We estimate the low-frequency relationship between fiscal deficits and inflation and pay special attention to its potential time variation by estimating a time-varying vector autoregression model for US data from 1900 to 2011. We find the strongest relationship neither in times of crisis nor in times of high public deficits, but from the mid 1960s up to 1980. Employing a structural decomposition of the low-frequency relationship and further narrative evidence, we interpret our results such that the low-frequency relationship between fiscal deficits and inflation is strongly related to the conduct of monetary policy and its interaction with fiscal policy after World War II.

Uncertainty about the appropriate choice among nested models is a concern for optimal policy when policy prescriptions from those models differ. The standard procedure is to specify a prior over the parameter space, ignoring the special status of submodels (e.g., those resulting from zero restrictions). Following Sims (2008, Journal of Economic Dynamics and Control 32, 2460–2475), we treat nested submodels as probability models, and we formalize a procedure that ensures that submodels are not discarded too easily and do matter for optimal policy. For the United States, we find that optimal policy based on our procedure leads to substantial welfare gains compared to the standard procedure.

Übergeordnetes Ziel des Record-Linkage ist die Zusammenführung verschiedener Datensätze anhand eines eindeutigen Identifizierungsmerkmals. In den uns vorliegenden Fällen handelt es sich primär um Unternehmensdatensätze aus Datenbanken mit Unternehmensmerkmalen (z. B. BvD Amadeus/Dafne), Patentdatensätze (z. B. Patstat oder DPMA) sowie Förderdatensätze (z. B. BMBF Förderkatalog). Diese Datensätze sollen über den Namen der Unternehmen verknüpft werden. Da in der Praxis Unternehmensnamen in verschiedenen Datenbasen uneinheitlich geschrieben werden – beispielsweise die Unternehmensform – ist eine Harmonisierung und Standardisierung notwendig.

Der Research Explorer ist ein von der Deutschen Forschungsgemeinschaft (DFG) und der Deutschen Akademischen Austauschdienstes (DAAD) zur Verfügung gestelltes Verzeichnis von Instituten an deutschen Hochschulen sowie außeruniversitäre Forschungseinrichtungen. Er steht kostenlos zum Download bereit und umfasst ca. 23.000 Einträge. Uns liegen zwei verschiedene Abzüge dieses Verzeichnisses vor, die sich jedoch in Abdeckung und Tiefe unterscheiden. Die eine Version umfasst 1712 Einträge, die andere über 22.000.

Übergeordnetes Ziel der hier vorgestellten Routinen ist die Abbildung von Kooperationsbeziehungen von Unternehmen, Universitäten, außeruniversitären Forschungseinrichtung sowie sonstiger Institutionen auf drei Ebenen von Innovationstätigkeit (Verbundprojekte; Publikationen; Patente). Dazu werden a) die drei innovationsbezogenen Datenbanken (Förderkatalog; Web of Knowledge; DPMA Patente) vereinheitlicht und zusammengeführt sowie b) diese kombinierten Datenbestände mittels Record-Linkage-Techniken mit den Daten aus den Institutionendatensätzen Amadeus und Research Explorer verknüpft. Die Zusammenführung erstreckt sich für dieses Projekt auf die sechs Fallregionen, die in RegDemo vorgesehen sind. Die Abgrenzung erfolgt anhand von Raumordnungsregionen: 501 - Aachen; 513 - Siegen; 602 - Nordhessen (= „Kassel“); 1302 – Mittleres Mecklenburg/Rostock (= „Rostock“); 1401 - Oberes Elbtal/Osterzgebirge (= „Dresden“); 1504 - Magdeburg.

This paper makes the following original contributions to the literature. (i) We develop a simpler analytical characterization and numerical algorithm for Bayesian inference in structural vector autoregressions (VARs) that can be used for models that are overidentified, just‐identified, or underidentified. (ii) We analyze the asymptotic properties of Bayesian inference and show that in the underidentified case, the asymptotic posterior distribution of contemporaneous coefficients in an n‐variable VAR is confined to the set of values that orthogonalize the population variance–covariance matrix of ordinary least squares residuals, with the height of the posterior proportional to the height of the prior at any point within that set. For example, in a bivariate VAR for supply and demand identified solely by sign restrictions, if the population correlation between the VAR residuals is positive, then even if one has available an infinite sample of data, any inference about the demand elasticity is coming exclusively from the prior distribution. (iii) We provide analytical characterizations of the informative prior distributions for impulse‐response functions that are implicit in the traditional sign‐restriction approach to VARs, and we note, as a special case of result (ii), that the influence of these priors does not vanish asymptotically. (iv) We illustrate how Bayesian inference with informative priors can be both a strict generalization and an unambiguous improvement over frequentist inference in just‐identified models. (v) We propose that researchers need to explicitly acknowledge and defend the role of prior beliefs in influencing structural conclusions and we illustrate how this could be done using a simple model of the U.S. labor market.

Seit Ausbruch der europäischen Schulden- und Vertrauenskrise stellten sich der Wirtschaftspolitik in Deutschland vermeintlich ganz andere Aufgaben als auf europäischer Ebene. Es herrschte der Eindruck vor, dass Deutschland im Vergleich zu den Krisenländern strukturell gut aufgestellt sei. Der Rückgang der konjunkturellen Dynamik in Deutschland lenkt nunmehr die Aufmerksamkeit auch wieder verstärkt auf wirtschaftspolitische Herausforderungen im Inland.