dc.contributor.advisor | Krivobokova, Tatyana Prof. Dr. | de |
dc.contributor.author | Greb, Friederike | de |
dc.date.accessioned | 2012-10-18T15:09:46Z | de |
dc.date.accessioned | 2013-01-18T10:19:20Z | de |
dc.date.available | 2013-01-30T23:51:21Z | de |
dc.date.issued | 2012-10-18 | de |
dc.identifier.uri | http://hdl.handle.net/11858/00-1735-0000-000D-EF47-0 | de |
dc.identifier.uri | http://dx.doi.org/10.53846/goediss-1952 | |
dc.description.abstract | Threshold Parameter in (generalisierten)
Threshold Regressionsmodellen werden üblicherweise durch Maximieren
der Profile Likelihood Funktion geschätzt. Bayesianische Methoden
basierend auf nicht-informativen Prioriverteilungen sind ebenfalls
verbreitet. Unter bestimmten Bedingungen, insbesondere bei kleiner
Stichprobe, liefern die Schätzer allerdings schlechte Ergebnisse.
Diese Konditionen werden in der Dissertation herausgearbeitet und
ein alternativer regularisierter Bayesianischer Schätzer
entwickelt, der die Defizite der Standardschätzer in den kritischen
Situationen überkommt. Der neue Schätzer ist mit geringem
numerischem Mehraufwand (verglichen mit den herkömmlichen
Verfahren) verbunden. In Simulationsstudien zeigt er exzellente
Eigenschaften, speziell bei geringer Stichprobengröße und für die
problematischen Parameter Settings. Anwendungsbeispiele belegen die
praktische Relevanz der neuen Methode. Des Weiteren werden in
dieser Arbeit die Eigenschaften des regularisierten Bayesianischen
Schätzers im Kontext des Threshold Fehlerkorrekturmodells, dem
insbesondere für die Analyse räumlicher Preistransmission und
Marktintegration große Bedeutung zukommt, untersucht. Simulationen
zeigen, dass der neue Schätzer den üblichen Methoden auch im Rahmen
dieses komplizierteren Modells überlegen ist. Gerade bei
empirischen Anwendungen im Bereich der Preistransmissionanalyse
treten schwierig zu schätzende Parameter Settings jedoch häufig
auf. Zwei empirische Anwendungen -- ein erneute Analyse der dem
richtungsweisenden Papier von Goodwin & Piggott (2001)
zugrundeliegenden Daten sowie die Untersuchung der
Preistransmission zwischen spanischem und deutschem Markt für
Schweinefleisch -- verdeutlichen den Wert der neuen Methode für die
Beurteilung räumlicher Preistransmission. | de |
dc.format.mimetype | application/pdf | de |
dc.language.iso | eng | de |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ | de |
dc.title | Improved estimation in threshold regression with applications to price transmission modeling | de |
dc.type | doctoralThesis | de |
dc.title.translated | Verbessertes Schätzen von Threshold Regressionsmodellen mit Anwendungen in der Preistransmissionsanalyse | de |
dc.contributor.referee | Krivobokova, Tatyana Prof. Dr. | de |
dc.date.examination | 2012-01-30 | de |
dc.subject.dnb | 630 Landwirtschaft | de |
dc.subject.dnb | Veterinärmedizin | de |
dc.subject.gok | YI 000 | de |
dc.subject.gok | LM 011 | de |
dc.subject.gok | EGC XXX | de |
dc.description.abstracteng | Estimation of threshold parameters in
(generalized) threshold regression models is typically performed by
maximizing the corresponding profile likelihood function. Certain
Bayesian techniques based on non-informative priors have also been
developed and are widely used. This thesis draws attention to
finite-sample settings in which these standard estimators perform
poorly. It develops an alternative regularized Bayesian estimator
that circumvents the deficiencies of standard estimators in small
samples. The new estimator can be obtained employing the empirical
Bayes paradigm and, hence, requires little additional numerical
effort compared with commonly used estimators. Simulations confirm
excellent properties of the suggested estimator, especially in the
critical settings. Real-data examples illustrate the practical
relevance of the approach. The thesis further explores the
properties of the new estimator for the threshold vector error
correction model, which is a popular tool for the analysis of
spatial price transmission and market integration. Problematic
settings are likely to occur in empirical application in this
context. Simulations show that the regularized Bayesian estimator
also outperforms the profile likelihood estimator within this more
complex modeling framework. Two empirical applications -- a
reassessment of the seminal paper by Goodwin & Piggott (2001),
and an analysis of price transmission between German and Spanish
markets for pork -- demonstrate the value of the new method for
spatial price transmission analysis. | de |
dc.contributor.coReferee | Cramon-Taubadel, Stephan von Prof. Dr. | de |
dc.contributor.thirdReferee | Munk, Axel Prof. Dr. | de |
dc.subject.topic | Agricultural Sciences | de |
dc.subject.ger | Bayes Schätzer | de |
dc.subject.ger | Empirical Bayes | de |
dc.subject.ger | Marktintegration | de |
dc.subject.ger | Preistransmission | de |
dc.subject.ger | Störparameter | de |
dc.subject.ger | Threshold Fehlerkorrekturmodell | de |
dc.subject.ger | Threshold Regression | de |
dc.subject.ger | Threshold Schätzer | de |
dc.subject.eng | Bayesian estimator | de |
dc.subject.eng | empirical Bayes | de |
dc.subject.eng | market integration | de |
dc.subject.eng | nuisance parameter | de |
dc.subject.eng | price transmission | de |
dc.subject.eng | spatial arbitrage | de |
dc.subject.eng | threshold estimation | de |
dc.subject.eng | threshold regression | de |
dc.subject.eng | TVECM | de |
dc.subject.bk | 83.66 | de |
dc.subject.bk | 83.03 | de |
dc.subject.bk | 31.73 | de |
dc.identifier.urn | urn:nbn:de:gbv:7-webdoc-3744-2 | de |
dc.identifier.purl | webdoc-3744 | de |
dc.affiliation.institute | Fakultät für Agrarwissenschaften | de |
dc.identifier.ppn | 73401936X | de |