Schätzung und Inferenz in hochdimensionalen Paneldatenmodellen

• Antragsteller: Professor Dr. Michael Vogt
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 501082519

Bei der Analyse vieler moderner ökonomischer Paneldatensätze müssen sowohl unbeobachtete Heterogenität als auch hochdimensionale Datenstrukturen berücksichtigt werden. Dennoch gibt es nur wenige ökonometrische Methoden zur Analyse hochdimensionaler Paneldatenmodelle mit unbeobachteter Heterogenität. Das Hauptziel des Projekts besteht darin, neue Schätz- und Inferenzmethoden für solche Modelle zu entwickeln. Wir werden uns auf Modelle mit sogenannten interaktiven festen Effekten ("interactive fixed effects") konzentrieren, die einen sehr flexiblen und populären Rahmen zur Modellierung unbeobachteter Heterogenität bilden. Eine sehr gängige Art und Weise, die unbekannten Parameter in einem niedrigdimensionalen Paneldatenmodell mit interaktiven festen Effekten zu schätzen, bietet der sogenannte "Common Correlated Effects" (CCE) Schätzer, der von Pesaran im Jahre 2006 eingeführt wurde. Allerdings bricht dieser sehr populäre Schätzer im hochdimensionalen Fall zusammen und naive Erweiterungen sind nicht möglich. Im Projekt werden wir einen neuen CCE-artigen Schätzer für den hochdimensionalen Fall entwickeln. Der theoretische Teil des Projekts wird sich mit der Herleitung der asymptotischen Eigenschaften des Schätzers beschäftigen. In einem ersten Schritt werden wir uns auf Schätztheorie konzentrieren und die Konvergenzrate des Schätzers herleiten. In einem zweiten Schritt werden wir dann zur Verteilungstheorie übergehen und Inferenzmethoden analysieren, die auf dem Schätzer basieren. Die methodologische und theoretische Analyse des Projekts werden wir durch Simulationsstudien und empirische Anwendungen ergänzen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Großbritannien
• Kooperationspartner: Professor Oliver Linton, Ph.D.