rohölmarkt an.
Diese Arbeit stellt eine Klasse von strukturellen VAR-Modellen mit Strukturbrüchen vor, die durch eine Kombination von Gleichheits-, Vorzeichen-, Rang- und Stabilitätsbeschränkungen identifiziert werden, und entwickelt robuste bayesianische sowie frequentistische Inferenzverfahren, um die Probleme lokaler, aber nicht globaler Identifikation und der daraus resultierenden Mehrdeutigkeit der Parameterschätzung zu überwinden.
Die Studie stellt DisSim-FinBERT vor, ein neues Framework, das Diskursvereinfachung mit aspektbasierter Sentimentanalyse kombiniert, um aus komplexen Finanztexten wie FOMC-Minuten präzisere und wirtschaftlich relevantere Stimmungsprognosen zu extrahieren.
Diese Arbeit entwickelt neue Schätz- und Inferenzverfahren für strukturelle VAR-Modelle, die nur lokal identifiziert sind, indem sie alle äquivalenten Parameterwerte systematisch berechnen und so die damit verbundenen Herausforderungen für bayesianische und frequentistische Analysen bewältigen.
Dieser Kommentar hinterfragt die übermäßige Abhängigkeit von statistischen Signifikanzniveaus in der Wahlmodellierung, fordert präzisere Berichterstattung über Unsicherheitsmaße und betont die Notwendigkeit, neben der statistischen auch die verhaltenswissenschaftliche oder politische Relevanz sowie modellspezifische Besonderheiten wie Willingness-to-Pay und wiederholte Entscheidungen zu berücksichtigen.
Die Autoren argumentieren, dass der erwartete Durchschnittsergebniswert, der sowohl über Einheiten als auch über Behandlungszuweisungen mittelt, als Schätzer die notwendige Interpretierbarkeit als Zusammenfassung von Einzeleffekten und die Eignung für die optimale Politikwahl vereint, während andere gängige Schätzer oft nur eine der beiden Eigenschaften erfüllen.
Die Autoren entwickeln Schätz- und Inferenzverfahren für ein makroökonomisches Modell mit mehreren Verhaltensgleichgewichten und konstanter Lernrate, die die starke Konsistenz und asymptotische Normalität des Schätzers sowie Konfidenzbänder für die Gleichgewichte unter Berücksichtigung nicht-standardisierter Grenzverteilungen bei wiederholten Gleichgewichtslösungen nachweisen.
Diese Arbeit entwickelt unter schwachen und primitiven Annahmen allgemeine Konvergenzraten für induzierte Ordnungsstatistiken, die sowohl innere als auch Randpunkte abdecken und somit Anwendungen wie Regression-Discontinuity-Designs ermöglichen, indem sie einen klaren Zusammenhang zwischen Glattheitsbedingungen und Konvergenzgeschwindigkeit aufzeigen.
Das Paper stellt das R-Paket „ForeComp" vor, das den Vergleich der Vorhersagegenauigkeit mittels Diebold-Mariano-Tests mit Standard- und Fixed-Smoothing-Asymptotik ermöglicht und dabei visuelle Diagnosewerkzeuge sowie Anwendungen auf Umfragedaten und Monte-Carlo-Simulationen bereitstellt.
Diese Arbeit entwickelt ein einheitliches Identifikationsframework für kontrafaktische Analysen in unvollständigen Modellen mit Stütz- und Momentenrestriktionen, das durch die Erweiterung der Stütz-Funktions-Methode über die Integrierbarkeitsbedingung hinaus und die Einführung einer Irreduzibilitätsbedingung die Isomorphie zwischen der Identifikation struktureller Parameter und der kontrafaktischen Analyse nachweist.