Three Essays on Bayesian Nonparametric Modeling in Microeconometrics

Abstract

Diese Dissertation umfasst drei Aufsätze über nichtparametrische Bayesianische Verfahren in der Mikroökonometrie. In der Einleitung werden insbesondere grundlegende Konzepte der Bayesianischen Nichtparametrik diskutiert.<br />Im ersten Aufsatz wird ein Bayesianisches nichtparametrisches Zufallseffektemodell für Zähldaten vorgestellt. Dieses basiert auf einer Mischverteilung mit einer zufälligen Anzahl von Komponenten und kann daher als Erweiterung der in der Literatur bereits diskutierten Modelle mit latenten Klassen angesehen werden. Ein auf Markov Ketten Monte Carlo (MKMC) Verfahren basierender Algorithmus wird für die Analyse der a posteriori Verteilung entwickelt. Der Modellrahmen wird schließlich auf deutsche Daten angewendet.<br />Der zweite Aufsatz beschäftigt sich auch mit Zähldaten, fokussiert aber auf die Ermittlung von kausalen Maßnahmeeffekten. Ein auf dem Kausalmodell von Rubin fußendes Modell wird vorgestellt. Dieses wird nichtparametrisch mit Hilfe des Dirichlet-Prozess-Mischmodells formuliert. Die a posteriori Verteilung wird mit MKMC Verfahren analysiert. Der Aufsatz schließt mit einer Anwendung, die sich mit der Mobilität von Haushalten beschäftigt.<br />Der dritte Aufsatz analysiert schließlich die kausale Wirkung einer Maßnahme auf die Verteilung der relevanten Zielgrösse. Die Schätzung von Quantilsmassnahmeeffekten steht im Vordergrund der Analyse. Hierzu basiert der vorgeschlagene Modellrahmen wiederum auf Rubins Kausalmodell. Die Einführung von Zufallsthermen, die Dirichlet-Prozessen folgen, erlaubt eine flexible Formulierung des betrachteten Zusammenhangs. Das Modell wird unter Rückgriff auf MKMC Verfahren geschätzt und mit realen Daten illustriert.