Opis projektu
Nowe narzędzia wspierają badania makroekonomiczne
Makroekonomiści stawiają czoła dużemu wyzwaniu, próbując zidentyfikować związki przyczynowo-skutkowe w gospodarce. Problem polega na tym, że gospodarka jest złożona, a wiele czynników wpływa na siebie nawzajem w tym samym czasie. Często badacze opierają się na niewielkich różnicach w danych, aby wyciągnąć wnioski, co może prowadzić do niepewnych wyników. Utrudnia to analizowanie teorii i zaufanie ustaleniom. Zespół finansowanego ze środków ERBN projektu CreMac ma na celu rozwiązanie tych problemów poprzez opracowanie nowych narzędzi do pracy z danymi, aby badać skutki strategii makroekonomicznych. Narzędzia te pomogą badaczom efektywniej wykorzystywać dane i przeprowadzać bardziej precyzyjne analizy, co przełoży się na lepiej uzasadnione i bardziej wiarygodne wnioski w makroekonomii.
Cel
Following the credibility revolution, macroeconomists have sought plausibly exogenous instruments and other sources of variation to identify causal effects. Given the complex nature of the macroeconomy, characterised by simultaneous causality and intemporal dependence, this is a high bar. Thus, in the pursuit of exogenous variation, researchers often use minor sources of variation or subtle features of the data to identify the effects of interest. When the variation exploited is modest, “weak identification” can arise. In practice, this means that estimators are no longer asymptotically normal, so standard techniques for statistical inference – conducting hypothesis tests or constructing confidence intervals – are invalid. While this likely occurs in much empirical research in macroeconomics, few papers acknowledge these issues, partially because there are rarely appealing options to address them. This proposal provides attractive options for researchers to combat weak identification in macroeconometric models. First, it offers the possibility to avoid weak identification in the first place, via novel frameworks to exploit instrumental variables in panel and time series data. These frameworks extract richer information from a given instrument and expand the set of admissible instruments. Next, I provide tools to construct confidence sets for dynamic causal effects, a key object of interest, that are valid regardless of how strong the identifying variation is. Existing approaches produce confidence sets that are conservative – too large. I first consider models identified using instrumental variables, improving both computational burden and performance relative to frontier methods. Finally, I consider models identified using more general sources of variation, and, working identification scheme by scheme, provide performance gains over leading methods for confidence sets. I thus facilitate credible inference to match credible identification strategies.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki społeczneekonomia i biznesekonomiaekonometria
- nauki społeczneekonomia i biznesekonomiamakroekonomia
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
WC1E 6BT London
Zjednoczone Królestwo