Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/22181 
Erscheinungsjahr: 
2004
Schriftenreihe/Nr.: 
Papers No. 2004,07
Verlag: 
Humboldt-Universität zu Berlin, Center for Applied Statistics and Economics (CASE), Berlin
Zusammenfassung: 
Statistische Prognosen basieren auf der Annahme, dass ein funktionaler Zusammenhang zwischen der zu prognostizierenden Variable y und anderen dimensionalen beobachtbaren Variablen x=(x1,...,xj)t – Rj besteht. Kann der funktionale Zusammenhang geschätzt werden, so kann im Prinzip für jedes x der zugehörige y Wert prognostiziert werden. Bei den meisten Anwendungen wird angenommen, dass der funktionale Zusammenhang einem niedrigdimensionalen parametrischen Modell entspricht oder durch dieses zumindest gut wiedergegeben wird. Ein Beispiel im bivariaten Fall ist das lineare Modell y=b(0)+b(1)x. Sind die beiden unbekannten Parameter b(0) und b(1) mit Hilfe historischer Daten geschätzt, so lässt sich für jedes gegebene x sofort der zugehörige y Wert prognostizieren. Allerdings besteht hierbei die Gefahr, dass der wirkliche funktionale Zusammenhang nicht dem gewählten Modell entspricht. Dies kann in Folge zu schlechten Prognosen führen.
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
340.99 kB





Publikationen in EconStor sind urheberrechtlich geschützt.