Claudia FunkeÖkonometrische Schätzungen bei generell nicht stationären datengenerierenden Prozessen
Forschungsergebnisse zur Informatik, Band 52
Hamburg 1999, 188 Seiten
ISBN 978-3-8300-0007-5 (Print)
Zum Inhalt
In dieser Arbeit wird ein Zeitreihenmodell entwickelt, das sowohl eine flexible Funktionsform wie auch den Einbezug nichtstationärer Zeitreihen ermöglicht. Dazu wird zunächst als Ausgangspunkt die Problematik fehlspezifizierter Modelle dargestellt.
Bei der Entwicklung des ökonometrischen Modells wird ein Weg eingeschlagen, der Elemente der Zeitreihenanalyse und der konventionellen Regressionsanalyse in sich vereint. Der Zeitreihencharakter der in die Regressionsanalyse eingehenden Zeitreihen wird berücksichtigt, indem in einem Zeitreihenmodell der datengenerierende Prozess für die einzelnen Zeitreihen modelliert wird. Hierzu wird eine Modellierung der Zeitreihen im Frequenzbereich gewählt, die sowohl eine einfache Darstellung wie auch Schätzung von stationären und nichtstationären Zeitreihen erlaubt. Die Darstellung der theoretischen Fundierung und Schätzung dieser RARMA(p)-Prozesse wird mit einer Simulation zu den RARMA(p)-Prozessen abgeschlossen.
Als nichtparametrisches Regressionsverfahren wird weiterhin das Modell der Kernschätzung vorgestellt, das mit seiner flexiblen Funktionsform für den Einbezug eines modellierten datengenerierenden Prozesses gut geeignet ist. Aufbauend auf der Entwicklung der Kernschätzung für Querschnittsdaten werden das abschließende Zeitreihenmodell und seine Schätzung entwickelt. Abschließend wird dann die Prognose mit diesem Modell betrachtet.
Methodische Weiterentwicklungen in benachbarten Wissenschaftsbereichen beinhalten manchmal Hinweise zur Lösung aktueller Forschungsprobleme. Zur Verwendung dieser Hinweise müssen diese jedoch noch aus der "fremden" in die "eigene" Wissenschaftssprache übersetzt werden. Dies wird geleistet, indem gezeigt wird, dass das entwickelte Zeitreihenmodell seine Entsprechung in einem Künstlichen Neuronalen Netz hat. Diese Analogie wird ausgenutzt, um auf verbesserte Modellierungsmöglichkeiten des Modells der Kernschätzung hinzuweisen.
Da sich jede Theorie in der Praxis bewähren muss, werden auch die praktischen Anwendungen des Zeitreihenmodells vorgestellt. Es werden die private Konsumnachfrage und das Geldmengenwachstum geschätzt und prognostiziert.
Den Abschluss der Betrachtungen bilden die Schlussfolgerungen über den Erfolg und die Verwendbarkeit des entwickelten Zeitreihenmodells.
Schlagworte
DichteschätzungGeneral Regression Neural NetworkInformatikKernschätzungnichtstationäre ProzesseÖkonometrieRegressionsanalyseZeitreihenanalyseZeitreihenmodellIhr Werk im Verlag Dr. Kovač
Möchten Sie Ihre wissenschaftliche Arbeit publizieren? Erfahren Sie mehr über unsere günstigen Konditionen und unseren Service für Autorinnen und Autoren.