The problem of data adequacy in applied statistics [Elektronische Ressource] / von Jens Mehrhoff

Jens Mehrhoff

Informations

• Publié par: universitat_duisburg-essen
• Publié le: 01 janvier 2010
• Nombre de lectures: 15
• Langue: Deutsch
• Poids de l'ouvrage: 1 Mo

Extrait

The Problem of Data Adequacy
in Applied Statistics
Von der Mercator School of Management
– Fakultät für Betriebswirtschaftslehre –
der Universität Duisburg-Essen (Campus Duisburg)
zur Erlangung des akademischen Grades
eines Doktors der Wirtschaftswissenschaft (Dr. rer. oec.)
genehmigte Dissertation
von
Jens Mehrhoff
aus
MindenReferent: Professor Dr. Peter Anker
Korreferent: Professor Dr. Jens Südekum
Tag der mündlichen Prüfung: 2. Juni 2010Für meine Eltern,
die mich auf meinem Weg immer unterstützt haben.Danksagung
Mein besonderer Dank gilt meinem Doktorvater und dem Betreuer meiner Dok-
torarbeit, Professor Dr. Peter von der Lippe und Professor Dr. Peter Anker, ohne
deren tatkräftige Unterstützung bei meiner Promotion diese nicht möglich gewesen
wäre. In ausführlichen Diskussionen konnte ich von der Erfahrung der beiden pro-
fitieren und erhielt zahlreiche förderliche Anregungen für die Verbesserung meiner
Arbeit. Meine Dissertation hätte sicherlich nicht so reibungslos zum erfolgreichen
Abschluss gebracht werden können, wenn ich nicht durch die fachliche Betreuung
und den persönlichen Einsatz von ihnen allzeit gefördert worden wäre. Professor
Dr. Jens Südekum und Professorin Dr. Antje Mahayni danke ich ebenfalls für ihre
äußerst konstruktive Mitwirkung in meinem Promotionsverfahren.
Weiter danke ich sehr herzlich meinen Vorgesetzten bei der Deutschen Bundes-
bank aus dem Zentralbereich Statistik, Herrn Robert Kirchner und Herrn Hans-
Albert Leifer, denen ich die Möglichkeit zur Durchführung meiner Promotion so-
wie den Vorschlag zur Fragestellung schulde. Die exzellente fachliche Begleitung
hat erheblich zum Gelingen meiner Arbeit beigetragen. Durch viele sehr nützliche
Kommentare habe ich die Qualität dieser maßgeblich verbessern können. Insbeson-
dere die Fokussierung auf die praktische Relevanz und die strukturierte Darstel-
lung meiner Ergebnisse waren für mich die Schlüssel zum Erfolg. Ferner empfand
ich die mir stets eingeräumten Freiheiten bei der Umsetzung meiner Ideen und
Verwirklichung meiner Interessen als sehr angenehm.
SchließlichgiltmeinspeziellerDankFrauDr.SophiaMüller-Spahn.Durchzahl-
lose wertvolle Kommentare und viele anregende Diskussionen hat sie wesentlichen
Einfluss auf meine Forschung genommen. Sie zeigte mir andere Sichtweisen auf
und übte konstruktive Kritik, welche die Schwachstellen meiner Argumentation
offenbarte.The Problem of Data Adequacy
in Applied StatisticsContents
1 Introduction 1
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Aggregate Indices and Their Corresponding Elementary Indices 12
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Literature Review . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Aggregate Indices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 First Principles . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Two-Staged Indices . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.3 Index Theory . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Corresponding Elementary Indices . . . . . . . . . . . . . . . . . . . 20
2.3.1 Theoretical Foundations . . . . . . . . . . . . . . . . . . . . 20
2.3.2 Laspeyres and Paasche Price Indices . . . . . . . . . . . . . 29
2.3.3 Fisher Price Index . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Findings in Foreign Trade Statistics . . . . . . . . . . . . . . . . . . 32
2.4.1 Data Description . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.2 Regression Results . . . . . . . . . . . . . . . . . . . . . . . 33
2.4.3 A Case Study . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.1 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.2 Outlook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
IICONTENTS III
3 Sources of Revisions of Seasonally Adjusted Real Time Data 52
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4 Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4.1 Seasonal Adjustment Basics . . . . . . . . . . . . . . . . . . 56
3.4.2 Data and Theoretical Background . . . . . . . . . . . . . . . 59
3.5 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5.1 Predictability and Revisions . . . . . . . . . . . . . . . . . . 61
3.5.2 Time Series Properties . . . . . . . . . . . . . . . . . . . . . 63
3.5.3 X-11 Statistics . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.5.4 Decomposition of Revisions . . . . . . . . . . . . . . . . . . 66
3.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4 A Solution to the Problem of Too Many Instruments in Dynamic
Panel Data GMM 85
4.1 The Problem of Too Many Instruments . . . . . . . . . . . . . . . . 86
4.2 A Solution to this Problem . . . . . . . . . . . . . . . . . . . . . . . 87
4.3 Performance of Factorised Instruments . . . . . . . . . . . . . . . . 88
4.4 Directions for Applied Research . . . . . . . . . . . . . . . . . . . . 100
Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5 Summary 109
Bibliography 112List of Figures
2.1 Power Mean of Price Relatives . . . . . . . . . . . . . . . . . . . . . 22
2.2 Joint Log-Normal Distribution of Prices and Quantities . . . . . . . 25
2.3 Quadratic Mean of Price Relatives . . . . . . . . . . . . . . . . . . 30
2.4 Density Histogram (Bin Width = 0:1) and Normal Density Plot of 35
2.5 Elementary Indices as Estimators of the Fisher Price Index . . . . . 41
2.6 Overview of Corresponding Elementary Indices . . . . . . . . . . . . 42
2.7 Cost Minimisation Subject to a Constant Level of Utility . . . . . . 49
3.1 Sources of Revisions . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 Structure of X-12-ARIMA . . . . . . . . . . . . . . . . . . . . . . . 58
3.3 Average Absolute Percent Ex Ante-Forecast Errors . . . . . . . . . 62
3.4 Average Absolute Revisions . . . . . . . . . . . . . . . . . . . . . . 62
3.5 Standard Deviations of the Irregular and the Seasonal Component . 64
3.6 X-11 Diagnostics . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.7 Workflow Diagram of the X-11 Seasonal Adjustment Core . . . . . 71
3.8 Autocorrelation Function (ACF) of the Differenced Airline Model . 72
3.9 Smoothing Filter Weights of the 3 9-Moving Seasonal Filter . . . 74
3.10 Down-Weighting of Extreme Seasonal Factors . . . . . . . . . . . . 75
3.11 Squared Gain of the Combined Smoothing Filter . . . . . . . . . . . 76
3.12 Real Time Data Vintages of Real Gross Domestic Product . . . . . 77
3.13 Revisions of Real Time Data of Real Gross Domestic Product . . . 78
3.14 Time Series of Real Gross Domestic Product . . . . . . . . . . . . . 78
3.15 Time Series of Employment . . . . . . . . . . . . . . . . . . . . . . 79
3.16 Time Series of Output in the Manufacturing Sector . . . . . . . . . 80
3.17 Time Series of Orders Received by the Manufacturing Sector . . . . 80
3.18 Time Series of Retail Trade Turnover . . . . . . . . . . . . . . . . . 81
IVLIST OF FIGURES V
4.1 Biases from a Monte Carlo Simulation . . . . . . . . . . . . . . . . 91
4.2 RMSEs from a Monte Carlo Simulation . . . . . . . . . . . . . . . . 92
4.3 SDs from a Monte Carlo Simulation . . . . . . . . . . . . . . . . . . 93
4.4 Rejection Frequency f of Valid Instruments . . . . . . . . . . . . . 95
4.5 Fraction of Explained Variance and Measure of Sampling Adequacy 97
4.6 Rejection Frequency f of Weak Instruments . . . . . . . . . . . . . 99