Semiparametrische Regressionsmodelle für Lokation, Skala und Form

• Antragsteller: Professor Dr. Thomas Kneib
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 397587368

• Erstellungsjahr: 2023

Zusammenfassung der Projektergebnisse

Modelle der Verteilunsgregression erlauben die statistische Analyse von Regressionsbeziehungen, die sich nicht nur auf den bedingten Erwartungswert der Zielgröße, sondern allgemeinere Eigenschaften der Zielgrößenverteilung beziehen. Mit diesem Projekt wurden neuartige Modelle und Methoden entwickelt, mit deren Hilfe die Klasse der STARLSS in verschiedene Richtungen erweitert und in komplexen Fallstudien angewendet wurde. Damit hat das Projekt nachhaltig zur Etablierung von STARLSS als wichtigem Werkzeug der angewandten Regressionsmodellierung beigetragen.

Projektbezogene Publikationen (Auswahl)

• LASSO-type penalization in the framework of generalized additive models for location, scale and shape. Computational Statistics & Data Analysis, 140 (2019, 12), 59-73.
  Groll, Andreas; Hambuckers, Julien; Kneib, Thomas & Umlauf, Nikolaus
  
• Modular regression - a Lego system for building structured additive distributional regression models with tensor product interactions. TEST, 28(1), 1-39.
  Kneib, Thomas; Klein, Nadja; Lang, Stefan & Umlauf, Nikolaus
  
• Flexible Instrumental Variable Distributional Regression. Journal of the Royal Statistical Society Series A: Statistics in Society, 183(4), 1553-1574.
  Briseño, Sanchez Guillermo; Hohberg, Maike; Groll, Andreas & Kneib, Thomas
  
• Generalised joint regression for count data: a penalty extension for competitive settings. Statistics and Computing, 30(5), 1419-1432.
  van, der Wurp Hendrik; Groll, Andreas; Kneib, Thomas; Marra, Giampiero & Radice, Rosalba
  
• Modelling regional patterns of inefficiency: A Bayesian approach to geoadditive panel stochastic frontier analysis with an application to cereal production in England and Wales. Journal of Econometrics, 214(2), 513-539.
  Klein, Nadja; Herwartz, Helmut & Kneib, Thomas
  
• Bayesian Effect Selection in Structured Additive Distributional Regression Models. Bayesian Analysis, 16(2).
  Klein, Nadja; Carlan, Manuel; Kneib, Thomas; Lang, Stefan & Wagner, Helga
  
• Interactively visualizing distributional regression models with distreg.vis. Statistical Modelling, 22(6), 527-545.
  Stadlmann, Stanislaus & Kneib, Thomas
  
• Correcting for sample selection bias in Bayesian distributional regression models. Computational Statistics & Data Analysis, 168, 107382.
  Wiemann, Paul F.V.; Klein, Nadja & Kneib, Thomas
  
• Gradient boosting in Markov-switching generalized additive models for location, scale, and shape. Econometrics and Statistics, 22, 3-16.
  Adam, Timo; Mayr, Andreas & Kneib, Thomas
  
• Rage Against the Mean – A Review of Distributional Regression Approaches. Econometrics and Statistics, 26, 99-123.
  Kneib, Thomas; Silbersdorff, Alexander & Säfken, Benjamin