Autokorrelationsrobustes Testen mit hoher Teststärke

In vielen Disziplinen werden Daten sequentiell erhoben. Solche Beobachtungen werden dann oft mit Regressionsmodellen ausgewertet, und Entscheidungen werden häufig anhand der Ergebnisse von Tests linearer Restriktionen an die Regressionskoeffizienten getroffen. Daten die sequentiell erhoben werden sind oft stark autokorreliert. Deswegen ist es unumgänglich, dass die verwendeten Tests ``autokorrelationsrobust sind, d.h., dass ihre Ergebnisse nicht durch das Vorliegen von Autokorrelationen stark verzerrt werden. In Preinerstorfer und Pötscher (2013) und Preinerstorfer (2014) haben wir gezeigt, dass die in der Anwendung verwendeten Standardverfahren nicht autokorrelationsrobust sind. Das hat zur Folge, dass deren Anwendung mit hoher Wahrscheinlichkeit zu einer falschen Entscheidungen führt, falls die Autokorrelation in den Daten stark ist. Weiters haben wir (unter gewissen technischen Annahmen) gezeigt, wie diese Standardverfahren angepasst werdenkönnen, um autokorrelationsrobusteTests zu erhalten.Unsere Anpassungsverfahren basieren auf gewissen Invarianzeigenschaften, die dazu führen, dass ein gewisser Teil der Information in den Daten ignoriert wird. Obwohl man mit unseren Anpassungsverfahren oft autokorrelationsrobusteTests erhält, gibt es in diesem Zusammenhangvieleoffene,herausforderndeFragestellungen: (1)Könnendie Anpassungsverfahren verbessert werden, indem man die Daten verwendet, um zu entscheiden, ob (und welche) Informationen in den Daten ignoriert werden sollen; (2) kann man die Anpassungsverfahren auf andere Testprobleme erweitern (z.B. auf das Testen einseitiger Hypothesen,oder dasTesten von Strukturbrüchenin den Regressionskoeffizienten zu unbekannten Zeitpunkten); und (3) kann man auch in anderen Modellklassen (z.B.: dynamische, nichtlineare, oder nichtparametrische Modelle) geeignete Anpassungsverfahren entwickeln?Das Ziel desvorliegenden Projektsistdie Anpassungsverfahren zuerst zu verbessern, dann auf andere Testprobleme zu erweitern, und schließlich auch in anderen Modellklassen zu entwickeln.