Analyse des données
Un perturbateur montre le bâtiment 42

Analyse des données

Le professeur Dr. habil. Rouven E. Haschka

Le professeur Dr. habil. Rouven E. Haschka

Titulaire de la chaire

Le professeur Rouven E. Haschka est titulaire de la chaire de Data Analytics à la RPTU Kaiserslautern-Landau depuis 2025.

Après des études en sciences économiques (Bachelor) et en statistique appliquée (Master), il a passé son doctorat dans le cadre de l'école doctorale "Problèmes d'échelle en statistique" à l'université Georg August de Göttingen et a obtenu son habilitation à l'université de Cologne en économie politique, notamment en économétrie et en statistique.

Il a également été professeur assistant à l'université de Bradford et professeur junior en Business Analytics et Data Science à l'université Zeppelin de Friedrichshafen et est affilié à l'université Corvinus de Budapest.

Récompenses
  • Prix Florenz-Sartorius pour la meilleure thèse de doctorat à la faculté des sciences économiques de l'Université Georg-August de Göttingen
  • Top Cited Article (2022-2023) - Wiley
Projets financés par des tiers
  • DFG: "Nonparametric Bayesian inference for copula-based endogeneity corrections" (numéro de projet : 568088747)
Prof. Dr. Rouven E. Haschka

Adresse

Gottlieb-Daimler-Str.
Bâtiment: 42, Salle: 428, Étage: 4
67663 Kaiserslautern

Heures de consultation

nach Vereinbarung.  

Veuillez contacter le secrétariat.

Informations complémentaires

  • Haschka, R. E., & Dost, F. (2026). Corriger le biais lié aux variables omises sans recourir à des instruments : une alternative aux méthodes de copules gaussiennes basée sur l'ICA. Journal of Marketing Research (disponible en ligne). https://doi.org/10.1177/00222437261499336
  • Haschka, R. E. (2026). Les effets des conditions structurelles sur la productivité sectorielle en Asie du Sud, de l’Est et du Sud-Est. The European Journal of Development Research (disponible en ligne). https://link.springer.com/article/10.1057/s41287-026-00762-8
  • Haschka, R. E. (2025). Inférence bayésienne pour les modèles d’estimation conjoints utilisant des copules pour traiter les régresseurs endogènes. Oxford Bulletin of Economics and Statistics, 88 (3), 519-534. https://doi.org/10.1111/obes.70023
  • Haschka, R. E., & Herwartz, H. (2025). Utilisation des convictions managériales pour l'identification par ensembles des élasticités-prix de la demande. Journal of the Academy of Marketing Science, 53, 1482–1505. https://doi.org/10.1007/s11747-025-01090-9
  • Haschka, R. E., & Wied, D. (2025). Problématiques liées à l’asymétrie dans la quantification de l’efficacité : aperçus tirés de modèles de panel à frontière stochastique basés sur des approximations normales asymétriques fermées. Computational Economics, 66, 4381–4416. https://doi.org/10.1007/s10614-025-10857-9
  • Haschka, R. E. (2024). Robustesse des modèles de correction par copule dans l’analyse causale : exploitation de la corrélation entre régresseurs. IMA Journal of Management Mathematics, 36 (1), 161–180. https://doi.org/10.1093/imaman/dpae018
  • Haschka, R. E. (2024). Une perspective éthique sur l’IA dans le contrôle de gestion. Controlling & Management Review, 68, 50–53. https://doi.org/10.1007/s12176-024-1418-8
  • Haschka, R. E. (2024). Analyse de la courbe de Phillips néo-keynésienne aux États-Unis : pourquoi la relation entre l’inflation et le chômage s’est-elle affaiblie ? Research in Economics, 78 (4), 100987 (2024). https://doi.org/10.1016/j.rie.2024.100987
  • Haschka, R. E. (2024). Asymétrie erronée et régresseurs endogènes dans les modèles de frontière stochastique : une approche par copule sans instruments avec une application à l'estimation de l'efficacité des entreprises au Vietnam. Journal of Productivity Analysis, 62, 71–90. https://doi.org/10.1007/s11123-024-00722-6
  • Haschka, R. E. (2024). Endogénéité dans les modèles de frontière stochastique présentant une « asymétrie erronée » : approche par copule sans instruments externes. Statistical Methods and Applications, 33, 807–826. https://doi.org/10.1007/s10260-024-00750-4
  • Haschka, R. E., Herwartz, H., Silva Coelho, C., & Walle, Y. (2023). Développement financier local et croissance des entreprises au Vietnam : résultats d’une approche bayésienne de frontière stochastique géoadditive. Journal of Productivity Analysis, 60, 203–226. https://doi.org/10.1007/s11123-023-00694-z
  • Haschka, R. E., & Herwartz, H. (2022). Endogénéité dans la production de connaissances pharmaceutiques : une approche par copule sans instrument pour les modèles de frontière de Poisson. Journal of Economics and Management Strategy, 31 (4), 942–960. https://doi.org/10.1111/jems.12491
  • Haschka, R. E. (2022). Traitement des régresseurs endogènes à l’aide de copules : une généralisation aux modèles de panel linéaires à effets fixes et régresseurs corrélés. Journal of Marketing Research, 59 (4), 860–881. https://doi.org/10.1177/00222437211070820
  • Haschka, R. E., Herwartz, H., Struthmann, P., Tran, V. T., & Walle, Y. (2021). Les effets conjoints du développement financier et de l’environnement des affaires sur la croissance des entreprises : des données provenant du Vietnam. Journal of Comparative Economics, 50 (2), 486–506. https://doi.org/10.1016/j.jce.2021.11.002
  • Haschka, R. E., & Herwartz, H. (2020). L’efficacité de l’innovation dans les industries high-tech européennes : résultats d’une approche bayésienne de la frontière stochastique. Research Policy, 49 (8), 104054. https://doi.org/10.1016/j.respol.2020.104054
  • Haschka, R. E., Herwartz, H., & Schley, K. (2020). Prestation de services de santé et diversité régionale en Allemagne : enseignements tirés d’une analyse bayésienne de la frontière de la santé tenant compte des dépendances spatiales. The European Journal of Health Economics, 21, 55–71. https://doi.org/10.1007/s10198-019-01111-9
  • Haschka, R. E., Herwartz, H., & Schley, K. (2020). Qualité de vie liée à la santé au niveau individuel et répartition régionale des services médicaux : enseignements tirés d’une analyse stochastique de la frontière de santé. Journal of Public Health Policy and Planning, 4 (4), 42–57. https://doi.org/10.35841/public-health-policy.4.4.42-57