Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/320361 
Erscheinungsjahr: 
2025
Quellenangabe: 
[Journal:] WISTA - Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 77 [Issue:] 3 [Year:] 2025 [Pages:] 57-73
Verlag: 
Statistisches Bundesamt (Destatis), Wiesbaden
Zusammenfassung: 
Im Projekt t+20 des Statistischen Bundesamtes wurden Methoden untersucht, um Konjunkturindikatoren für das Verarbeitende Gewerbe beschleunigt bereitzustellen. Der Einsatz mikrodatenbasierter Modelle, darunter Imputationsmethoden und Maschinelles Lernen, sowie eines makrodatenbasierten Dynamischen Faktormodells soll präzise und verlässliche Schätzungen bereits 15 bis 20 Tage nach Monatsende ermöglichen. Die Analyse zeigt, dass diese Verfahren eine zuverlässige und frühzeitige Einschätzung konjunktureller Entwicklungen zulassen und somit eine wertvolle Grundlage für politische und unternehmerische Entscheidungen bieten.
Zusammenfassung (übersetzt): 
The t+20 project implemented by the Federal Statistical Office investigated methods to speed up the provision of economic indicators for the manufacturing sector. Using microdata-based models, including imputation methods and machine learning, and a macrodata-based dynamic factor model, the project's aim was to produce precise and reliable estimates as early as 15 to 20 days after the end of the preceding month. The analysis shows that these methods enable the early and reliable assessment of economic developments and therefore offer a valuable basis for political and business decisions.
Schlagwörter: 
Verarbeitendes Gewerbe
Nowcasting
Aktualität
Maschinelles Lernen
Imputation
manufacturing
nowcasting
timeliness
machine learning
Dokumentart: 
Article

Datei(en):
Datei
Größe
384.36 kB





Publikationen in EconStor sind urheberrechtlich geschützt.