Erweiterte Suche

Econometric analysis of individual income dynamics

Die vorliegende Arbeit behandelt individuelle Einkommensdynamiken anhand von drei Studien. Die erste Studie stellt einen Ansatz zur Ermittlung von Einkommensrisiko vor. Neben den Einkommensverläufen werden bei der Schätzung Informationen über Kapitaleinkommen berücksichtigt und somit indirekt das Konsum- und Anlageverhalten des Individuums. Formuliert als dynamisches Optimierungsproblem wird das Einkommensrisiko mit indirekter Inferenz geschätzt. Die zweite Studie geht der Frage nach, ob explosives Verhalten bei der Modellierung von Einkommensverläufen berücksichtigt werden sollte. Hierzu wird ein Panel Unit Root Test für Explosivität entwickelt und auf SOEP und PSID angewendet. Die Nullhypothese der Nicht-Explosivität wird verworfen. Die dritte Studie untersucht die Divergenz von Einkommensverläufen über die Zeit. Insbesondere wird untersucht, ob dieses Muster durch die Heterogenität der Individuen oder durch starke und persistente Schocks verursacht wird. Dieser Frage wird mit Hilfe eines State-Space Modells nachgegangen. Hierbei werden die latenten Modellkomponenten mit MCMC-Methoden geschätzt.

This thesis presents three studies on individuals’ earnings dynamics. First, an approach to the identification of earnings risk is presented. It does not only use earnings data to gather information on earnings risk - it moreover includes capital income data and hence, implicitly, the economic consumption and portfolio allocation choices of individuals. Stated as dynamic optimization problem, estimation of earnings risk is carried out by indirect inference. The second study investigates whether explosiveness is a pattern that needs to be taken into account when modeling income profiles. To this end, a panel test against explosiveness is proposed and applied to the SOEP and PSID. The null hypothesis of no explosiveness is rejected. The third study examines the fanning out of incomes over time. In particular, it investigates whether incomes differ systematically due to a large amount of heterogeneity of individuals or if it is rather driven by large and persistent income shocks. To evaluate this question, a state-space model is proposed. The latent model components are estimated using MCMC methods.

Titel: Econometric analysis of individual income dynamics
Verfasser: Meyer, Sarah GND
Gutachter: Trede, Mark GND
Organisation: FB 04: Wirtschaftswissenschaftliche Fakultät
Dokumenttyp: Dissertation/Habilitation
Medientyp: Text
Erscheinungsdatum: 2015
Publikation in MIAMI: 11.01.2016
Datum der letzten Änderung: 11.01.2016
Schlagwörter: Einkommensrisiko; Individuelle Einkommensdynamiken; Ökonometrie; Explosivität; Stochastische dynamische Optimierung; Gibbs-Sampling
Earnings risk; individual income dynamics; econometrics; explosiveness; stochastic dynamic optimization; gibbs sampling
Fachgebiete: Wirtschaft
Sprache: Englisch
Format: PDF-Dokument
URN: urn:nbn:de:hbz:6-17229464589
Permalink: https://nbn-resolving.org/urn:nbn:de:hbz:6-17229464589
Onlinezugriff:
Inhalt:
1 Introduction 1
2 Eliciting earnings risk from labor and capital income 6
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Stochastic dynamic programming framework . . . . . . . . . . . . . . 9
2.2.1 Introduction to dynamic programming . . . . . . . . . . . . . 9
2.2.2 The economic model . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.3 Solution of the dynamic optimization problem . . . . . . . . . 19
2.3 Estimation by indirect inference . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Introduction to indirect inference . . . . . . . . . . . . . . . . 23
2.3.2 Estimation of the consumption-savings model . . . . . . . . . 26
2.4 Simulation studies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Whoever has will be given more:
Are earnings subject to a self-reinforcing mechanism? 33
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Literature on panel unit root tests . . . . . . . . . . . . . . . . . . . . 36
3.3 Modeling earnings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4 The right-tailed panel unit root test . . . . . . . . . . . . . . . . . . . 40
3.5 Empirical applications . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4 Is there a systematic fanning out of income profiles? 51
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2 Overview - HIP vs. RIP model . . . . . . . . . . . . . . . . . . . . . 53
4.3 The model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.4 Estimation of simulated data sets . . . . . . . . . . . . . . . . . . . . 67
4.5 The data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6 Empirical findings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5 Summary 86
References 88
A Lag order determination for the ADF test 96