Kointegrationsanalyse für Zustandsraumsysteme

Der Forschungsbereich Kointegrationsanalyse für Zustandsraumsysteme befindet sich in einer Grundlagenphase und es wurden daher bis jetzt nur wenige (allerdings vielversprechende) Anwendungen durchgeführt, so z.B. Wagner (2004) und Bauer und Wagner (2009). Eine Reihe von entwickelten theoretischen Resultaten (um nur ein Beispiel zu nennen eine neue „verbesserte“ Definition von polynomialer Kointegration) wird in den nächsten Jahren bis zur empirischen Anwendungsreife entwickelt werden. Ich bin hier mittelfristig auch daran interessiert, die Beziehungen zwischen kointegrierten Systemen und DSGE Modellen mittels Verwendung von Zustandsraummodellen auszuarbeiten. Zu nennen ist darüber hinaus eine Arbeit in der die asymptotischen Eigenschaften von autoregressiven Approximationen allgemeiner integrierter Prozesse und deren Bedeutung für die asymptotischen Eigenschaften von Informationskriterien analysiert werden. Diese Arbeit zeigt erstmals, dass Informationskriterien im Falle integrierter Prozesse in gewisser Weise die gleichen Eigenschaften haben wie im stationären Fall. Diese Arbeit substantiiert somit gängige ökonometrische Praxis für die Spezifikation von kointegrierten VAR Modellen.

Die Unit Root und Kointegrationsanalyse ist vielfach gekennzeichnet durch die schlechte Performanz von Tests (und Schätzern). In einem neuen Forschungsbereich erarbeite ich gemeinsam mit Timothy Vogelsang adaptierte Schätzverfahren und Tests die es erlauben, die in der Standardtheorie ausgeblendeten Effekte der Wahl von „Bandwidths“ und Kernfunktionen (zur Schätzung von Kovarianzmatrizen) für HAC-robuste Inferenz explizit zu berücksichtigen. Der methodische Ansatz hierzu ist die sogenannte fixed-b Asymptotik, welche von Nicholas Kiefer und Timothy Vogelsang für stationäre Regressionsprobleme erfolgreich vorgeschlagen wurde. In einer Reihe von Arbeiten wird dieser Ansatz derzeit auf Unit Root und Kointegrationsanalyse erweitert. Dieser Arbeitsbereich hat klare Verbindungen zum derzeit sehr intensiv bearbeiteten Gebiet der „clustered standard errors“ für Paneldaten. Wir haben jetzt auch begonnen über fixed-b Inferenz auch für nichtlineare kointegrierende Beziehungen nachzudenken (siehe nächster Abschnitt). Ein in diesem Zusammenhang wichtiger derzeit in Arbeit befindlicher Beitrag ist dabei ein RESET artiger Test für (die Alternative) nichtlineare(r) kointegrierende Beziehungen (mit der Nullhypothese einer linearen kointegrierenden Beziehung).

Gemeinsam mit Seung Hyun Hong (derzeit tätig am Korea Institute of Public Finance) erarbeite ich Schätz- und Testtheorie für gewisse Typen von nichtlinearen kointegrierenden Beziehungen. Dieser Forschungsbereich ist explizit durch diverse Anwendungen, am Beginn standen hier Umweltkuznetskurven, initiiert. In unserem Ansatz betrachten wir nichtlineare Regressionsfunktionen anstelle (sonst oft gebräuchlicher) Formulierungen mittels nichtlinearer Differenzengleichungen. Dies vereinfacht wesentlich die statistische Theorie und führt zu relativ einfachen und damit nicht übermäßig datenintensiven Schätzverfahren. Ich habe kürzlich ein von mir geleitetes Forschungsprojekt zu diesem Thema, welches vom Jubiläumsfonds der Österreichischen Nationalbank finanziert wurde, abgeschlossen. Eine weitere Anwendung für derartige Beziehungen sind sogenannte „Intensity of Use Curves“, d.h. Funktionen die z.B. den Zusammenhang zwischen Energie- bzw. Metallverbrauch pro Einheit BIP und BIP pro Kopf beschreiben (und die sowohl in der Ressourcen- als auch der Entwicklungsökonomie gebräuchlich sind). Darüber hinaus gibt es auch Anknüpfungspunkte zur (empirischen) Literatur zu sogenannten Exchange Rate Target Zones.

Im Gebiet der nichtstationären Panels habe ich einige angewandte Arbeiten verfasst, die jeweils Probleme in den entsprechenden Anwendungsfeldern aufzeigen und (zumindest partielle) Lösungen anbieten. Des Weiteren habe ich zwei groß angelegte Simulationsstudien durchgeführt und eine theoretische Arbeit mit Peter Pedroni, Timothy Vogelsang und Joakim Westerlund fertiggestellt. Ich habe gemeinsam mit Anindya Banerjee ein Handbuchkapitel zu diesem Thema verfasst, in dem wir speziell auch auf Probleme und Limitationen existierender Methoden für die empirische Wirtschaftsforschung hinweisen und offene Fragen thematisieren. Meines Erachtens wird diese Literatur, die am Beginn sehr stark methodisch an der Zeitreihenökonometrie orientiert war, in Zukunft stärkere Bezüge in Richtung Mikroökonometrie entwickeln.

Ich beschäftige mich seit langer Zeit mit empirischer Transformationsökonomie, eingebettet in die reale und nominelle Konvergenzanalyse. Die realen Konvergenzaussichten von mittel- und osteuropäischen Ländern sind z.B. in Wagner und Hlouskova (2005) analysiert. In einer Reihe von weiteren Arbeiten beschäftige ich mich mit den nominellen Konvergenzaussichten (Stichwort: Balassa-Samuelson Effekt). Die Studien zum Balassa-Samuelson Effekt (dies gilt analog auch für die empirischen umweltökonomischen Arbeiten und die PPP Studie) zeigen, dass in diversen Anwendungsfeldern statistische bzw. ökonometrische Methoden oftmals inadäquat verwendet werden bzw. überhaupt inadäquate Methoden Verwendung finden.

Vertiefte Analyse führt hier vielfach zu ganz anderen Schlussfolgerungen als die bisherige Literatur.

In einer theoretischen Arbeit aus diesem Arbeitsbereich (Naevdal und Wagner) präsentieren wir die korrekte formale Lösung von „Optimal Speed of Transition“ Modellen am Beispiel des Modells von Aghion und Blanchard. Es zeigt sich, dass die korrekte Lösung des Modells einen endogen bestimmten optimalen Zeitpunkt des Endes der Transition hat, ab dem der Staat nicht mehr aktiv auf dem Arbeitsmarkt eingreift. Dieser neue Aspekt ist bisher nicht analysiert worden, d.h. bisherige Lösungen sind falsch.

In den letzten Jahren habe ich mehrere Arbeiten zum Thema Wachstumsregressionen fertiggestellt, welche aus komplementären Perspektiven (Modellselektion einerseits, und klassisches sowie Bayesianisches Model Averaging und somit Berücksichtigung aller verfügbarer Information andererseits) sogenannte Wachstums- oder Barro-Regressionen neu analysieren. Diese Arbeiten wurden durch ein Forschungsprojekt des Jubliäumsfonds der Oesterreichischen Nationalbank sowie durch die Generaldirektion Regionalpolitik der europäischen Kommission gefördert. Die statistischen Verfahren die diesen Arbeiten zugrunde liegen sind einerseits pönalisierte ML bzw. LS Schätzer sowie Verfahren des Model Averaging. Die in diesem Forschungsprojekt gewonnenen Erkenntnisse lassen sich auf viele andere Fragestellungen ausdehnen (und führen darüber hinaus zu interessanten methodischen Fragen). Eine Frage die wir derzeit analysieren ist, inwieweit frequentistisches Model Averaging für Prognosen verwendet werden kann. Auch weitere Modifikationen von LASSO-artigen Schätzern werden derzeit untersucht. Darüber hinaus arbeite ich derzeit mit einem früheren Studenten von mir an der Erweiterung von Bayesianischem Model Averaging auf Principal Components Augmented Regressions. Diesen Ansatz wollen wir in weiterer Folge sowohl auf die Frage der Determinanten wirtschaftlichen Wachstums als auch auf die Frage nach guten Prädiktoren und Prognosen für wirtschaftliche Krisen anwenden. Eine weitere geplante Studie (gemeinsam mit Tim Conley) wird sich mit der räumlichen und sektoralen Transmission von Wirtschaftskrisen bzw. allgemeiner Shocks beschäftigen, wobei wir hierfür auf eine Datenbank des gesamten österreichischen Arbeitsmarktes seit 1985 Zugriff haben, welche eine unheimlich reiche Quelle darstellt.

Ein weiteres Langzeitthema von mir ist die statistisch-empirische Umweltökonomie, derzeit speziell die Analyse von Umweltkuznetskurven (siehe z.B. Bradford et al., 2005, Müller- Fürstenberger und Wagner, 2007, Wagner, 2008). Dieser Arbeitsbereich war auch die Motivation, gemeinsam mit Seung Hyun Hong, in das Forschungsgebiet nichtlineare Kointegration einzusteigen. In diesem Forschungsgebiet interessiert mich auch die Analyse von Trends bzw. Änderungen von Trends in Temperaturdaten. Gemeinsam mit Alexander Stomper (Humboldt Universität) stehe ich am Beginn einer Untersuchung darüber, wie sich Unsicherheit über Klimawandel auf das Investitionsverhalten auswirkt.