Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen

more »

... bedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Das Institut für Höhere Studien (IHS) wurde im Jahr 1963 von zwei prominenten Exilösterreicherndem Soziologen Paul F. Lazarsfeld und dem Ökonomen Oskar Morgenstern -mit Hilfe der Ford-Stiftung, des Österreichischen Bundesministeriums für Unterricht und der Stadt Wien gegründet und ist somit die erste nachuniversitäre Lehr-und Forschungsstätte für die Sozial-und Wirtschaftswissenschaften in Österreich. Die Reihe Ökonomie bietet Einblick in die Forschungsarbeit der Abteilung für Ökonomie und Finanzwirtschaft und verfolgt das Ziel, abteilungsinterne Diskussionsbeiträge einer breiteren fachinternen Öffentlichkeit zugänglich zu machen. Die inhaltliche Verantwortung für die veröffentlichten Beiträge liegt bei den Autoren und Autorinnen. Abstract We consider Bayesian estimation of restricted conditional moment models with linear regression as a particular example. The standard practice in the Bayesian literature for semiparametric models is to use flexible families of distributions for the errors and assume that the errors are independent from covariates. However, a model with flexible covariate dependent error distributions should be preferred for the following reasons: consistent estimation of the parameters of interest even if errors and covariates are dependent; possibly superior prediction intervals and more efficient estimation of the parameters under heteroscedasticity. To address these issues, we develop a Bayesian semiparametric model with flexible predictor dependent error densities and with mean restricted by a conditional moment condition. Sufficient conditions to achieve posterior consistency of the regression parameters and conditional error densities are provided. In experiments, the proposed method compares favorably with classical and alternative Bayesian estimation methods for the estimation of the regression coefficients.