Diese Dissertation behandelt die Schätzung linearer DSGE-Modelle (Dynamic Stochastic General Equilibrium models) mit schiefen strukturellen Schocks. Zu diesem Zweck wurde ein Algorithmus zur Dimensionsreduktion für den Skewed-Kalman-Filter entwickelt und implementiert. Die zugrundeliegenden Schocks werden durch die Closed-Skew-Normal-Verteilung modelliert. Der neue Filter wird als Pruned-Skewed-Kalman-Filter bezeichnet und weiterentwickelt, um ein mittelgroßes DSGE-Modell zu schätzen. Für die Bayes'sche Schätzung des DSGE-Modells mit Hilfe eines Markov-Chain-Monte-Carlo-Algorithmus (MCMC) wurde der Slice-Sampler genutzt. Die Wahl des Slice Algorithmus basiert auf einer umfassenden Vergleichsstudie von Optimierungsroutinen und MCMC-Methoden, die im ersten Teil der Dissertation durchgeführt wurde.

This dissertation is about estimating linearized DSGE (Dynamic Stochastic General Equilibrium) models with skewed structural shocks. To this end, a dimension reduction algorithm was developed and implemented in the skewed Kalman filter that uses the Closed Skew Normal distribution for the underlying structural shocks. The new filter is called the pruned skewed Kalman filter, which was improved further and ultimately used to estimate a medium-scale DSGE model. For the Bayesian estimation of the DSGE model, the Slice sampler was used as the Markov Chain Monte Carlo (MCMC) sampling algorithm. The choice of Slice sampler is based on an extensive comparison study of optimization routines and MCMC methods conducted in the first part of the dissertation.