Die Österreichische Nationalbank (OeNB) fördert Michael Pfarrhofers Forschungsprojekt zu „Methoden zur nichtparametrischen Inferenz für Daten mit statistischen Ausreißern und Messfehlern“ am Fachbereich Volkswirtschaftslehre.

Daten sind oft unvollkommen und unvollständig, wenn sie erstmals veröffentlicht werden. Ein damit zusammenhängendes Problem sind statistische Ausreißer, wie beispielsweise während der Covid-19-Pandemie, die Parameterschätzungen in linearen Modellen beeinflussen können. Zudem kann es zu Veränderungen in den Transmissionskanälen der Fiskal- oder Geldpolitik kommen, die mit linearen Modellen nicht erfasst werden können. Insbesondere für strukturelle Inferenz und Prognosen können Messfehler und Ausreißer die Parameterschätzungen stark verzerren und somit irreführende politische Implikationen bedeuten. Dieses Projekt zielt darauf ab, neue Bayesianische nichtparametrische Methoden zu entwickeln, die sowohl gegenüber nichtlinearen Zusammenhängen, Messfehlern, als auch Ausreißern robust sind. Darüber hinaus sind die Methoden in der Lage, unkonventionelle Daten, beispielsweise mit unterschiedlichen Veröffentlichungszeiträumen, zu verwerten. Die vorgeschlagene Forschung erweitert daher modernste ökonometrische Methoden für hochdimensionale, nichtlineare Zeitreihenanalyse zur Verwendung im Zusammenhang mit Szenarioanalysen und Prognosen. Ein wichtiger Aspekt ist die Entwicklung eines flexiblen Modells für Messfehler, das die gesamte Historie von Datenveröffentlichungen für eine Reihe von wichtigen Wirtschaftsindikatoren erfasst.