Some current topics in conditional moment equations models: generated regressors, unknown nuisance functions and panel data
Final Report Abstract
Eine wesentliche Leistung der Projektarbeit besteht in der gelungenen Übertragung des ursprünglichen SmoothMD Konzepts auf semiparametrische Modelle, die unbekannte funktionale Zusammenhänge und daher unendlich dimensionale Parameter enthalten. Ausgearbeitet wurde dies für das Box-Cox Transformationsmodell. Die hierfür entwickelte Theorie ist mathematisch anspruchsvoll, die wesentlichen Argumente lassen sich aber in ihrer Grundstruktur auf viele weitere semiparametrische Modelle verallgemeinern. Damit wurde eine wichtige Grundlage geschaffen, um komplexere semiparametrische Ansätze für generierte Regressoren oder Paneldaten zu analysieren. Solche Erweiterungen konnten in der Laufzeit des Projekts nicht mehr durchgeführt werden, sie sind jedoch ein wesentliches Ziel für zukünftige Forschungen. Allgemein sind semiparametrische Modelle ein wichtiges Werkzeug in vielen ökonomischen Anwendungen. Verschiedene Variablen lassen sich alternativ als parametrische oder als nichtparametrische Komponenten spezifizieren. Zugehörige Modelltests liefern Einblick in zugrunde liegende Strukturen und helfen Fehlspezifikationen zu vermeiden. SmmothMD ist eine leicht anwendbare und einfach zu implementierende Methodik für die Schätzung und die Inferenz von semiparametrischen Modellansätzen. Dies ist ein wesentlicher Vorteil gegenüber alternativen, auf GMM beruhenden Verfahren, die jeweils zusätzliche Regularisierungen benötigen.
Publications
-
Essays in Econometrics with focus on smooth minimum distance inference; Dissertation, Universität Bonn
Becker, D.
