Servicenavigation


Sie sind hier:

Prof. Dr. Carsten Jentsch

Wirtschafts- und Sozialstatistik

Kontakt

CDI-Gebäude,
Raum 9
0231 755 - 3869
0231 755 - 5284
Fakultät Statistik
Technische Universität Dortmund
44221 Dortmund


Sprechstunde

  • Nach Vereinbarung

 

Kurzlebenslauf

Carsten Jentsch hat 2001-2007 Mathematik mit Nebenfach BWL an der TU Braunschweig studiert, wo er 2010 auch promoviert wurde. Nach einem Forschungsaufenthalt an der UC San Diego wurde er 2011 Postdoc an der VWL-Fakultät der Universität Mannheim und am SFB 884 „The Political Economy of Reforms“. Seit 2015 ist er Mitglied im Eliteprogramm für Postdocs der Baden-Württemberg Stiftung. Nach Professurvertretungen an den Universitäten Bayreuth und Mannheim arbeitet er seit Sommersemester 2018 an der TU Dortmund. Er ist Mitglied der RGS Faculty an der Ruhr Graduate School in Economics.

 

Arbeitsgebiete

Die Forschungsinteressen von Carsten Jentsch liegen im Bereich der mathematischen Statistik mit Schwerpunkt auf der methodischen Entwicklung und Implementierung von Schätz- und Testverfahren sowie auf der Modellierung von zeitlich und/oder räumlich abhängigen Daten und deren Anwendung in den Wirtschafts- und Sozialwissenschaften. Er beschäftigt sich mit verschiedenen Themen aus der Zeitreihenanalyse/Zeitreihenökonometrie, wobei er verstärkt Methoden aus dem Spektralbereich verwendet. Insbesondere sind Bootstrapverfahren für abhängige Daten ein wesentlicher Gegenstand seiner Forschung. Weiterhin interessiert er sich für statistische Methoden für stochastische Netzwerke und die statistische Analyse von Textdaten.

 

Zeitschriften

Associate Editor für „Journal of Time Series Analysis” (seit 2019)

Editor-In-Chief für "Statistical Papers" (seit 2018)

Associate Editor für "Statistics" (seit 2018)

Associate Editor für "Statistics & Risk Modeling" (seit 2017)

Associate Editor für "Statistics & Probability Letters" (seit 2016)

 

Aktuelle Einreichungen

Rieger, J., Koppers, L., Jentsch, C. & Rahnenführer, J. Improving reliability of Latent Dirichlet Allocation by assessing its stability using clustering techniques on replicated runs.

Koppers, L., von Nordheim, G., Boczek, K., Rieger, J., Jentsch, C., Müller, H. & Rahnenführer, J.: Interdisziplinäre Entwicklung von Forschungssoftware.

Rieger, J., Jentsch, C. & Rahnenführer, J.: Assessing the Uncertainty of the Text Generating Process using Topic Models.

Jentsch, C. & Lunsford, K. Asymptotically Valid Bootstrap Inference for Proxy SVARs. Working Paper.

Jentsch, C. & Kulik, R. Bootstrapping Hill estimator and tail arrays sums for regularly varying time series.

 

Publikationen

Jentsch, C., Lee, E. R. & Mammen, E. (2020). Poisson reduced rank models with an application to political text data. Erscheint in Biometrika.

Jentsch, C. & Meyer, M. (2020). On the validity of akaike's identity for random fields. Erscheint im Journal of Econometrics.

Rieger, J., Rahnenführer, J. & Jentsch, C. (2020). Improving Latent Dirichlet Allocation: On Reliability of the Novel Method LDAPrototype. Natural Language Processing and Information Systems, NLDB 2020. LNCS 12089, pp. 118-125. doi:10.1007/978-3-030-51310-8_11

Jentsch, C., Lee, E. R. & Mammen, E. (2020). Time-dependent Poisson reduced rank models for political text data analysis. Computational Statistics and Data Analysis, 142, 106813. doi:10.1016/j.csda.2019.106813

Jentsch, C., Leucht, A., Meyer, M., & C. Beering (2020). Empirical characteristic functions-based estimation and distance correlation for locally stationary processes. Journal of Time Series Analysis, 41, 110-133. Supplement. doi:10.1111/jtsa.12497

Jentsch, C. & Reichmann, L. (2019). Generalized Binary Time Series Models. Econometrics, 7, 47. doi:10.3390/econometrics7040047

Jentsch, C. & Lunsford, K. (2019). The Dynamic Effects of Personal and Corporate Income Tax Changes in the United States: Comment. American Economic Review 109, No. 7, 2655--2678. Working Paper. doi:10.1257/aer.20162011

Weiß, C. H. & Jentsch, C. (2019). Bootstrap-based Bias Corrections for INAR Count Time Series. Journal of Statistical Computation and Simulation 89, No. 7, 1248-1264doi:10.1080/00949655.2019.1576179

Jentsch, C. & C. H. Weiß (2019). Bootstrapping INAR models. Bernoulli 25, No.3, 2359-2408. Working Paper. doi:10.3150/18-BEJ1057

Weiß, C. H., Steuer, D., Jentsch, C. and Testik, M. C. (2018). Guaranteed Conditional ARL Performance in the Presence of Autocorrelation. Computational Statistics and Data Analysis, 128, 367-379. doi:10.1016/j.csda.2018.07.013

Meyer, M., Jentsch, C. and Kreiss, J.-P. (2017). Baxter's Inequality and Sieve Bootstrap for Random Fields. Bernoulli 23, No. 4B, 2988-3020. Working Paper. doi:10.3150/16-BEJ835

Bandyopadhyay, S., Jentsch, C. and Subba Rao, S. (2016). A spectral domain test for stationarity of spatio-temporal data. Journal of Time Series Analysis, 38, no. 2, 326-351. doi:10.1111/jtsa.12222

Jentsch, C. and Kirch, C. (2016). How much information does dependence between wavelet coefficients contain? Journal of the American Statistical Association, 111, no. 515, 1330–1345. pdf, R Code. doi:10.1080/01621459.2015.1093945

Jentsch, C. and Steinmetz, J. (2016). A Connectedness Analysis of German Financial Institutions during the Financial Crisis in 2008. Banks and Bank Systems, 11, No. 4. doi:10.21511/bbs.11(4).2016.01

Jentsch, C. and Leucht, A. (2016). Bootstrapping sample quantiles of discrete data. Annals of the Institute of Statistical Mathematics 68, No. 3, 491-539. Working Paper. doi:10.1007/s10463-015-0503-3

Brüggemann, R., Jentsch, C., and Trenkler, C. (2016). Inference in VARs with Conditional Heteroskedasticity of Unknown Form. Journal of Econometrics 191, 69-85. Revised pdf, Working Paper. doi:10.1016/j.jeconom.2015.10.004

Jentsch, C. and Politis, D. N. (2015). Covariance matrix estimation and linear process bootstrap for multivariate time series of possibly increasing dimension. The Annals of Statistics 43, No. 3, 1117-1140. pdf, Supplement, R Code. doi:10.1214/14-AOS1301

Jentsch, C., Paparoditis, E., and Politis, D. N. (2015). Block bootstrap theory for multivariate integrated and cointegrated time series. Journal of Time Series Analysis 36, No. 3, 416-441. Revised pdf. doi:10.1111/jtsa.12088

Jentsch, C. and Pauly, M. (2015). Testing equality of spectral densities using randomization techniques. Bernoulli 21, No. 2, 697-739. pdf, Supplement. doi:10.3150/13-BEJ584

Jentsch, C. and Subba Rao, S. (2015). A test for second order stationarity of a multivariate time series. Journal of Econometrics 185, No. 1, 124-161. Revised pdf, R Code. doi:10.1016/j.jeconom.2014.09.010

Jentsch, C. and Politis, D. N. (2013) Valid resampling of higher order statistics using linear process bootstrap and autoregressive sieve bootstrap. Communications in Statistics - Theory and Methods 42, No. 7, 1277-1293. pdf.

Jentsch, C., Kreiss, J.-P., Mantalos, P. and Paparoditis, E. (2012). Hybrid bootstrap aided unit root testing. Computational Statistics 27, No. 4, 779-797. doi:10.1007/s00180-011-0290-0

Jentsch, C. (2012). A new frequency domain approach of testing for covariance stationarity and for periodic stationarity in multivariate linear processes. Journal of Time Series Analysis 33, No. 2, 177-192. pdf. doi:10.1111/j.1467-9892.2011.00750.x

Jentsch, C. and Mammen, E. (2012). Discussion on the paper ‘‘Bootstrap for dependent data: A review’’ by Jens-Peter Kreiss and Efstathios Paparoditis. Journal of the Korean Statistical Society 40, No. 4, 391-392. doi:10.1016/j.jkss.2011.07.001

Jentsch, C. and Pauly, M. (2012). A note on periodogram-based distances for comparing spectral densities. Statistics and Probability Letters 82, No. 1, 158-164. pdf. doi:10.1016/j.spl.2011.09.014

Jentsch, C. and Politis, D. N. (2011). The multivariate linear process bootstrap. In: Proceedings of the 17th European Young Statisticians Meeting (EYSM). pdf.

Jentsch, C. und Kreiss, J.-P. (2010). The multiple hybrid Bootstrap - Resampling multivariate linear processes. Journal of Multivariate Analysis 101, No. 10, 2320-2345. pdf. doi:10.1016/j.jmva.2010.06.005

 

Sonstige Veröffentlichungen

Rahnenführer, J. & Jentsch, C. (2019). Wer soll das alles lesen? Automatische Analyse von Textdaten. In: Faszination Statistik. Einblicke in aktuelle Forschungsfragen und Erkenntnisse. Eds. W. Krämer, C. Weihs, 191-199.

Jentsch, C. and Politis, D.N. (2011). The multivariate linear process bootstrap. Proceedings of the 17th European Young Statisticians Meeting (EYSM).

Jentsch, C. (2010). (Hybride) Bootstrapverfahren - Wie konstruiert man gute Konfidenz- intervalle? In: Heinert, M. & Riedel, B. (Hrsg., 2010): Theorie und Anwendung lernender Algorithmen in den Ingenieurs- und Naturwissenschaften an der TU Braunschweig. Geod. Schriftr. TU Braunschweig 25; 27 - 32.

 

Dissertation und Diplomarbeit

Jentsch, C. (2010). The Multiple Hybrid Bootstrap and Frequency Domain Testing for Periodic Stationarity, Dissertation, TU Braunschweig. pdf.

Jentsch, C. (2006). Asymptotik eines nicht-parametrischen Kernschätzers für zeitvariable autoregressive Prozesse, Diplomarbeit, TU Braunschweig. pdf.