Peter M. Robinson

Peter M. Robinson - The London School of Economics and Political Science (UK)

Peter M. Robinson es Doctor por la Universidad Nacional de Australia y Máster con distinción por la Universidad de Londres. En el año 2000 fue nombrado Doctor Honoris Causa por la Universidad Carlos III de Madrid.

Dirige la Cátedra Tooke de Economía y Estadística en la London School of Economics. Ha sido profesor en las universidades de Harvard, de British Columbia, Surrey, y profesor visitante en las universidades de Berkeley, de Yale y en el Instituto de estudios avanzados de Viena.

Es Fellow de la British Academy, la Econometric Society, Institute of Mathematical Statistics, Institute of Mathematical Statistics, y del Centre for Microdata Methods and Practice y miembro del International Statistical Institute y de la Royal Society for the encouragement of Arts, Manufactures and Commerce.

Peter M. Robinson es en la actualidad Editor del Journal of Econometrics y anteriormente lo ha sido de Econometric Theory y de Econometrica. En la actualidad es Editor Asociado de Journal of Time Series Analysis, Annals of Statistics y Statistical Inference for Stochastic Processes. Anteriormente ha sido Editor Asociado de The Review of Economics and Statistics, The American Statistician, Infor, Journal of Econometrics, Econometric Theory, Econometrica, Journal of the Royal Statistical Society, Series A, International Statistical Review, Econometric Reviews, Journal of Nonparametric Statistics, Statistica Sinica y Journal of the American Statistical Association.

Estancia en la UC3M: DEPARTAMENTO DE ECONOMÍA

Proyecto: El proyecto desarrollará métodos y teoría relacionados con la dependencia de corte ransversal en datos econométricos, específicamente aquellos datos observados como una sección ransversal o panel, con énfasis en situaciones donde el número de unidades de corte transversal son grandes. Tratará los siguientes temas específicos: inferencia en presencia de fuerte dependencia de corte transversal; contraste de hipótesis para dependencia de corte transversal; dependencia de corte transversal en problemas de tasas mixtas; inferencia con datos de corte transversal regularizados; tendencias no paramétricas con dependencia de corte transversal; tendencias estocásticas con ependencia de corte transversal. En cada caso, se desarrollarán nuevos métodos de estimación y/o contrastes de hipótesis, y se establecerán justificaciones teóricas rigurosas, en forma de una teoría estadística de muestras grandes. Además, se examinarán las propiedades de muestras finitas mediante simulacros Monte Carlo.

Fecha de estancia: ENE 13 - MAR 13