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 zur Promotion mit klarer Forschungsstruktur und exzellenter Positionierung für den internationalen 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. Sehr gute Programmierkenntnisse in R – idealerweise Erfahrung mit Simulationsstudien und statistischer Softwareentwicklung
9. Vorkenntnisse in mindestens einem der Bereiche: Bayesianische Statistik, nichtparametrische Inferenz, Copula-Theorie, oder Kausalinferenz
10. Interesse an der Schnittstelle zwischen statistischer Methodenentwicklung und ökonomischen Anwendungen
11. 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