Servicenavigation

Statistik: mehr als Erbsen zählen

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. Seit 2020 ist er stellvertretender Vorsitzender des Ausschusses „Empirische Wirtschaftsforschung und Angewandte Ökonometrie“ in der Deutschen Statistischen Gesellschaft.

 

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

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

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

Associate Editor für "Statistics" (2018-2020)

Associate Editor für "Statistics & Risk Modeling" (2017-2020)

Associate Editor für "Statistics & Probability Letters" (2016-2020)

 

Aktuelle Einreichungen

Jentsch, C., Müller, H., Mammen, E., Rieger, J. und Schötz, C.: Text mining methods for measuring the coherence of party manifestos for the German federal elections from 1990 to 2021. DoCMA Working Paper #8. doi:10.17877/de290r-22363

Flossdorf, J., Meyer, A., Artjuch, D., Schneider, J. und Jentsch, C.: Unsupervised Movement Detection in Indoor Positioning Systems. pdf.

Blagov, B., Müller, H., Jentsch, C. und Schmidt, T.: The Investment Narrative - Improving Private Investment Forecasts with Media data. Ruhr Economic Paper #921. pdf.

Steinmetz, J. und Jentsch, C.: Asymptotic Theory for Mack's Model.

Aleksandrov, B., Weiß, C.H., Jentsch, C., und Faymonville, M.: Novel Goodness-of-Fit Tests for Binomial Count Time Series.

Walsh, C., Jentsch, C. und Hossain, S.T.: Weighted bootstrap consistency for matching estimators: the role of bias-correction. Discussion Paper

Walsh, C., Jentsch, C. und Hossain, S.T.: Nearest neighbor matching: Does the M-out-of-N bootstrap work when the naïve bootstrap fails? Discussion Paper

Reichold, K. und Jentsch, C.: Accurate and (almost) tuning parameter free inference in cointegrating regressions. Discussion Paper

Krabel, T. M., Tran, T.N.T., Groll, A., Horn, D. und Jentsch, C.: Random boosting and random^2 forest – A random tree depth injection approach. pdf.

Rieger, J., Jentsch, C. und Rahnenführer, J.: LDAprototype: A Model Selection Algorithm to Improve Reliability of Latent Dirichlet Allocation.

 

Publikationen

2021

Jentsch, C. und Lunsford, K. Asymptotically Valid Bootstrap Inference for Proxy SVARs. Erscheint im Journal of Business and Economic Statistics. Working Paper.

Rieger, J., Jentsch, C. und Rahnenführer, J. (2021). RollingLDA: An Update Algorithm of Latent Dirichlet Allocation to Construct Consistent Time Series from Textual Data. Erscheint in Findings of EMNLP 2021.

Jentsch, C. und Reichmann, L. (2021). Generalized Binary VAR Processes. Erscheint in Journal of Time series Analysis.

Flossdorf, J. und Jentsch, C. (2021): Change Detection in Dynamic Networks Using Network Characteristics. IEEE Transactions on Signal and Information Processing over Networks 7, 451-464. doi:10.1109/TSIPN.2021.3094900

Aleksandrov, B., Weiß, C.H. und Jentsch, C. (2021): Goodness-of-fit Tests for Poisson Count Time Series based on the Stein-Chen Identity. Statistica Neerlandica 76, Issue 1, 35-64.

Jentsch, C., Lee, E. R. und Mammen, E. (2021). Poisson reduced rank models with an application to political text data. Biometrika 108, Issue 2, 455-468. doi:10.1093/biomet/asaa06

2020

Jentsch, C. und Kulik, R. (2020). Bootstrapping Hill estimator and tail array sums for regularly varying time series. Bernoulli 27, No. 2, 1409 – 1439. doi:10.3150/20-BEJ1279

Rieger, J., Jentsch, C. und Rahnenführer, J. (2020). Assessing the Uncertainty of the Text Generating Process using Topic Models. ECML PKDD 2020 Workshops. CCIS 1323, 385-396. doi:10.1007/978-3-030-65965-3_26. GitHub.

Jentsch, C. und Meyer, M. (2020). On the validity of Akaike's identity for random fields. Journal of Econometrics 222, Issue1, Part C, 676-687. doi:10.1016/j.jeconom.2020.04.044

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

Jentsch, C., Lee, E. R. und 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., und 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

2019

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

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

2018

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

2017

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. (2017). 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

2016

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

2015

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

2013

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.

2012

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

2010

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

Jentsch, C., Müller, H., Mammen, E., Rieger, J. und Schötz, C. (2021, 18. September). Textanalyse ergibt mögliche Koalitionen: Wer zusammen passt – und wer nicht. Spiegel Online. Link. Ankündigung beim Institut für Journalistik.

von Nordheim, G., Koppers, L., Boczek, K., Rieger, J., Jentsch, C., Müller, H. & Rahnenführer, J.: Die Entwicklung von Forschungssoftware als praktische Interdisziplinarität. M&K Medien & Kommunikationswissenschaft 69, pp. 80-96. pdf.

Rahnenführer, J. und 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). pdf.

Jentsch, C. (2010). (Hybride) Bootstrapverfahren - Wie konstruiert man gute Konfidenz- intervalle? In: Heinert, M. und 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.