Forschung

Unsere Forschung befasst sich mit der methodischen und empirischen Analyse kausaler Zusammenhänge in ökonomischen Modellen unter der Herausforderung endogener Regressoren. Methodisch entwickeln wir Verfahren, die ohne externe Instrumente auskommen und damit klassische Identifikationsprobleme adressieren, wie sie durch Simultanität oder Omitted Variables entstehen. Zentrale Beiträge liegen in der Weiterentwicklung von Copula-Ansätzen für lineare, nichtlineare, Panel- und generalisierte Modelle sowie in der Integration Bayesianischer Inferenzverfahren. Ergänzend schlagen wir ICA-basierte Ansätze zur Korrektur von Omitted-Variable Bias vor und nutzen strukturelle Vektorautoregressionen (SVAR), um bidirektionale Beziehungen (wie Preis-Absatz)  kausal zu identifizieren. Ein weiterer Schwerpunkt gilt der Analyse asymmetrischer Störverteilungen („wrong skewness“) in Stochastic-Frontier-Modellen, die wir sowohl theoretisch als Signal für Marktcharakteristika (z. B. Wettbewerbsintensität) deuten als auch methodisch über geschlossene Skew-Normal-Approximationen behandeln.

Übergreifend zielt unsere Forschung darauf, ökonometrische Identifikationsstrategien zu verfeinern, um robuste kausale Evidenz für Politik, Management und Wirtschaftsforschung bereitzustellen.

Team