Am Lehrstuhl für Data Analytics (Univ.-Prof. Dr. habil. Rouven E. Haschka) entwickeln wir neue nichtparametrisch-Bayesianische Verfahren für copulabasierte Endogenitätskorrekturen in Regressionsmodellen. Das Ziel: Bestehende Methoden der Kausalinferenz von restriktiven Verteilungsannahmen befreien und praktisch anwendbar machen.
Sie arbeiten an der methodischen Weiterentwicklung – von der theoretischen Fundierung über Identifikationsstrategien bis zur Implementierung in R-Packages. Das Projekt bietet die Chance, sowohl an statistischer Theorie als auch an praxisnaher Software zu forschen, mit dem Ziel internationaler Publikationen in führenden Methodik-Journals.
Ihr Aufgabengebiet:
1. Entwicklung und theoretische Fundierung neuer copulabasierter Endogenitätskorrektur-Modelle mit nichtparametrischer Bayesianischer Inferenz
2. Design und Durchführung von Monte-Carlo-Simulationsstudien zur Evaluation der Methoden
3. Implementierung der Verfahren als open-source R-Packages
4. Promotion mit methodischem Schwerpunkt – mit dem Ziel von Publikationen in statistischen und ökonometrischen Fachjournalen
Unser Anforderungsprofil:
5. Einschlägiges, erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium in Statistik oder Ökonometrie (idealerweise mit Schwerpunkt in statistischer Methodenentwicklung)
6. Sehr gute Programmierkenntnisse in R – Erfahrung mit Simulationsstudien und statistischer Software-Entwicklung
7. Vorkenntnisse in mindestens einem der Bereiche: Bayesianische Statistik, nichtparametrische Inferenz, Copula-Theorie, oder Kausalinferenz
8. Interesse an der Schnittstelle zwischen statistischer Methodenentwicklung und ökonomischen Anwendungen
9. Sehr gute Englischkenntnisse (Deutschkenntnisse sind von Vorteil)
Wir bieten:
Gesundheitsförderung
Familien-Service-Stelle
Berufliche Weiterbildung
Flexibles Arbeiten und
Homeoffice
Jobticket
Altersvorsorge
Sport & Fitness
Kultur & Freizeit
Naherholung im Pfälzerwald