Lehrstuhl für ?konometrie

Was ist ?konometrie?

?konometrie hilft, datenbasierte Prognosen zu erstellen und dabei deren Verl?sslichkeit zu bewerten, selbst wenn nur kleine Stichproben als Datenbasis zur Verfügung stehen. Darüber hinaus erm?glichen ?konometrische Methoden, (durchschnittliche) kausale Zusammenh?nge zwischen ?konomischen und anderen Variablen datenbasiert zu identifizieren und zu quantifizieren. Zu letzterem geh?rt auch die Verl?sslichkeit dieser Ergebnisse zu quantifizieren und ?konomisches Fachwissen in die empirische Analyse zu integrieren. Schlie?lich k?nnen mittels ?konometrischer Methoden Hypothesen statistisch bewertet werden. Für all das sind Methoden der statistischen Inferenz von zentraler Bedeutung und bilden deshalb einen Kern der ?konometrischen Theorie und damit der Ausbildung des Lehrstuhls. Im Kern steht dabei das mulitple lineare Regressionsmodell sowie Sch?tzverfahren, die unter unterschiedlich strengen Voraussetzungen eine aussagekr?ftige Sch?tzung solcher Modelle erlauben. In Zeiten von Machine Learning und KI ist das Verst?ndnis statistischer Inferenz und ?konometrischer Methoden wichtiger denn je, denn prominente Machine-Learning-Verfahren wie z. B. neuronale Netze, sind komplexe nichtlineare Erweiterungen des multiplen linearen Regressionsmodells, welche mit Penalisierungsmethoden gesch?tzt werden müssen, z. B. mit Lasso - einer aus der Statistik stammenden Methode. All das erfordert solide Kenntnisse der Wahrscheinlichkeitslehre und Statistik sowie von modernen Programmiersprachen wie R oder Python für die empirische Durchführung der Sch?tzungen. Gerade die Verfügbarkeit von Large Language Modellen, welches gigantische Prognosemodelle sind, erfordert von deren Nutzer:innen Kenntnisse, um deren Resultate auf Korrektheit überprüfen zu k?nnen. Die Vermittlung all dieser Kenntnisse in der Lehre auf allen Niveaus ist ein zentrales Anliegen des Lehrstuhls für ?konometrie.

Ein wichtiger Aspekt von Machine Learning Methoden ist die Dimensionsreduktion von Daten. Am Lehrstuhl für ?konometrie fokussieren wir uns in einem Bereich unserer Forschung auf die Dimensionsreduktion hochdimensionaler m?glicherweise trendbehafteter Zeitreihen mittels linearer Faktormodelle.