Personenprofil

Berufliche Laufbahn

• 10/2018 - 01/2020
  Wissenschaftlicher Mitarbeiter an der Universität Mannheim
• 02/2020 - 06/2021
  Wissenschaftlicher Mitarbeiter an der KU Leuven
• 07/2021 - 03/2022
  Wissenschaftlicher Mitarbeiter an The London School of Economics and Political Science (LSE)
• seit 04/2022
  Juniorprofeesor für Statistik an der Universität Leipzig

Ausbildung

• 10/2015 - 04/2019
  Promotion an der Universität Heidelberg

Meine Forschungsinteressen entwickeln sich hauptsächlich um die Analyse von statistischen Modellen für Netzwerkdaten. Insbesondere interessiere ich mich hierbei für Semi- and Nicht-parametrische Methoden, Abhängigkeiten, sogenannte Relational Event Models, für die Zählprozesse verwendet werden und Bootstrap Methoden. Zusätzlich arbeite ich auch an Fragestellungen in Zusammenhang mit kausaler Inferenz, Hoch-Dimensionaler Statistick, Quantilregression, Messfehler Probleme, Hawkes Prozesse und Survival Analysis. Es ist besonders interessant, wenn mehrere Themengebiete überlappen.

• Rothe, C.; Kreiß, A.

  Inference in Regression Discontinuity Designs with High-Dimensional Covariates

  The Econometrics Journal. 2022.
  Details ansehen
• Mammen, E.; Polonik, W.; Kreiß, A.

  Nonparametric inference for continuous-time event counting and link-based dynamic network models

  Electronic Journal of Statistics. 2019. 13 (2). S. 2764–2829.
  Details ansehen
• Kreiß, A.

  Correlation bounds, mixing and m-dependence under random time-varying network distances with an application to Cox-Processes

  Bernoulli. 2021. 27 (3). S. 1666–1694.
  Details ansehen
• Kreiß, A.; Van Keilegom, I.

  Semi-Parametric Estimation of Incubation and Generation Times by Means of Laguerre Polynomials

  Journal of Nonparametric Statistics. 2022. 34 (3). S. 570–606.
  Details ansehen
• Mammen, E.; Polonik, W.; Kreiß, A.

  Testing For Global Covariate Effects in Dynamic Interaction Event Networks

  Journal of Business & Economic Statistics. 2023.

  DOI: 10.1080/07350015.2023.2263537
  Details ansehen

weitere Publikationen

• Statistische Netzwerkanalyse

  In diesem Kurs werden Probleme in Zusammenhang mit der statistischen Analyse von Netzwerkdaten diskutiert. Solche Daten treten z.B. bei sozialen Netzwerken oder in volskwirtschaftlichen Anwendungen auf. Mögliche Themen: Beschreibende Netzwerkstatistiken, Netzwerk-Sampling, Modelle für Netzwerkdaten, Klassifizierung. Die genannten Konzepte sollen jeweils durch Beispiele veranschaulicht werden.

  Die erste Hälfte der Veranstaltung besteht aus Vorlesungen, die zweite Hälfte aus einem Seminar.

• Mathematische Statistik

  Im ersten Teil des Kurses wollen wir die allgemeine, asymptotische Theorie von Schätzern in parametrischen Modellen verstehen: Wir betrachten Maximum Likelihood Schätzer und zeigen, dass sie in einem bestimmten Sinne optimal sind.

  Im zweiten Teil behandeln wir lineare Modelle und ihre Erweiterungen (verallgemeinerte lineare Modelle und sogenannte Random Effects), die in vielen Anwendungen eine wichtige Rolle spielen.

  Im dritten Teil des Kurses diskutieren wir nicht-parametrische Kernschätzer.

• Kausale Inferenz in der Statistik

  Häufig interessiert man sich für die Frage, ob eine Variable ursächlich für eine andere ist, z. B.: Ist die Zeit, die man in die Klausurvorbereitung investiert ursächlich für die Note? In dieser Vorlesung beschäftigen wir uns mit der Frage, wann statistische Schätzer in dieser Weise interpretiert werden dürfen. Dazu betrachten wir den do-calculus und häufig genutzte Konzepte wie z.B. das Potential-Outccomes-Framework, Instrumentalvariablen und Differences-in-Differences.