73 Arbeiten
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.
Die Arbeit zeigt, dass ein Monopolist in multidimensionalen sequenziellen Screening-Szenarien durch Vorziehen der Gewinnabschöpfung die Informationsrenten des Käufers verzerren und unter bestimmten Regularitäts- und Abhängigkeitsannahmen die optimale Mechanik in unabhängige, sequenzielle Einzelmechanismen für jede Ware zerlegen kann, was gängige Mitgliedschafts- und Einzelverkaufsschemata in der Praxis erklärt.
Diese Arbeit untersucht, wie die kostengünstige Degradierung digitaler Güter zu einer doppelten Ineffizienz führt, bei der ein Monopolist sowohl in die höchstmögliche Qualität unterinvestiert als auch bestimmte Käufer mit abgewandelten Versionen versorgt, wobei Wettbewerb die produktive Ineffizienz verschärft, aber die Verteilungseffizienz verbessert.
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.
Die Studie zeigt, dass eine einfache Umwandlung von Prädiktoren in binäre „Risikozustands"-Indikatoren die Vorhersagegenauigkeit von Rezessionen in den USA im Vergleich zu kontinuierlichen Variablen verbessert und lineare Modelle mit flexiblen Machine-Learning-Methoden konkurrenzfähig macht.
Dieses Papier entwickelt eine neue Identifikationsstrategie für durchschnittliche Behandlungseffekte bei diskreten Panel-Daten, die auf der Annahme der Übergangsunabhängigkeit und einem latenten Typen-Markov-Modell basiert, um die Einschränkungen herkömmlicher Difference-in-Differences-Ansätze bei kategorialen Ergebnissen zu überwinden.
Die Studie entwickelt ein spieltheoretisches Modell, das zeigt, wie die rhetorische Strategie des „Whataboutism" in polarisierten Gesellschaften die Zivilitätsnormen untergräbt und zu einem vollständigen Zusammenbruch der sozialen Normen gegenüber beleidigender Sprache führt.
Diese Arbeit entwickelt einen zweiphasigen Online-Lernrahmen für semiparametrische monotone Indexmodelle, der durch eine globale Stabilität im Warm-Start und eine rateoptimale Aktualisierung mittels orthogonaler Scores sowie Online-Sieve-Methoden konsistente Schätzungen und Inferenz in Echtzeit ermöglicht, ohne dass alle Daten gespeichert werden müssen.
Diese Arbeit entwickelt einen handhabbaren Identifikationsansatz für strategische Netzwerkformationsmodelle mit unbeobachteter Heterogenität, der durch eine „Bounding-by-c"-Methode und die Ausnutzung von Monotoniebeschränkungen auf Subnetzwerkkonfigurationen die Schwierigkeit der Gleichgewichtsberechnung umgeht, um strukturelle Parameter zu identifizieren.
Dieser Beitrag klärt die Bedingungen für die Existenz von Maximum-Likelihood-Schätzern bei verallgemeinerten linearen Modellen, zeigt, dass selbst bei Nichtexistenz konsistente Schätzungen für bestimmte Parameter möglich sind, und stellt Methoden zur Überprüfung dieser Bedingungen in hochdimensionalen Modellen vor.
Diese Arbeit stellt einen einheitlichen probabilistischen Rahmen für die Identifizierung von Strukturbrüchen mittels bayesscher Indikator-sättigender Regression vor, der in Simulationen frequentistischen Methoden überlegen ist und zur Evaluierung von Klimapolitiken im europäischen Straßentransportsektor angewendet wird.