Description
(Text)
Die Regressionsschätzung ist eines der wichtigsten Untersuchungsinstrumente der empirischen Wissenschaft. Die zur Zeit in der Forschung dominierenden parametrischen Verfahren der Regressionsschätzung benötigen relativ starke Annahmen, die in der Praxis oft nicht erfüllt werden. Dagegen können nichtparametrische Verfahren zwar mit wesentlich schwächeren Annahmen auskommen, benötigen in der Regel jedoch solch eine große Anzahl von Daten, daß sie in volkswirtschaftlichen Untersuchungen wegen der relativ kleinen verfügbaren Datenmenge selten benutzt werden. Die Arbeit soll dazu beitragen, die empirische Anwendbarkeit der nichtparametrischen Verfahren bei kleinen Stichproben zu verbessern. Zusätzlich wurden einige bisher in der Literatur vernachlässigte Aspekte der Verteilungsschätzung, wie z.B. die Prognoseverteilung und die Frage der optimalen Prognosen, behandelt.
(Table of content)
Aus dem Inhalt: Die klassische parametrische Regressionstheorie und ihre kritische Würdigung - Regressionsanalyse über den Umweg einer Dichteschätzung - Kerndichteschätzung - Optimale Prognose mit Hilfe der Prognoseverteilung - Kernregressionsschätzung und ihre Erweiterung.
(Author portrait)
Der Autor: Kuang-Hua Lin wurde 1963 in Chang-Hua, Taiwan (Republic of China) geboren. Er studierte Elektrotechnik mit dem Abschluß «Bachelor of Science in Electrical Engineering» an der «National Taiwan University» in Taipei und anschließend Volkswirtschaftslehre an der Albert-Ludwigs-Universität in Freiburg i.Br. Er hat 1991 das Diplom-Examen bestanden und wurde 1992 von der Wirtschaftswissenschaftlichen Fakultät der Universität Freiburg mit dem Friedrich-August-von-Hayek-Preis ausgezeichnet. Seit Abschluß der Promotion 1994 arbeitet er bei dem internationalen Beratungsunternehmen «The Boston Consulting Group» in Düsseldorf.
