Econometrics of High Dimensional Data: Pitfalls and Opportunities

Reichhaltige Datensätze mit einer Flut von Variablen erfordern neue Ansätze der Variablenselektion, der Schätzung und des Testens. Der Vortrag gibt eine Übersicht ausgewählter moderner ökonometrischer Shrinkageverfahren, mit denen adäquate Modelspezifikationen für die Within-Sample Analyse und die Prognose gewählt werden können, wenn die Anzahl der möglichen Modellvarianten prohibitiv groß ist und die Anzahl der erklärenden Variablen möglicherweise die Anzahl der Beobachtungen übersteigt. Als empirische Anwendungen werden Beispiele aus dem Bereich der kausalen Inferenz (IV-Schätzung), der Portfolio Analyse und der Arbeitsökonomik vorgestellt.