The exact quantification of site water budget is a necessary precondition for successful and sustainable management of forests, agriculture and water resources. In this study the water balance was investigated at the spatial scale of canopies and at different temporal scales with focus on the monthly time scale. The estimation of the individual water balance components was primarily based on micrometeorological measurement methods. Evapotranspiration was assessed by the eddy-covariance (EC) method, while sap flow measurements were used to estimate transpiration. Interception was assessed by a combination of canopy drip, stem flow and precipitation (gross rainfall) measurements and soil moisture measurements were used to estimate the soil water storage. The combination of different measurement methods and the derivation of water balance components that are not directly measurable e.g. seepage and soil evaporation is a very complex task due to different scales of measurement, measurement uncertainties and the superposition of these effects. The quantification of uncertainties is a core point of the present study. The uncertainties were quantified for water balance component as well as for meteorological variables (e.g. wind speed, temperature, global radiation, net radiation and precipitation) that served as input data in water balance models. Furthermore, the influences of uncertainties were investigated in relation to numerical water balance simulations. Here, both the effects of uncertainties in input data and in reference data were analysed and evaluated. The study addresses three main topics. The first topic was the providing of reference data of evapotranspiration by EC measurements. Here, the processing of EC raw-data was of main concern with focus on the correction of the spectral attenuation. Four different methods of spectral correction were tested and compared. The estimated correction coefficients were significantly different between all methods. However, the effects were small to absolute values on half-hourly time scale. In contrast to half-hour data sets, the method had significant influence to estimated monthly totals of evapotranspiration. The second main topic dealt with the comparison of water balances between a spruce (Picea abies) and a beech (Fagus sylvatica) site. Both sites are located in the Tharandter Wald (Germany). Abiotic conditions are very similar at both sites. Thus, the comparison of both sites offered the opportunity to reveal differences in the water balance due to different dominant tree species. The aim was to estimate and to compare all individual components of the water balance by a combination of the above mentioned measurement methods. A major challenge was to overcome problems due different scales of measurements. Significant differences of the water balances between both sites occurred under untypical weather conditions. However, under typical condition the sites showed a similar behaviour. Here, the importance of involved uncertainties deserved special attention. Results showed that differences in the water balance between sites were blurred by uncertainties. The third main topic dealt with the effects of uncertainties on simulations of water balances with numerical models. These analyses were based on data of three sites (Spruce, Grass and Agricultural site). A kind of Monte-Carlo-Simulation (uncertainty model) was used to simulate effects of measurement uncertainties. Furthermore, the effects of model complexity and the effect of uncertainties in reference data on the evaluation of simulation results were investigated. Results showed that complex water balance models like BROOK90 have the ability to describe the general behaviour and tendencies of a water balance. However, satisfying quantitative results were only reached under typical weather conditions. Under untypical weather e.g. droughts or extreme precipitation, the results significantly differed from actual (measured) values. In contrast to complex models, it was demonstrated that simple Black Box Models (e.g. HPTFs) are not suited for water balance simulations for the three sites tested here. / Die genaue Quantifizierung des Standortswasserhaushalts ist eine notwendige Voraussetzung für eine erfolgreiche und nachhaltige Bewirtschaftung von Wäldern, Äckern und Wasserressourcen. In dieser Studie wurde auf der Raumskala des Bestandes und auf verschieden Zeitskalen, jedoch vorrangig auf Monatsebene, die Wasserbilanz untersucht. Die Bestimmung der einzelnen Wasserbilanzkomponenten erfolgte hauptsächlich mit mikrometeorologischen Messmethoden. Die Eddy- Kovarianz- Methode (EC- Methode) wurde benutzt zur Messung der Evapotranspiration, während Xylem- Flussmessungen angewendet wurden, um die Transpiration zu bestimmen. Die Interzeption wurde aus Messungen des Bestandesniederschlags, des Stammablaufs und des Freilandniederschlags abgeleitet. Messungen der Bodenfeuchte dienten zur Abschätzung des Bodenwasservorrats. Die Kombination verschiedener Messmethoden und die Ableitung von nicht direkt messbaren Wasserhaushaltkomponenten (z.B. Versickerung und Bodenverdunstung) ist eine äußerst komplexe Aufgabe durch verschiedenen Messskalen, Messfehler und die Überlagerung dieser Effekte. Die Quantifizierung von Unsicherheiten ist ein Kernpunkt in dieser Studie. Dabei werden sowohl Unsicherheiten in Wasserhaushaltskomponenten als auch in meteorologischen Größen, welche als Eingangsdaten in Wasserbilanzmodellen dienen (z.B. Windgeschwindigkeit, Temperatur, Globalstrahlung, Nettostrahlung und Niederschlag) quantifiziert. Weiterführend wird der Einfluss von Unsicherheiten im Zusammenhang mit numerischen Wasserbilanzsimulationen untersucht. Dabei wird sowohl die Wirkung von Unsicherheiten in Eingangsdaten als auch in Referenzdaten analysiert und bewertet. Die Studie beinhaltet drei Hauptthemen. Das erste Thema widmet sich der Bereitstellung von Referenzdaten der Evapotranspiration mittels EC- Messungen. Dabei waren die Aufbereitung von EC- Rohdaten und insbesondere die Dämpfungskorrektur (Spektralkorrektur) der Schwerpunkt. Vier verschiedene Methoden zur Dämpfungskorrektur wurden getestet und verglichen. Die bestimmten Korrekturkoeffizienten unterschieden sich deutlich zwischen den einzelnen Methoden. Jedoch war der Einfluss auf die Absolutwerte halbstündlicher Datensätze gering. Im Gegensatz dazu hatte die Methode deutlichen Einfluss auf die ermittelten Monatssummen der Evapotranspiration. Das zweite Hauptthema beinhaltet einen Vergleich der Wasserbilanz eines Fichten- (Picea abies) mit der eines Buchenbestands (Fagus sylvatica). Beide Bestände befinden sich im Tharandter Wald (Deutschland). Die abiotischen Faktoren sind an beiden Standorten sehr ähnlich. Somit bietet der Vergleich die Möglichkeit Unterschiede in der Wasserbilanz, die durch unterschiedliche Hauptbaumarten verursacht wurden, zu analysieren. Das Ziel was es, die einzelnen Wasserbilanzkomponenten durch eine Kombination der eingangs genanten Messmethoden zu bestimmen und zu vergleichen. Ein Hauptproblem dabei war die Umgehung der unterschiedlichen Messskalen. Deutliche Unterschiede zwischen den beiden Standorten traten nur unter untypischen Wetterbedingungen auf. Unter typischen Bedingungen zeigten die Bestände jedoch ein ähnliches Verhalten. An dieser Stelle erlangten Messunsicherheiten besondere Bedeutung. So demonstrierten die Ergebnisse, dass Unterschiede in der Wasserbilanz beider Standorte durch Messunsicherheiten verwischt wurden. Das dritte Hauptthema behandelt die Wirkung von Unsicherheiten auf Wasserbilanzsimulationen mittels numerischer Modelle. Die Analysen basierten auf Daten von drei Messstationen (Fichten-, Grasland- und Agrarstandort). Es wurde eine Art Monte-Carlo-Simulation eingesetzt, um die Wirkung von Messunsicherheiten zu simulieren. Ferner wurden auch der Einfluss der Modellkomplexität und die Effekte von Unsicherheiten in Referenzdaten auf die Bewertung von Modellergebnissen untersucht. Die Ergebnisse zeigten, dass komplexe Wasserhaushaltsmodelle wie BROOK90 in der Lage sind, das Verhalten und Tendenzen der Wasserbilanz abzubilden. Jedoch wurden zufriedenstellende quantitative Ergebnisse nur unter üblichen Wetterbedingungen erzielt. Unter untypischen Wetterbedingungen (Dürreperioden, Extremniederschläge) wichen die Ergebnisse deutlich vom tatsächlichen (gemessenen) Wert ab. Im Gegensatz zu komplexen Modellen zeigte sich, dass Black Box Modelle (HPTFs) nicht für Wasserhaushaltssimulation an den drei genannten Messstandorten geeignet sind.

Diese Dissertation umfasst drei Aufsätze zu verschiedenen Themen aus dem Bereich der Mikroökonometrie. Das erste Kapitel ist eine gemeinsame Arbeit mit Christoph Breunig und umfasst semi/nichtparametrische Regressionsmodelle, in denen die abhängige Variable einen nicht-klassischen Messfehler aufweist. Es werden Bedingungen erarbeitet, unter denen die Regressionsfunktion bis auf eine Normalisierung identifiziert werden kann. Zur Schätzung wird ein neuer Schätzer entwickelt, bei dem eine Rang-basierte Kriteriumsfunktion über einen sieve-Raum optimiert wird und dessen Konvergenzrate hergeleitet. Das zweite Kapitel beschäftigt sich mit der Schätzung von bedingten Dichtefunktionen von zufälligen Koeffizienten in linearen Regressionsmodellen. Es wird ein zweistufiges Schätzverfahren entwickelt, in dem zunächst eine Approximation der bedingten Dichte Koeffizienten hergeleitet wird. In einem weiteren Schritt können diese Funktionen mit generischen Methoden des maschinellen Lernens geschätzt werden. Des Weiteren wird auch die Konvergenzrate des Schätzers in der L2-Norm hergeleitet sowie dessen punktweise, asymptotische Normalität. Im dritten Kapitel wird ein neuer und einfach umsetzbarer Ansatz zur Schätzung semi(nicht)parametrischer diskreter Entscheidungsmodelle, unter Berücksichtigung von Restriktionen auf die funktionalen Parameter des Modells, vorgestellt. Die untersuchten Modelle weisen funktionale Parameter auf, die bestimmte funktionale Formen aufweisen. Zentraler Teil der Arbeit ist die Entwicklung eines GLS-Schätzers über einen geeigneten sieve-Raum, der aus I- und B-Spline Basisfunktionen unter geeigneten Restriktionen basiert. Es wird gezeigt, dass sich die Berücksichtigung der Restriktionen auf die funktionale Form positiv auf die Konvergenzrate des Schätzers in einer schwachen Norm auswirkt und so notwendige Bedingungen für die asymptotische Normalität semiparametrischer Schätzer einfacher erreichen lässt. / This dissertation comprises three individual papers on various topics in microeconometrics. In the first chapter, which is joint work with Christoph Breunig, we study a semi-/nonparametric regression model with a general form of nonclassical measurement error in the outcome variable. We provide conditions under which the regression function is identifiable under appropriate normalizations. We propose a novel sieve rank estimator for the regression function and establish its rate of convergence. The second chapter deals with the estimation of conditional random coefficient models. Here I propose a two-stage sieve estimation procedure. First, a closed-form sieve approximation of the conditional RC density is derived. Second, sieve coefficients are estimated with generic machine learning procedures and under appropriate sample splitting rules. I derive the $L_2$-convergence rate of the conditional RC-density estimator and also provide a result on pointwise asymptotic normality. The third chapter presents a novel and simple approach to estimating a class of semi(non)parametric discrete choice models imposing shape constraints on the infinite-dimensional and unknown link function parameter. I study multiple-index discrete choice models where the link function is known to be bounded between zero and one and is (partly) monotonic. In the paper I present an easy to implement and computationally efficient sieve GLS estimation approach using a sieve space of constrained I- and B-spline basis functions. The estimator is shown to be consistent and that imposing shape constraints speeds up the convergence rate of the estimator in a weak Fisher-like norm. The asymptotic normality of relevant smooth functionals of model parameters is derived and I illustrate that necessary assumptions are milder if shape constraints are imposed.

Aktuelle Affektforschung betont die Bedeutung mikrolängsschnittlicher Daten für das Verstehen täglichen affektiven Funktionierens, da sie es erlauben affektive Dynamiken und potentiell zugrunde liegende Prozesse zu beschreiben. Dynamische Längsschnittmodelle werden entsprechend attraktiver. In dieser Dissertation komme ich Forderungen nach einer Integration kontextueller Informationen in die Untersuchung täglichen affektiven Funktionierens nach. Speziell modifiziere ich populäre dynamische Modelle so, dass sie kontextuelle Variationen einbeziehen. In einem ersten Beitrag werden Personen als in Kontexte eingebettet begriffen. Der vorgeschlagene Ansatz der festen moderierten Zeitreihenanalyse berücksichtigt systemische Reaktionen auf kontextuelle Veränderungen, indem Veränderungen in allen Parametern eines dynamischen Zeitreihenmodells auf kontextuelle Veränderungen bedingt schätzt werden. Kontextuelle Veränderungen werden als bekannt und assoziierte Parameterveränderungen als deterministisch behandelt. Folglich sind Modellspezifikation und -schätzung erleichtert und in kleineren Stichproben praktikabel. Es sind allerdings Informationen über den Einfluss kontextueller Faktoren erforderlich. Anwendbar auf einzelne Personen erlaubt der Ansatz die uneingeschränkte Exploration interindividueller Unterschiede in kontextualisierten affektiven Dynamiken. In einem zweiten Beitrag werden Personen als mit Kontexten interagierend begriffen. Ich implementiere eine Prozessperspektive auf kontextuelle Schwankungen, die die Dynamiken täglicher Ereignisse über autoregressive Modelle mit Poisson Messfehler abbildet. Die Kombination von Poisson und Gaußscher autoregressiver Modellierung erlaubt eine Formalisierung des dynamischen Zusammenspiels kontextueller und affektiver Prozesse. Die Modelle sind hierarchisch aufgesetzt und erfassen so interindividuelle Unterschiede in intraindividuellen Dynamiken. Die Schätzung erfolgt über simulationsbasierte Verfahren der Bayesschen Statistik. / Recent affect research stresses the importance of micro-longitudinal data for understanding daily affective functioning, as they allow describing affective dynamics and potentially underlying processes. Accordingly, dynamic longitudinal models get increasingly promoted. In this dissertation, I address calls for an integration of contextual information into the study of daily affective functioning. Specifically, I modify popular dynamic models so that they incorporate contextual changes. In a first contribution, individuals are characterized as embedded in contexts. The proposed approach of fixed moderated time series analysis accounts for systemic reactions to contextual changes by estimating change in all parameters of a dynamic time series model conditional on contextual changes. It thus treats contextual changes as known and related parameter changes as deterministic. Consequently, model specification and estimation are facilitated and feasible in smaller samples, but information on which and how contextual factors matter is required. Applicable to single individuals, the approach permits an unconstrained exploration of inter-individual differences in contextualized affective dynamics. In a second contribution, individuals are characterized as interacting reciprocally with contexts. Implementing a process perspective on contextual changes, I model the dynamics of daily events using autoregressive models with Poisson measurement error. Combining Poisson and Gaussian autoregressive models can formalize the dynamic interplay between contextual and affective processes. It thereby distinguishes not only unique from joint dynamics, but also affective reactivity from situation selection, evocation, or anticipation. The models are set up as hierarchical to capture inter-individual differences in intra-individual dynamics. Estimation is carried out via simulation-based techniques in the Bayesian framework.

Diese Dissertation umfasst sowohl einen theoretisches als auch einen empirischen Beitrag zur Analyse der Messung der gesamten Faktorproduktivität (TFP). Das erste Kapitel inspiziert die bestehende Literatur über die häufigsten Techniken der TFP Messung und gibt einen Überblick über deren Limitierung. Das zweite Kapitel betrachtet Daten, die durch ein Real Business Cycle Modell generiert wurden und untersucht das quantifizierbare Ausmaß von Messfehlern des Solow Residuums als ein Maß für TFP Wachstum, wenn der Kapitalstock fehlerhaft gemessen wird und wenn Kapazitätsauslastung und Abschreibungen endogen sind. Das dritte Kapitel schlägt eine neue Methodologie in einem bayesianischen Zusammenhang vor, die auf Zustands- Raum-Modellen basiert. Das vierte Kapitel führt einen neuen Ansatz zur Bestimmung möglicher Spill-over Effekte auf Grund neuer Technologien auf die Produktivität ein und kombiniert eine kontrafaktische Zerlegung, die von den Hauptannahmen des Malquist Indexes abgeleitet wird mit ökonometrischen Methoden, die auf Machado and Mata (2005) zurückgehen. / This dissertation consists of theoretical and empirical contributions to the study on Total Factor Productivity (TFP) measurement. The first chapter surveys the literature on the most used techniques in measuring TFP and surveys the limits of these frameworks. The second chapter considers data generated from a Real Business Cycle model and studies the quantitative extent of measurement error for the Solow residual as a measure of TFP growth when the capital stock is measured with error and when capacity utilization and depreciation are endogenous. Furthermore, it proposes two alternative measurements of TFP growth which do not require capital stocks. The third chapter proposes a new methodology based on State-space models in a Bayesian framework. Applying the Kalman Filter to artificial data, it proposes a computation of the initial condition for productivity growth based on the properties of the Malmquist index. The fourth chapter introduces a new approach for identifying possible spillovers emanating from new technologies on productivity combining a counterfactual decomposition derived from the main properties of the Malmquist index and the econometric technique introduced by Machado and Mata (2005).