Nutzung von statistischen und ökonomischen Ansätzen zur hybriden Identifizierung großer SVARs

• Antragsteller: Dr. Jan Prüser
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 561170677

Das Projekt besteht aus drei Hauptforschungszielen. Das erste besteht darin, neue Kombinationen etablierter Identifikationsansätze vorzuschlagen. Durch die Kombination verschiedener Identifizierungsansätze in SVAR-Modellen nutze ich die Stärken und mildere die Schwächen der einzelnen Methoden, was zu robusteren und Flexibleren Modelle führt. Diese flexibleren Modelle erhöht die Glaubwürdigkeit und Zuverlässigkeit der aus SVAR-Analysen abgeleiteten Ergebnisse. Das zweite Ziel besteht darin, Strukturanalysen mit vielen Variablen durchzuführen. Die Einbeziehung einer großen Anzahl von Variablen in SVAR-Modelle bietet erhebliche Vorteile für die Strukturanalyse. Durch die Nutzung einer umfangreichen Informationsmenge ist es möglich, die Identifizierung struktureller Schocks zu verbessern, indem die Robustheit des Modells erhöht und das Risiko einer Verzerrung durch ausgelassene Variablen verringert wird. Infolgedessen können die politischen Entscheidungsträger fundierter und wirksamere Entscheidungen treffen. Fortschrittliche Techniken wie dynamische Faktor-SVARs und Bayesianische SVARs helfen bei der Verwendung von großer Datensätzen. Die dritte Möglichkeit ist die Durchführung einer Strukturanalyse für Quantil-SVARs. Die Betrachtung von Quantil-SVARs ist nützlich, weil sie ein detaillierteres Verständnis der Auswirkungen von strukturellen Schocks über verschiedene Punkte der Verteilung einer Variablen hinweg ermöglichen. Im Gegensatz zu traditionellen SVAR-Modellen, die sich auf durchschnittliche Effekte konzentrieren, erfassen strukturelle Quantil-SVARs die Heterogenität der Reaktionen und zeigen, wie sich Schocks auf verschiedene Quantile auswirken (z. B. Median, oberes und unteres Quantil). Dieser Ansatz kann asymmetrische Effekte, Risiken und unterschiedliche Reaktionen unter verschiedenen wirtschaftlichen Bedingungen aufdecken. Er verbessert die Analyse, indem er ein reichhaltigeres und umfassenderes Bild der zugrundeliegenden Dynamik liefert, was zu differenzierteren politischen Entscheidungen und besseren Risikomanagementstrategien führt.

• DFG-Verfahren: Sachbeihilfen