Am Lehrstuhl für Data Analytics () entwickeln wir nichtparametrisch-Bayesianische Methoden für copulabasierte Endogenitätskorrekturen in linearen Regressionsmodellen. Unser Ziel ist klar: kausale Inferenz von restriktiven Verteilungsannahmen befreien und Methoden entwickeln, die sowohl theoretisch sauber als auch praktisch einsetzbar sind.
Sie arbeiten in einem DFG-finanzierten Forschungsprojekt an der methodischen Weiterentwicklung dieser Ansätze – von der theoretischen Fundierung neuer Identifikationsstrategien, über umfangreiche Monte-Carlo-Simulationen, bis hin zur Implementierung in R-Packages.
Das Projekt verbindet statistische Theorie, moderne Bayes-Methodik und Softwareentwicklung und ist gezielt auf Publikationen in führenden Methodik-Journals ausgerichtet. Eine solche Position in einem DFG-Projekt ist nicht nur exzellente Forschungspraxis, sondern ein echter Karriere-Booster – als strategisch aufgebautes Sprungbrett mit klarer Forschungsstruktur und exzellenter Positionierung für den akademischen Arbeitsmarkt.
Ihr Aufgabengebiet:
1. Entwicklung neuer copulabasierter Endogenitätskorrekturen für lineare Regressionsmodelle 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 Journalen
5. Reine Forschungsstelle: keine Verpflichtung zur Lehre
6. Eine studentische Hilfskraft wird Sie bei der Forschung unterstützen
Unser Anforderungsprofil:
7. Einschlägiges, erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium in Statistik oder Ökonometrie (idealerweise mit Schwerpunkt in statistischer Methodenentwicklung und Simulationen)
8. Promotion in Statistik oder Ökonometrie (idealerweise mit Schwerpunkt in Bayesianischer Statistik)
9. Sehr gute Programmierkenntnisse in R – idealerweise Erfahrung mit Simulationsstudien und statistischer Softwareentwicklung
10. Vorkenntnisse in mindestens einem der Bereiche: Bayesianische Statistik, nichtparametrische Inferenz, Copula-Theorie, oder Kausalinferenz
11. Interesse an der Schnittstelle zwischen statistischer Methodenentwicklung und ökonomischen Anwendungen
12. 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