Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PANEDA

Financiado

Cerrado

High Dimensional Inference for Panel and Network Data

Improved data availability in Economics provides access to richer datasets with increased complexity. There is regularly a network aspect to the data, whenever outcomes are observed for matches of different economic units (e.g. ho... ver más

31/07/2025

UOXF

1M€

Presupuesto del proyecto: 1M€

Líder del proyecto

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UN... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2018-12-18

ERC-2018-COG: ERC Consolidator Grant

I+D

Cerrada hace 6 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

UOXF

1.04M€ | Lider

CIC CASTILLA INFORMÁTICA CON...

697.27K€ | Participante

UNIVERSITY COLLEGE LONDON

442.78K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

PID2019-107352GB-I00 AVANCES EN ECONOMETRIA 40K€ Cerrado

IJC2019-041742-I Econometrics and Statistics for High Dimensional Data 93K€ Cerrado

PID2019-108079GB-C22 NUEVOS METODOS ECONOMETRICOS PARA PREDICCION MACROECONOMICA... 35K€ Cerrado

PID2020-114646RB-C41 ANALISIS DE SERIES TEMPORAL Y DATOS DE PANEL NO ESTACIONARIO... 12K€ Cerrado

ECO2015-65637-P METODOS ECONOMETRICOS SEMIPARAMETRICOS: ANALISIS SIMBOLICO Y... 8K€ Cerrado

PID2019-108079GB-C21 PREDICCION DE SERIES TEMPORALES NO ESTACIONARIAS DE GRANDES... 30K€ Cerrado

Duración del proyecto: 79 meses Fecha Inicio: 2018-12-18
Fecha Fin: 2025-07-31

Líder del proyecto

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UN... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 1M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Improved data availability in Economics provides access to richer datasets with increased complexity. There is regularly a network aspect to the data, whenever outcomes are observed for matches of different economic units (e.g. households, individuals, firms, products, markets). Such observations include, e.g., wages for workers in firms, academic achievement for students taught by teachers in schools, and purchasing decisions for consumers in stores. The underlying network structure is often sparse, because we only observe a small subset of all possible matches, say between workers and firms. In addition, we aim to estimate models with many parameters, for example to control for and to estimate unobserved heterogeneity of economic units by including (e.g. worker and firm specific) fixed effects. The combination of sparsity of the underlying network structure and a large number of parameters in the model creates challenging Econometric problems. In particular, there is a serious gap between empirical practice, where applied researchers regularly use such sparse network datasets, and the theoretical justifications for those inference methods that are based on classic data structures (cross-sectional, time-series, and panel data) that do not account for the sparsity aspect of the data. The goal of this research project is to develop robust inference methods for such sparse panel and network datasets. This requires to establish a mathematical representation of the network that allows to formalize asymptotic inference results for sequences of growing networks. Subsequently, new bias correction and robust standard error estimation methods will be developed that account for the sparsity structure of the data. I will also advance more parsimonious modeling and estimation approaches (e.g. grouped heterogeneity or empirical Bayes) for situations where the data are otherwise uninformative for the parameters of interest.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores