Hochdimensionale Methoden in der Mikroökonometrie
Zusammenfassung der Projektergebnisse
Das übergeordnete Ziel dieses Projekts war es, Methoden der hochdimensionalen Statistik und des maschinellen Lernens in verschiedenen Bereichen der angewandten Mikroökonometrie zu implementieren und entsprechend der speziellen empirischen Gegebenheiten in der Mikrookonometrie weiterzuentwickeln. Dabei habe ich an drei Projekten gearbeitet. Selecting relevant outcomes by group sparse lasso in a correlated environment (mit Christopher Walsh): In vielen Studien der angewandten Volkswirtschaftslehre ist häufig eine erklärende Variable von besonderem Interesse, auch “Treatment” genannt. Forschende sind nämlich oft daran interessiert festzustellen, ob die Behandlung einen signifikanten kausalen Effekt auf eine Zielgröße (“Outcome”) hat. Darüber hinaus ist es häufig der Fall, dass die Ergebnisse des zugrunde liegenden kausalen Wirtschaftsmodells nicht direkt mit bestimmten beobachteten Variablen in den Daten in Verbindung gebracht werden können. Wir schlagen die statistische Methode des “”Sparse-Group-Lasso” vor, das automatisch die relevanten Zielgrößen und die relevanten erklärenden Variablen auswählt. Wir analysieren die theoretischen Eigenschaften und schlagen einen anwendbaren Algorithmus vor. Structural Models for Policy-Making: Strukturelle Modelle in der Wirtschaftswissenschaft werden häufig verwendet, um “Kontrafaktuale” zu bewerten, um zu analysieren, ob bestimmte Politiken effektiv sind. Die Vorhersagen des Modells weisen jedoch häufig ein erhebliches Maß an Unsicherheit auf, die bei Politikempfehlungen häufig ignoriert werden. Wir stellen eine Methode zur Bewertung von Politiken unter Unsicherheit vor und zeigen, dass sich die Rangfolge verschiedener Politikempfehlungen in einem bekannten mikroökonomischen Modell dramatisch ändern kann, wenn Unsicherheit berücksichtigt wird. Um rechnerischen Herausforderungen zu begegnen, wenden wir maschinelles Lernen an, um die Zielgrößengleichungen zu berechnen. Testing the Presence of Implicit Hiring Quotas with Application to German Universities: Ich stelle eine neue Methode vor, um sogenannte implizite Quoten zu bestimmen. Ich zeige die theoretischen Eigenschaften dieser Methode und wende dies auf die Verteilung von Professorinnen an. Ich kann mit dieser Methode zeigen, dass eine implizite Quote von ein- oder zwei Frauen pro Fakultät existiert. FAZ “Der Volkswirt” 28.2.2022: Frauen sind in der Wissenschaft immer noch stark unterrepräsentiert.
Projektbezogene Publikationen (Auswahl)
- Structural Models for Policy-Making: Coping with Parametric Uncertainty, International Economic Review, and IZA Discussion Paper No. 14317
Philipp Eisenhauer, Janoś Gabler, Lena Janys, Christopher Walsh
- Testing the Presence of Implicit Hiring Quotas with Application to German Universities, at Review of Economics and Statistics
Lena Janys
(Siehe online unter https://doi.org/10.1162/rest_a_01195)
