基本信息
浏览量:52
职业迁徙
个人简介
Meine aktuellen Forschungsthemen können in drei Themenbereiche gegliedert werden:
1. Zeitreihenanalyse
Zeitreihen bezeichnen Datensätze, die entlang einer Zeitachse geordnet werden können. Oft liegen die Daten in regelmäßigen Abständen vorm etwa Tages-, Monats- oder Quartalsdaten. Für das Verstehen der Daten sowie für deren Prognose kommen sogenannte dynamische Modelle zur Anwendung. Die einfachste Form solcher dynamischer Modelle sind autoregressive Modelle, die die Zukunft als gewichtetes Mittel von vergangenen Beobachtungen prognostizieren.
Eine Verallgemeinerung von autoregressiven Modellen sind lineare dynamische Modelle, welche in Form von sogenannten ARMA (autoregressive moving average) oder den äquivalenten Zustandsraummodellen angegeben werden.
Für diese Klasse an Modellen stehen verschiedene Schätzmethoden zur Verfügung, wobei die sogenannten Subspace-Verfahren eine relativ neue und numerisch und konzeptionell einfache Methodik zur Verfügung stellen. Speziell für sogenannte integriert und saisonal integrierte Prozesse aber auch für hochdimensionale Prozesse sind deren Eigenschaften nicht hinreichend erforscht.
2. Raum-zeitliche Modelle
Diese Modelle enthalten sowohl eine zeitliche als auch eine räumliche Dimension. Typische Datensätze werden als Paneldaten bezeichnet, wobei die verschiedenen beobachteten Entitäten eine Anordnung im Raum besitzen.
Beispiele solcher Daten sind etwa Jahresdaten der BIPs aller europäischer Länder, die Umsätze von Supermärkten in Bielefeld pro Tag oder die Fahrzeiten in 15-Minuten-Intervallen für Strassensegmente.
Für dies Art von Daten gibt es eine Vielzahl an Modellen, wobei die räumliche Abhängigkeit bisher nur relativ grob ausfällt. Die wesentliche Forschungsfrage hierbei besteht in der Weiterentwicklung der Spezifikation und Schätzung verschiedener Modelle.
3. Diskrete Wahlmodelle
Diskrete Wahlmodelle bezeichnen Modelle, die zur Repräsentation der Auswahl einer aus endlich vielen Möglichkeiten zur Anwendung kommen. Typische Anwendungen bilden etwa die Modellierung der Produktwahl oder die Verkehrsmittelwahl.
Dieser Forschungsschwerpunkt untersucht neue Methoden zur Schätzung sogenannter Probit-Modelle sowie deren Anwendung auf die Verkehrsmittelwahl.
1. Zeitreihenanalyse
Zeitreihen bezeichnen Datensätze, die entlang einer Zeitachse geordnet werden können. Oft liegen die Daten in regelmäßigen Abständen vorm etwa Tages-, Monats- oder Quartalsdaten. Für das Verstehen der Daten sowie für deren Prognose kommen sogenannte dynamische Modelle zur Anwendung. Die einfachste Form solcher dynamischer Modelle sind autoregressive Modelle, die die Zukunft als gewichtetes Mittel von vergangenen Beobachtungen prognostizieren.
Eine Verallgemeinerung von autoregressiven Modellen sind lineare dynamische Modelle, welche in Form von sogenannten ARMA (autoregressive moving average) oder den äquivalenten Zustandsraummodellen angegeben werden.
Für diese Klasse an Modellen stehen verschiedene Schätzmethoden zur Verfügung, wobei die sogenannten Subspace-Verfahren eine relativ neue und numerisch und konzeptionell einfache Methodik zur Verfügung stellen. Speziell für sogenannte integriert und saisonal integrierte Prozesse aber auch für hochdimensionale Prozesse sind deren Eigenschaften nicht hinreichend erforscht.
2. Raum-zeitliche Modelle
Diese Modelle enthalten sowohl eine zeitliche als auch eine räumliche Dimension. Typische Datensätze werden als Paneldaten bezeichnet, wobei die verschiedenen beobachteten Entitäten eine Anordnung im Raum besitzen.
Beispiele solcher Daten sind etwa Jahresdaten der BIPs aller europäischer Länder, die Umsätze von Supermärkten in Bielefeld pro Tag oder die Fahrzeiten in 15-Minuten-Intervallen für Strassensegmente.
Für dies Art von Daten gibt es eine Vielzahl an Modellen, wobei die räumliche Abhängigkeit bisher nur relativ grob ausfällt. Die wesentliche Forschungsfrage hierbei besteht in der Weiterentwicklung der Spezifikation und Schätzung verschiedener Modelle.
3. Diskrete Wahlmodelle
Diskrete Wahlmodelle bezeichnen Modelle, die zur Repräsentation der Auswahl einer aus endlich vielen Möglichkeiten zur Anwendung kommen. Typische Anwendungen bilden etwa die Modellierung der Produktwahl oder die Verkehrsmittelwahl.
Dieser Forschungsschwerpunkt untersucht neue Methoden zur Schätzung sogenannter Probit-Modelle sowie deren Anwendung auf die Verkehrsmittelwahl.
研究兴趣
论文共 118 篇作者统计合作学者相似作者
按年份排序按引用量排序主题筛选期刊级别筛选合作者筛选合作机构筛选
时间
引用量
主题
期刊级别
合作者
合作机构
Sebastian Büscher,Dietmar Bauer
SSRN Electronic Journal (2024): 102890
Econometricsno. 2 (2023): 11-11
引用0浏览0引用
0
0
David Schreiber,Dietmar Bauer, Michael Hubner, M. Litzenberger,Andreas Opitz,Stephan Veigl, Bettina Biron
e & i Elektrotechnik und Informationstechnikno. 6 (2023): 590-601
R. Abramishvili,G. Adamov,R. R. Akhmetshin, A. Allin,J. C. Angélique, V. Anishchik,M. Aoki,D. Aznabayev,I. Bagaturia,G. Ban, Y. Ban,D. Bauer,
加载更多
作者统计
合作学者
合作机构
D-Core
- 合作者
- 学生
- 导师
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn