Projektbeschreibung
Bessere Messmethoden für die Wirtschaftstätigkeit
Die Wirtschaftstätigkeit zu messen ist eine schwierige Aufgabe. Beispiele sind Probleme bei der Produktion, z. B. wie ein Unternehmen Waren aus Produktionsgütern herstellt oder wie das Einkommen einer Person aus ihren kognitiven und nicht kognitiven Fähigkeiten erzeugt wird. Es ist grundsätzlich schwierig, solche Einsätze (Zwischenerzeugnisse oder Fähigkeiten) zu messen. Forscherinnen und Forscher fragen sich oft, ob ihre Daten wirklich das messen, was sie messen sollen. Das EU-finanzierte Projekt MEImpact wird eine neue Methode zur systematischen Auswertung der potenziellen Folgen von Messabweichung entwickeln. Unter einer Messabweichung versteht man die Differenz zwischen dem gemessenen und dem realen Wert. Das Projekt hat sich zum Ziel gesetzt, die Praxis zu ändern, mit der die empirische Forschung Probleme von Messungen angeht, und irreführenden Schlussfolgerungen und fehlerhaften politischen Entscheidungen vorzubeugen.
Ziel
Measuring economic activity is a fundamental challenge for empirical work in economics. Most empirical projects raise concerns about whether the data do in fact measure what they purport to measure. Mismeasurement may lead to severe model misspecification, biased estimates, and misled conclusions and policy decisions. Unfortunately, formally accounting for the possibility of mismeasurement in the econometric model is complicated and possible only under strong assumptions that limit the credibility of resulting conclusions. Therefore, the most common approaches to measurement issues are to ignore them, to informally argue why they may not be of first-order importance, to abandon the project, or to search for better data.
The objective of the research described in this proposal is to develop new methodologies for formally assessing the potential impact of measurement error (ME) on all aspects of an empirical project: on model-building, on estimation and inference, and on decision-making. For instance, the new inference procedures allow the researcher to test whether ME is a statistically significant feature that should be modeled, whether ME distorts objects of interest (e.g. a production or utility function), whether ME distorts conclusions from hypothesis tests, and whether ME affects subsequent decision-making.
I show that answering such questions is possible under much weaker assumptions than identification and estimation of a ME model and thus leads to more credible and robust conclusions. In addition, the implementation of the new procedures can be based on standard nonparametric estimation techniques that are part of many applied researchers’ toolkits.
In consequence, the research has the potential to fundamentally transform the way empirical researchers approach measurement issues, to significantly impact empirical practice, and ultimately to avoid misled conclusions and policy decisions.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-STG - Starting GrantGastgebende Einrichtung
80539 MUNCHEN
Deutschland