TY  - THES
AB  - Die Dissertation untersucht empirisch die Dynamiken von makroökonomischen Prozessen unter Verwendung von nicht- und semi-parametrischen Ansätzen. Eine Herausforderung ist dabei der Trendverlauf makroökonomischer Variablen über die Zeit, der die Anpassung von parametrischen Modellen erschwert. Folglich müssen makroökonomische Zeitreihen für die Durchführung weiterer Analysen um diesen Trend bereinigt werden. Dazu wird die Zeitreihe in eine deterministische und eine stochastische Komponente zerlegt. Es wird eine lokal polynomiale Schätzmethode für den deterministischen Trend vorgeschlagen, die auf einem iterativen plug-in (IPI) Algorithmus zur Bandbreitenwahl basiert und eine weitere parametrische Analyse der zyklischen Komponente ermöglicht. Folglich wird eine sowohl statistisch- als auch ökonomisch-basierte Methode für die Analyse von Wachstums- und Konjunktur-Phänomenen verwendet. Der für die Trendschätzung entwickelte, datengesteuerte IPI Algorithmus zur Bestimmung der Bandbreite kommt dabei ohne Modellannahmen für den stationären Teil aus. Diese nicht-parametrische Methode wird in der Dissertation zuerst theoretisch eingeführt, bevor die Vorteile der Methode in einer Simulation praktisch dargelegt werden. An die um den Trend bereinigten Daten kann anschließend ein beliebiges Modell für die Analyse der zyklischen Komponente angepasst werden. Die Anpassung eines Self-Exciting Threshold Autoregressiven (SETAR) Modells für die Analyse des Zyklus liefert Evidenz für asymmetrische Konjunkturzyklen. Des Weiteren vertieft die Analyse der Trendfunktion das Verständnis langfristiger Wachstumstrends und liefert signifikante Evidenz für eine säkulare Stagnation. Die Erweiterung mit einem Linearitätstest ermöglicht die Untersuchung des Startpunktes und des Ausmaßes der Stagnation.
AU  - Fritz, Marlon
CY  - Paderborn
DA  - 2019
DO  - 10.17619/UNIPB/1-756
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 16.07.2019
N1  - Universität Paderborn, Dissertation, 2019
PB  - Veröffentlichungen der Universität
PY  - 2019
SP  - 1 Online-Ressource (II, 31 Seiten)
T2  - Department 4: Economics
TI  - Empirical analysis of dynamic macroeconomic growth and business cycle processes - using modern non- and semiparametric approaches -
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-35146
Y2  - 2025-07-08T12:04:23
ER  -