DStatG Deutsche Mathematiker Vereinigung Fachgruppe Stochastik · Fachgruppe Stochastik der...

Pfingsttagung 2009Deutsche Statistische Gesellschaft

DStatGDeutsche Mathematiker Vereinigung

Fachgruppe Stochastik

Programm & Abstracts

Merseburger Impressionen

3. bis 5. Juniin Merseburg

Hochschule Merseburg (FH)

Mit freundlicher Unterstützung von:

Pfingsttagung 2009 Merseburg

PFINGSTTAGUNG DER DEUTSCHEN STATISTISCHEN GESELLSCHAFT VOM 04.06. - 05.06.2009 Die Pfingsttagung der Deutschen Statistischen Gesellschaft ist eine offene Tagung, auf der über neue Arbeiten im Bereich der statistischen Methoden und ihrer Anwendung berichtet wird. Sie wird in diesem Jahr in Halle (Saale) und Merseburg organisiert. Tagungsort ist Merseburg. Die Pfingsttagung wird durchgeführt von den Ausschüssen:

Empirische Wirtschaftsforschung und Angewandte Ökonometrie,

Neuere Statistische Methoden,

Statistik in Naturwissenschaft und Technik,

Methodik statistischer Erhebungen, der Deutschen Statistischen Gesellschaft sowie der Fachgruppe Stochastik der Deutschen Mathematiker-Vereinigung. Sie sind herzlich eingeladen, an der Tagung teilzunehmen und dabei auch Halle und Merseburg kennenzulernen.

LOKALE ORGANISATION & KONTAKT

Prof. Dr.-Ing. Tatjana Lange Hochschule Merseburg (FH) E-Mail: [email protected]

Prof Dr. Claudia Becker Martin-Luther-Universität Halle-Wittenberg E-Mail: [email protected]

Prof. Dr. Eckhard Liebscher Hochschule Merseburg (FH) E-Mail: [email protected]

Dipl.-Kfm. Steffen Liebscher Martin-Luther-Universität Halle-Wittenberg E-Mail: [email protected]

René Schwarz Hochschule Merseburg (FH) E-Mail: [email protected]

Matthias Kopsch Hochschule Merseburg (FH) E-Mail: [email protected]

1


AUSSCHÜSSE

Ausschuss Vorsitzender Stellvertreter

Neuere Statistische Methoden

Prof. Dr. Philipp Sibbertsen Universität Hannover

Prof. Dr. Göran Kauermann Universität Bielefeld

Statistik in Naturwissenschaft und Technik

Prof. Dr. Waltraud Kahle Otto-von-Guericke-Universität Magdeburg

Dr. Sven Knoth Advanced Mask Technology Center

Methodik Statistischer Erhebungen

Abteilungspräsident Jürgen Chlumsky Statistisches Bundesamt

Prof. Dr. Ralf Münnich Universität Trier

Empirische Wirtschaftsforschung und Angewandte Ökonometrie

Prof. Dr. Olaf Hübler Universität Hannover

Prof. Dr. Winfried Pohlmeier Universität Konstanz

Fachgruppe Stochastik der Deutschen Mathematikervereinigung

Prof. Dr. Jens-Peter Kreiß Technische Universität Braunschweig

NACHWUCHSWORKSHOP Der Workshop wird gemeinsam von der Deutschen Statistischen Gesellschaft und der Fachgruppe Stochastik der Deutschen Mathematikervereinigung veranstaltet. Er bietet Doktorandinnen und Doktoranden, "frischgebackenen" Doktorinnen und Doktoren sowie anderen jungen Statistikerinnen und Statistikern die Möglichkeit, ihre Forschungsarbeit in einem Vortrag vorzustellen und in einer kleinen Gruppe gemeinsam mit erfahrenen Hochschullehren zu diskutieren. Als Diskussionspartner stehen während des Workshops zur Verfügung:

Prof. Dr. Karl Mosler, Universität zu Köln Prof. Dr. Wolfgang Schmid, Europa-Universität Viadrina, Frankfurt/Oder Prof. Dr. Gerhard Tutz, Ludwig-Maximilians-Universität München

2


Der Workshop findet in Merseburg statt. Als Anreisetag ist der 03.06.2009, als Abreisetag der 05.06.2009 vorgesehen. Der Workshop beginnt am 03.06.2009 um 13:30 Uhr und endet am 04.06.2009 um 12:30 Uhr. An den Workshop schließt sich die Pfingsttagung der DStatG (Halle / Merseburg) an. Die DStatG unterstützt den Workshop finanziell und übernimmt die Kosten für die Unterkunft (i.d.R. Doppelzimmer) vom 03. bis zum 05.06.2009. Die Reisekosten sind von den Teilnehmerinnen und Teilnehmern zu tragen.

TAGUNGSORT Ständehaus Merseburg Kongress- und Kulturmanagement Oberaltenburg 2 06217 Merseburg

LAGE DER STADT MERSEBURG

3


ANFAHRT 4


Mit dem Auto Aus Richtung München/Frankfurt/Chemnitz (Autobahn 9)

An der Ausfahrt 17-Leipzig-West die A9 verlassen und die Bundesstraße B181 Richtung Merseburg nehmen. Bei Neumarkt (in Merseburg) rechts halten. Nach Überqueren der Saale der Oberen Burgstraße links folgen und die erste Abbiegmöglichkeit nach rechts wahrnehmen (Domstraße). Dem Verlauf (über Brauhausstraße) bis zur Hälterstraße folgen und dort rechts abbiegen. Am Ende der Straße links auf die Straße Oberaltenburg fahren und Parkplatz suchen. Das Ständehaus befindet sich links.

Aus Richtung Berlin (Autobahn 9)

Siehe Wegbeschreibung aus Richtung München/Frankfurt/Chemnitz Aus Richtung Magdeburg (Autobahn 14)

Auf der A14 bis zum Schkeuditzer Kreuz (Ausfahrt 20) fahren und dort auf die A9 Richtung München wechseln. Weiter siehe Wegbeschreibung aus Richtung München/Frankfurt/Chemnitz

Aus Richtung Dresden (Autobahn 14)

Siehe Wegbeschreibung aus Richtung Magdeburg Aus Richtung Leipzig (Bundesstraße 181)

Die B181 Richtung Merseburg nehmen. Weiter siehe Wegbeschreibung aus Richtung München/Frankfurt/Chemnitz

Aus Richtung Halle (Bundesstraße 91)

B91/Merseburger Straße Richtung Merseburg nehmen. Nach 12 km (vom Halle(Saale)-Hauptbahnhof aus) an der Querfurter Straße links und dann an der Hallescher Straße rechts abbiegen. Geradeaus auf die König-Heinrich-Straße fahren und bei der Siegfried-Berger-Straße links abbiegen. Dem Verlauf bis zum Ende der Straße folgen und rechts auf die Straße Unteraltenburg wechseln. Bei der Hälterstraße links und bei der Oberaltenburg wiederholt links abbiegen.

5


Mit dem Flugzeug Flughafen Leipzig/Halle

Mit der Bahn nach Merseburg fahren (ca. 30 Minuten) bzw. mit dem Auto Richtung A14 fahren. Am Schkeuditzer Kreuz auf die A9 Richtung München wechseln. Weiter siehe Wegbeschreibung aus Richtung München/Frankfurt/Chemnitz.

Mit der Bahn Bahnhof Merseburg

Vom Bahnhof aus Fußweg von ca. 10 Minuten zum Tagungsort. Wegbeschreibung: Bei Verlassen des Bahnhofes links halten und der Bahnhofstraße folgen. Bei der Dammstraße links und dann bei der Hälterstraße rechts abbiegen. Die Straße Oberaltenburg liegt am Ende dieser Straße. Dort links abbiegen. Das Ständehaus befindet sich links.

6


M

ittw

och

, 03

.06

. D

on

ne

rsta

g, 0

4.0

6.

Fre

itag

, 05

.06

.

09

.00

-

13

.00

0

9.0

0 N

ach

wu

chsw

ork

sho

p

09

.30

- 1

1.0

0 A

uss

chu

ss f

ür

Neu

ere

St

atis

tisc

he

Met

ho

den

09

.30

- 1

1.0

0 A

uss

chu

ss f

ür

Met

ho

dik

Sta

tist

isch

er

Erh

ebu

nge

n

11

.00

- 1

2.1

5 A

uss

chu

ss f

ür

Stat

isti

k in

Nat

urw

isse

nsc

haf

t u

nd

Te

chn

ik

11

.00

- 1

1.3

0

Kaf

feep

ause

11

.30

- 1

3.0

0 A

uss

chu

ss f

ür

Neu

ere

St

atis

tisc

he

Met

ho

den

11

.30

- 1

3.0

0 A

uss

chu

ss f

ür

Met

ho

dik

Sta

tist

isch

er

Erh

ebu

nge

n

12

.15

- 1

3.0

0 M

itta

gsp

ause

13

.00

-

20

.00

13

.00

- 1

4.0

0 Er

öff

nu

ng

un

d P

len

arvo

rtra

g En

de

13

.30

- 2

0.0

0 N

ach

wu

chsw

ork

sho

p

14

.00

- 1

5.3

0 A

uss

chu

ss f

ür

Stat

isti

k in

N

atu

rwis

sen

sch

aft

un

d T

ech

nik

14

.00

- 1

5.3

0 A

uss

chu

ss f

ür

Emp

iris

che

Wir

tsch

afts

fors

chu

ng

un

d A

nge

wan

dte

Ö

kon

om

etri

e

15

.30

- 1

6.0

0

Kaf

feep

ause

16

.00

- 1

7.3

0 Fa

chgr

up

pe

Sto

chas

tik

der

D

euts

chen

M

ath

emat

iker

- ve

rein

igu

ng

16

.00

- 1

7.3

0 A

uss

chu

ss f

ür

Emp

iris

che

Wir

tsch

afts

fors

chu

ng

un

d A

nge

wan

dte

Ö

kon

om

etri

e

ab 1

7.3

0 A

ben

dve

ran

stal

tun

g ab

2

0.0

0 ab

20

.00

Info

rmel

les

Tref

fen

7


Die Vorträge der Pfingsttagung finden im Ständehaus in Merseburg statt. Die Vortragssäle Elisabeth-Schumann-Saal und Erhard-Hübner-Saal befinden sich im Erdgeschoss bzw. im ersten Stock des Gebäudes. Die Vortragenden werden gebeten, ihren Vortrag (Office-2003- oder PDF-Format) auf einem USB-Stick mitzubringen. Bitte melden Sie sich eine Viertelstunde vor Beginn Ihrer Sitzung beim jeweiligen Sitzungsleiter in Ihrem Vortragssaal, damit die Vorträge rechtzeitig zum Beginn der Sitzung aufgespielt werden können.

VORTRAGSPROGRAMM Mittwoch, 03.06.2009

13.00 -

20.00

13.30 - ca. 21.00 Uhr Nachwuchsworkshop

ab 20.00

Informelles Treffen in Ritters Weinstuben, Große Ritterstraße 22

Donnerstag, 04.06.2009

9.00 -

13.00

09.00 - ca. 12.30 Uhr Nachwuchsworkshop

11.00 - 12.15 Uhr (Elisabeth-Schumann-Saal) Statistik in Naturwissenschaft und Technik Sitzungsleitung: W. Kahle O. Bodnar, W. Schmid: Nonlinear Locally Weighted Kriging Prediction for Spatio-Temporal Environmental Processes J. Tiedge, F. Reinstorf: Statische Modellierung des Trockenwetterabflusses am Beispiel des Versuchsfeldes Schäfertal / Harz H.-J. Lenz, W. Dominik, A. Brall: EcoOil - A Decision Support System for the Economics of Oil Production

12.15 - 13.00 Uhr Pause

8


13.00 -

18.00

13.00 - 14.00 Uhr (Erhard-Hübner-Saal) Eröffnung und Plenarvortrag

14.00 - 15.30 Uhr (Elisabeth-Schumann-Saal) Statistik in Naturwissenschaft und Technik Sitzungsleitung: S. Knoth M. Grottke, H. Okamura, T. Dohi, K. Trivedi: Variationelle Beyes-Ansätze zur Schätzung von Softwarezuverlässigkeitsmodellen T. Mühlenstädt, S. Kuhnt: Vergleich von Metamodellen für Computerexperimente C. Weiß: Statistische Kontrolle von Zähldatenprozessen mit Überdispersion

14.00 - 15.30 Uhr (Erhard-Hübner-Saal) Empirische Wirtschaftsforschung und Angewandte Ökonometrie Sitzungsleitung: O. Hübler H. Schneeweiß: Probabilistic rounding and Sheppard’s correction T. Augustin: Einige Erweiterungen der Methode der korrigierten Scorefunktionen zur Behandlung von fehlerbehafteten Daten E. Biewen, G. Ronning, M. Rosemann: IV-Schätzung eines linearen Panelmodells mit anonymisierten Betriebsdaten

15.30 - 16.00 Uhr Kaffeepause

16.00 - 17.30 Uhr (Elisabeth-Schumann-Saal) Fachgruppe Stochastik der DMV Sitzungsleitung: J.-P. Kreiß E. Liebscher: Auswahl und Überprüfung des Regressionsmodells bei festem Design C. Jentsch: The multiple hybrid Bootstrap - Resampling multivariate linear processes

16.00 - 17.30 Uhr (Erhard-Hübner-Saal) Empirische Wirtschaftsforschung und Angewandte Ökonometrie Sitzungsleitung: W. Pohlmeier J. Mehrhoff: A Solution to the Problem of Too Many Instruments in Dynamic Panel Data GMM J. Parys, D. Jaeger: On the Sensitivity of Return to Schooling Estimates to Estimation Methods, Model Specification, and Influential Outliers if Identification is Weak R. Chiriac, V. Voev: Modelling and Forecasting Multivariate Realized Volantility

9


ab 17.45

17.45 - 18.45 Uhr Orgelkonzert im Dom

ab 19.00 Uhr Empfang und Buffet, Hofstuben im Merseburger Schloss, Domplatz 9

Freitag, 05.06.2009

09.00 -

13.00

09.30 - 11.00 Uhr (Elisabeth-Schumann-Saal) Neuere Statistische Methoden Sitzungsleitung: P. Sibbertsen M. Massmann, S. Mavroeidis, G. Chevillon: Inference in models with adaptive learning, with an application to the new Keynesian Philips Curve C. Bayer, C. Hanck: Combining Non-Cointegration Tests M. Demetrescu: Autoregressive Model Fitting of Long Memory Processes with Conditional Heteroscedasticity J. Willert, R. Kruse, P. Sibbertsen: Testing for a break in persistence under long-range dependencies when there are mean shifts in the data

09.30 - 11.00 Uhr (Erhard-Hübner-Saal) Methodik Statistischer Erhebungen Sitzungsleitung: J. Chlumsky A. Crößmann: Integrated Public Use Microdata Series - International J. von Maurice, H.-P. Blossfeld: Das Nationale Bildungspanel: Grundzüge und Analysepotential

11.00 - 11.30 Uhr Kaffeepause

10


09.00 -

13.00

11.30 - 13.00 Uhr (Elisabeth-Schumann-Saal) Neuere Statistische Methoden Sitzungsleitung: G. Kauermann H. Haupt, J. Schnurbus, R. Tschernig: On Nonparametric Estimation of a Hedonic Price Function H. Weinert: Extremstellenverlust als Gütekriterium in der nichtparametrischen Regression $ S. Gaißer, F. Schmid: On Testing Equality of Pairwise Rank Correlations in a Multivariate Random Vector F. Schmid, T. Blumentritt: Relative entropy as a measure of multivariate dependence: Analytical properties and statistical inference

11.30 - 13.00 Uhr (Erhard-Hübner-Saal) Methodik Statistischer Erhebungen Sitzungsleitung: J. Chlumsky F. Wolter: Statuseffekte beruflicher Weiterbildung im Mikrozensus-Panel. Unbeobachtete Heterogenität und deren Kontrolle durch Fixed- und Random-Effects-Modelle B. Horneffer: Die Hochrechnung von EU-SILC für Quer- und Längsschnittauswertungen D. Ohly, R. Münnich: Anforderungen an die statistische Evaluation zusammengesetzter Indikatoren am Beispiel des Composite Index of Individual Living Conditions

ca. 13.00 Uhr Ende

11


RAHMENPROGRAMM Mittwoch, 03.06.09 Informelles Treffen Für alle Tagungsteilnehmerinnen und -teilnehmer, die schon am Mittwoch anreisen, und für die Teilnehmerinnen und Teilnehmer des Nachwuchsworkshops sind ab 20:00 Uhr im Restaurant Ritterstube (Ritters Weinstuben, Große Ritterstraße 22) Plätze reserviert. Die lokale Tagungsleitung würde sich freuen, Sie dort zu einer gemütlichen Zusammenkunft zu begrüßen. Teilnahme auf eigene Rechnung. Donnerstag, 04.06.09 Begleitprogramm: Stadtrundgang Halle (Saale) Mit der Straßenbahn geht es Vormittag (etwa 10.00 Uhr) von Merseburg nach Halle (Saale). Dort erwartet Sie ein geführter Stadtrundgang (ca. 2 Stunden) durch die 1200 Jahre alte Saalestadt. Anschließend besteht Gelegenheit zur eigenständigen Erkundung der Stadt. Die Rückfahrt kann individuell erfolgen (Fahrkarte im Preis inbegriffen). Teilnahmegebühr: pro Person 12 Euro Mindestteilnehmerzahl: 15 Personen Zur besseren Planung bitten wir möglichst bis zum 22.05. um Voranmeldung per E-Mail an [email protected]. Die Zahlung der Teilnahmegebühr erfolgt vor Ort (Barzahlung). Abendveranstaltung: Orgelkonzert, Empfang und Buffet Um 17:45 Uhr findet im Merseburger Dom ein Orgelkonzert statt. Hierfür konnten wir den weltberühmten Organisten Michael Schönheit gewinnen, der nicht nur Domorganist in Merseburg ist, sondern auch Gewandhausorganist im Gewandhaus zu Leipzig. Im Anschluss bitten wir ab 19:00 Uhr zum Empfang mit Buffet in den Hofstuben (im Merseburger Schloss, Domplatz 9). Nicht nur für Ihr leibliches Wohl ist gesorgt, Sie erfahren darüber hinaus Wissenswertes über Merseburg und seine Geschichte.

12


Für registrierte Tagungsteilnehmerinnen und -teilnehmer (sowie Teilnehmerinnen und Teilnehmer des Nachwuchsworkshops) ist die Abendveranstaltung in der Teilnahmegebühr enthalten. Für Begleitpersonen beträgt die Teilnahmegebühr 25 Euro. Um die Planung zu erleichtern, bitten wir möglichst bis zum 22.05. um Voranmeldung per E-Mail an [email protected]. Die Zahlung der Teilnahmegebühr erfolgt vor Ort (Barzahlung).

13

Übersicht der Ausschüsse

Plenarvortrag

Ausschuss für Statistik in Naturwissenschaftund Technik

Ausschuss für Empirische Wirtschaftsforschungund angewandte Ökonometrie

Fachgruppe Stochastik der DeutschenMathematikervereinigung

Ausschuss für Neuere Statistische Methoden

Ausschuss für Methodik Statistischer Erhebungen

14

Log-Konkave Verteilungen inDichteschätzung und Regression

Lutz Dümbgen1 and Kaspar Ru�bach2 and André Hüsler3

and Dominic Schuhmacher4

1 Department of Mathematics and Statistics Institute of MathematicalStatistics and Actuarial Science, University of Bern,[email protected]

2 Institut für Sozial- und Präventivmedizin, Universität Zürich,[email protected]



Zusammenfassung. Eine interessante Alternative zu pa-rametrischen Modellen ist die Klasse aller log-konkavenmultivariaten Verteilungen. Das heisst, wir betrachten Ver-teilungen mit Dichtefunktionen, deren Logarithmus konkavist. Dieses nichtparametrische Modell umfasst viele para-metrische Familien von Verteilungen wie z.B. die nichtent-arteten multivariaten Normalverteilungen.

Zunächst werden einige grundlegende Eigenschaften log-konkaver Verteilungen präsentiert. Insbesondere stellt sichheraus, dass z.B. beliebige Momente schwach stetige Funk-tionale darstellen. Zusätzlich werden Eigenschaften desnichtparametrischen Maximum-Likelihood-Schätzers disku-tiert und illustriert.

Der zweite Teil des Vortrags ist der Frage gewidmet, wieman diese qualitative Annahme im Kontext von Regression

15

einsetzen kann, um zum Beispiel bessere Schätzer für iso-tone Quantilsfunktionen zu konstruieren, ohne zusätzlicheGlattheitsannahmen zu tre�en.

16

Ausschuss für Statistik in

Naturwissenschaft und Technik

Nonlinear Locally Weighted Kriging Prediction for Spatio-TemporalEnvironmental Processes

Statistische Modellierung des Trockenwetterab�ussesam Beispiel des Versuchsfeldes Schäfertal/Harz

EcoOil � A Decision Support System forthe Economics of Oil Production

Variationelle Bayes-Ansätze zur Schätzungvon Softwarezuverlässigkeitsmodellen

Vergleich von Metamodellen für Computerexperimente

Statistische Kontrolle von Zähldatenprozessenmit Überdispersion

17

Nonlinear Locally Weighted KrigingPrediction for Spatio-TemporalEnvironmental Processes

Olha Bodnar1 and Wolfgang Schmid2

1 Department of Statistics, European University Viadrina,[email protected]

2 Department of Statistics, European University Viadrina,[email protected]

Zusammenfassung. In the paper a non-linear interpo-lation procedure for the spatial prediction of an environ-mental process is proposed. The suggested interpolation isbased on the locally weighted scatterplot smoothing me-thod of Cleveland (1979). This approach is applied to anon-linear spatio-temporal model. In an empirical studythe PM10 concentration in the Berlin-Brandenburg regionof Germany is considered. It is shown that the local ap-proach permits a more structured interpolation of the airpollution.

Schlüsselwörter: Nonlinear predictor, LOESS method,Non-stationary spatio-temporal process, Environmental sta-tistics, Kalman �lter

18

Statistische Modellierung desTrockenwetterab�usses am Beispieldes Versuchsfeldes Schäfertal/Harz

Jürgen Tiedge1 und Frido Reinstorf2

1 Hochschule Magdeburg Stendal, Fachbereich Wasser- undKreislaufwirtschaft,[email protected]

2 Hochschule Magdeburg Stendal, Fachbereich Wasser- undKreislaufwirtschaft,[email protected]

Zusammenfassung. Das hydrologische Forschungs- undVersuchsfeld Schäfertal der Hochschule Magdeburg-Stendalliegt im Einzugsbereich der Selke im Unterharz. Es um-fasst eine Fläche von 1.44km2 in etwa 400m Höhe undwird hauptsächlich landwirtschaftlich genutzt. Der Was-serhaushalt des Gebietes ist wesentlich durch den bis 1989betriebenen Bergbau beein�usst worden. Die ersten hydro-meteorologischen Stationen des Forschungs- und Versuchs-feldes gingen 1968 in Betrieb. In den Jahren 1973 bis2005 erfolgte der Ausbau und die Modernisierung zu ei-nem umfassenden Mess- und Beobachtungssystem hinsicht-lich aller wesentlichen hydro-meteorologischen Parameter,der Grundwasserbeobachtung, der Registrierung des Ab-�usses an einem Messwehr des Schäfergrabens und der Bo-denparameter. Seit 1996 erfolgt die weitgehend automati-sierte digitale Aufzeichnung gemessener Daten in der Re-gel im 5 Minutentakt. Die Datenlage, die hardwareseiti-gen Möglichkeiten und die Softwareentwicklung zur Statis-tik und Numerik sind Anlass und Voraussetzung für das

19

Aufgreifen von Fragen der statistischen Modellierung derNiederschlags-Ab�uss-Beziehungen in einem überschauba-ren Gebiet. Die Datenlage gestattet es, dabei auch wesent-liche Details zu behandeln.

Der Beitrag geht speziell auf statistische Modelle für denTrockenwetterab�uss im hydrologischen Sommerhalbjahr,ihre Möglichkeiten und Grenzen ein.

20

EcoOil � A Decision SupportSystem for the Economics of OilProduction

Wilhelm Dominik1 and Hans-J. Lenz2

1 Technische Universität Berlin, Institut für AngewandteGeowissenschaften, Fachgebiet Explorationsgeologie,[email protected]

2 Freie Universität Berlin, Institut für Statistik und Ökonometrie,[email protected]

Zusammenfassung. We consider the decision supportsystem EcoOil which was developed to support checkingthe economics of oil or gas production of a given location.EcoOil enables the user to retrieve highly aggregated an-nual, quarterly or monthly data from a relational databasein a user friendly way, to load it into an ExCel added-on package and to use it for planning, data cleansing anddecision support like ad-hoc or what-if computations. Mo-reover a given data set must not be error-free, i.e. errors inthe variables are allowed. The equations involved are basedon balance and behavioural equations or equations simplygiven by de�nitions.

EcoOil can be described by the tripel (DB, ECO-CALC,GUI ), where DB represents the relational database, whichstores real operative or planned data and meta data ofa given oil production facility. The software componentsare: ECOCALC, speci�cally, FUZZYCALC, if Fuzzy Lo-gic (triangle and ramp like membership functions) is usedor PROBCALC, if Probability Theory (GLS and multi-variate Gaussian densities) is used instead. The graphical

21

user interface, GUI, allows for using the system by clickingon icons or selecting actions from pull-down menus in aWINDOWS-like fashion. This all functionalities, model-ling, and retrieval of real and meta data.

Literatur:Babusiaux, D. and Pierru, A.: Corporate Investment Decisions and Econo-mic Analysis Günther, O. and Lenz, H.-J.(eds.): Scienti�c and StatisticalDatabase Management, IEEE Computer Society, Los Alamitos, 2000

Hannesson, R.: Petroleum Economics: Issues and Strategies of Oil andNatural Gas Production, Westport, CT, USA: Quorum Books, 1998

Lenz, H.-J. and Müller, R. : On the Solution of Fuzzy Equation Systems,in: Della Riccia, G., Kruse, R. and Lenz, H.-J.(eds.): Computational Intel-ligence in Data Mining, Springer, Wien New York, 2000, S. 95 - 110

22

Variationelle Bayes-Ansätze zurSchätzung vonSoftwarezuverlässigkeitsmodellen

Michael Grottke1, Hiroyuki Okamura2, Tadashi Dohi3 undKishor Trivedi4

1 Lehrstuhl für Statistik und Ökonometrie, UniversitätErlangen-Nürnberg,[email protected]

2 Department of Information Engineering, Hiroshima University, Japan,[email protected]

3 Department of Information Engineering, Hiroshima University, Japan,[email protected]

4 Department of Electrical and Computer Engineering, Duke University,USA,[email protected]

Zusammenfassung. Die Zuverlässigkeit einer Softwareist die Wahrscheinlichkeit, dass sie in einer de�nierten Nut-zungsumgebung innerhalb einer festgelegten Nutzungspe-riode nicht versagt. Unter �Versagen� versteht man hierbeieine Abweichung des tatsächlichen Verhaltens der Softwa-re von der Spezi�kation. Softwarezuverlässigkeitsmodelle(SZM) beschreiben die Entwicklung der Anzahl der auf-getretenen Versagensfälle im Zeitablauf, z.B. während desIntegrations- oder Systemtests. Viele der vorgeschlagenenModelle nehmen an, dass diese Anzahl einem nichthomo-genen Poisson-Prozess (NHPP) folgt. Die Schätzung derParameter eines SZM anhand von erfassten Daten kannhelfen, Aussagen über die aktuelle Zuverlässigkeit der un-tersuchten Software zu tre�en. Da gerade beim Testen si-

23

cherheitskritischer Systeme nur eine geringe Anzahl vonVersagensfällen auftritt, weisen die Parameterschätzer unddie auf ihnen basierenden Softwarezuverlässigkeitsmetrikenallerdings oft eine groÿe Varianz auf.

Eine Möglichkeit, die vorhandene Ungewissheit zu eva-luieren und auszuweisen besteht im Rahmen von Bayes-Ansätzen in der Berechnung von Bayes-Intervallen, derenGrenzen Quantile der A-posteriori-Verteilung der Modell-parameter sind. Allerdings lässt sich für gängige SZM dieA-posteriori-Verteilung in der Regel nicht in geschlossenerForm angeben; stattdessen muss sie numerisch oder appro-ximativ ermittelt werden.

Der Vortrag stellt variationelle Bayes-Ansätze zur Schät-zung der Parameter von SZM vor. Diese Ansätze ap-proximieren die A-posteriori-Verteilung durch eine einfa-cher handhabbare Verteilung, welche bestimmte Annah-men bezüglich der Abhängigkeitsstruktur der Parametererfüllt. Für das Gamma-NHPP-SZM werden einfache ite-rative Algorithmen zur Berechnung der approximativen A-posteriori-Verteilung der Modellparameter hergeleitet. An-hand realer Datensätze werden die Genauigkeit und dieRechenzeit der variationellen Bayes-Ansätze mit denen an-derer Verfahren zur Ermittlung der A-posteriori-Verteilung(numerische Integration, Laplace-Approximation, Markov-Chain-Monte-Carlo-Methode) verglichen.

Schlüsselwörter: Softwarezuverlässigkeit, nichthomogenerPoisson-Prozess, Gamma-NHPP-Modell, variationelle Bayes-Verfahren

24

Vergleich von Metamodellen fürComputerexperimente

Thomas Mühlenstädt1 und Sonja Kuhnt2

1 Fakultät Statistik, TU Dortmund,[email protected]

2 Fakultät Statistik, TU Dortmund,[email protected]

Zusammenfassung. In vielen wissenschaftlichen Fachrich-tungen existieren Simulationsmodelle für Versuchssituatio-nen aus der Wirklichkeit, die bis zu einem gewissen Gradals Ersatz für echte Versuche dienen können. Solche Simula-tionsmodelle sind meistens deterministisch und rechenauf-wendig, sodass die Anzahl durchführbarer Simulationsläufemit unterschiedlichen Parametereinstellungen beschränktist. Ein Beispiel sind Umformprozesse im Maschinenbau,die mittels Finite-Elemente Simulationen vorhergesagt wer-den können. Der mechanische Prozess wird dabei mittelsGleichungen beschrieben, die nur numerisch gelöst werdenkönnen. Da keine analytische Lösung möglich ist, müssenfür jede Parametereinstellung die Gleichungen erneut nu-merisch gelöst werden.

Um dennoch Vorhersagen für Parametereinstellungen zuerhalten, die nicht simuliert wurden, wird an die Daten derdurchgeführten Läufe ein Interpolationsmodell angepasst.Es existieren viele unterschiedliche multivariate Interpola-tionsmethoden, die potentiell Anwendung �nden können.In diesem Vortrag sollen vier davon verglichen werden: Kri-ging, Thin plate splines, Natürliche Nachbarn Interpolationund Kerninterpolation. Die ersten drei sind in der Literatur

25

häu�g zitierte Methoden, Kerninterpolation wurde von denVortragenden als Alternative zum Kriging vorgeschlagen.

Die vier Interpolationsmethoden werden auf zweidimen-sionale Beispielfunktionen angewandt, aus denen mittelsunterschiedlicher Versuchspläne Daten erzeugt wurden. An-hand der Ergebnisse lässt sich ableiten, in welcher Situationwelche Interpolationsmethode am besten geeignet ist.

Schlüsselwörter: Interpolation, Computerexperiment,Kriging, Kerninterpolation, Thin plate spline, NatürlicheNachbarn Interpolation.

26

Statistische Kontrolle vonZähldatenprozessen mitÜberdispersion

Christian H. Weiÿ

Lehrstuhl für Statistik, Institut für Mathematik,Julius-Maximilians-Universität Würzburg,[email protected]

Zusammenfassung. Reale Zähldatenprozesse sind oftmalsdadurch gekennzeichnet, dass die Randverteilung Über-dispersion aufweist. Eine noch recht junge Modellfami-lie für Zähldatenprozesse mit Überdispersion ist die derINGARCH-Modelle. Diese Modelle weisen eine ARMA-ähnliche Abhängigkeitsstruktur auf, und nach einem kurz-en Überblick zu Eigenschaften der INGARCH-Familie all-gemein werden wir uns auf deren einfachsten Vertreter kon-zentrieren: das zweiparametrische INARCH(1)-Modell, einGegenstück zum gewöhnlichen AR(1)-Modell.

Das INARCH(1)-Modell verfügt über eine Reihe attrak-tiver Eigenschaften, einzig die Bestimmung der stationärenRandverteilung ist problematisch: Eine Charakterisierungüber die (faktoriellen) Kumulanten ist möglich, aber einexpliziter Ausdruck für die Verteilung selbst ist nicht be-kannt. Die Kenntnis der Randverteilung ist aber z.B. für dieARL-Bestimmung bei Kontrollkarten relevant. Aus diesemGrund sollen Möglichkeiten vorgestellt werden, wie mandie Randverteilung zumindest approximieren kann und dieGüte dieser Approximationen soll an Hand der ARLs ei-ner c-Karte untersucht werden. Schlieÿlich demonstriert ein

27

reales Datenbeispiel die Praxisrelevanz des INARCH(1)-Modells.

Literatur:

Ferland R, Latour A, Oraichi D (2006) Integer-valued GARCH processes.

Journal of Time Series Analysis 27(6): 923-942.

Heinen A (2003) Modelling Time Series Count Data: An Autoregressive

Conditional Poisson Model. CORE Discussion Paper No. 2003-63, Univer-

sity of Louvain, Belgium.

Weiÿ CH (2008) Modelling time series of counts with overdispersion. Ac-

cepted for publication in Statistical Methods and Applications.

Schlüsselwörter: INARCH(1)-Modell, Überdispersion,Kontrollkarten

28

Ausschuss für EmpirischeWirtschafts-

forschung und angewandte

Ökonometrie

Probabilistic rounding and Sheppard's correction

Einige Erweiterungen der Methode der korrigierten Scorefunktionenzur Behandlung von fehlerbehafteten Daten

IV-Schätzung eines linearen Panelmodells mitanonymisierten Betriebsdaten

A Solution to the Problem of Too Many Instruments inDynamic Panel Data GMM

On the Sensitivity of Return to Schooling Estimatesto Estimation Methods, Model Speci�cation, andIn�uential Outliers if Identi�cation is Weak

Modelling and Forecasting Multivariate Realized Volatility

29

Probabilistic rounding andSheppard's correction

Hans Schneeweiÿ

Institut für Statistik, Universität München,[email protected]

Zusammenfassung. When rounded data are used in pla-ce of the original unrounded data to compute the varianceof a variable or a regression line, the resulting values will bedistorted. Under suitable smoothness conditions on the dis-tribution of the variable(s) involved, this distortion, howe-ver, can be corrected with very high precision by using thewell-known Sheppard's correction. In this paper, Shepp-ard's correction is generalized to cover more general formsof rounding procedures than just simple rounding, viz., pro-babilistic rounding, which includes asymmetric roundingand mixture rounding.

30

Einige Erweiterungen der Methodeder korrigierten Scorefunktionen zurBehandlung von fehlerbehaftetenDaten

Thomas Augustin

Institut für Statistik, Ludwig-Maximilians-Universität (LMU), München,[email protected]

Zusammenfassung. In den unterschiedlichsten Anwen-dungsgebieten sind häu�g die eigentlich interessierendenVariablen nicht direkt und exakt beobachtbar; stattdessenstehen nur stark fehlerbehaftete Gröÿen (Proxyvariable)zur Verfügung. Typische Beispiele sind

• fehlerbehaftete technische Messungen im engeren Sinn,• grob gerundete Daten,• durch Erinnerungse�ekte verzerrte Daten,• zur Anonymisierung bewusst kontaminierte Daten oder• Skalenindizes und andere Operationalisierungen kom-

plexer Konstrukte.

Lässt man die durch die unvollständige Messung ent-standene zusätzliche Unsicherheit auÿer Acht, so könnendie Schätzungen der E�ekte aller Variablen beträchtlichverzerrt sein. Im Bereich der Fehler-in-den-Variablen-Mo-delle (Messfehler-Modelle) entwickelt man deshalb Korrek-turverfahren, die auch bei solchen fehlerbehafteten Datenimmer noch konsistente Schätzungen erlauben. Nach einerkurzen allgemeinen Einführung in den Themenkreis fokus-siert der Vortrag auf eines der leistungsfähigsten Korrek-

31

turprinzipien, nämlich die von Nakamura vorgeschlageneMethode der korrigierten Scorefunktion. Es wird gezeigt,dass die Methode nicht nur bei klassischem Kovariablen-messfehler erfolgreich ist, sondern sich geeignet verallge-meinern lässt, so dass auch de�zitäre abhängige Variableoder sog. Berkson-Fehler behandelt werden können.

Schlüsselwörter: Fehler-in-den-Variablen-Modelle,Messfehler, unverzerrte Schätzgleichungen, korrigierte Sco-refunktion, Anonymisierung

32

IV-Schätzung eines linearenPanelmodells mit anonymisiertenBetriebsdaten

Elena Biewen1, Gerd Ronning2 und Martin Rosemann3

1 Institut für Angewandte Wirtschaftsforschung, Tübingen,[email protected]

2 Universität Tübingen,[email protected]

3 Institut für Angewandte Wirtschaftsforschung, Tübingen,[email protected]

Zusammenfassung. Ein attraktives Verfahren zur An-onymisierung der Unternehmensdaten ist die multiplikativestochastische Überlagerung. Sie führt jedoch zu inkonsis-tenten Schätzungen der linearen Modelle. Dieser Beitragbefasst sich mit der Instrumentvariablen (IV)-Schätzungeines linearen Panelmodells mit Individuale�ekten und über-prüft die Eignung der IV-Methode zur Korrektur der Ver-zerrung. Als Instrumente werden (a) verzögerte Variable,(b) Di�erenz von verzögerten Variablen und (c) (zusätz-lich) anonymisierte Variable getestet. Wir kommen zumErgebnis, dass lediglich das letzte Instrument in konsisten-ten IV Schätzern resultiert.JEL: C01;C13;C23

Schlüsselwörter: Instrumentvariablen-Schätzung, multi-plikative stochastische Überlagerung, Anonymisierung vonPaneldaten

33

A Solution to the Problem of TooMany Instruments in DynamicPanel Data GMM

Jens Mehrho�

Statistics Department, Deutsche Bundesbank,[email protected]

Zusammenfassung. The well-known problem of too ma-ny instruments in dynamic panel data GMMis dealt within detail in Roodman (2009, Oxford Bull. Econ. Statist.).The present paper goes one step further by providing a so-lution to this problem: factorisation of the standard instru-ment set is shown to be a valid transformation for ensuringconsistency of GMM. Monte Carlo simulations show thatthis new estimation technique outperforms other possibletransformations by having a lower bias and RMSE as wellas greater robustness of overidentifying restrictions. Theresearcher's choice of a particular transformation can bereplaced by a data-driven statistical decision.JEL: C13, C15, C23, C81.

Schlüsselwörter: Dynamic Panel Data, Generalised Me-thod of Moments, Instrument Proliferation, Factor Analy-sis

34

On the Sensitivity of Return toSchooling Estimates to EstimationMethods, Model Speci�cation, andIn�uential Outliers if Identi�cationis Weak

David A. Jaeger1 und Juliane Parys2

1 The Graduate Center, City University of New York,[email protected]

2 Bonn Graduate School of Economics, Universität Bonn,[email protected]

Zusammenfassung. We provide a comparison of returnto schooling estimates based on an in�uential study byAngrist and Krueger (1991) using two stage least squares(TSLS), limited information maximum likelihood (LIML),jackknife (JIVE), and split sample instrumental variables(SSIV) estimation. We �nd that the estimated return toeducation is quite sensitive to the age controls used in themodels as well as the estimation method used. AlthoughJIVE is the preferred estimator on a priori grounds withweak identi�cation, we provide evidence that JIVE coe�-cients' standard errors are in�ated by a group of extremeyears of education observations, for which identi�cation isespecially weak. We propose to test for �rst-stage outliersin order to identify the in�uential ones having substantialin�uence on �rst-stage JIVE coe�cients and �tted values.

35

Only from a truncated sample we obtain plausible andstatistically signi�cant results from JIVE, that are robustto the way we test for outliers.

Schlüsselwörter: Cook's Distance, heteroskedasticity,outlier test, return to education, speci�cation, weak instru-ments

36

Modelling and ForecastingMultivariate Realized Volatility

Roxana Chiriac1 and Valeri Voev2

1 Department of Economics, University of Konstanz,[email protected]

2 School of Economics and Management, University of Aarhus,[email protected]

Zusammenfassung. This paper proposes a methodologyfor modelling time series of realized covariance matrices inorder to forecast multivariate risks. The approach allows for�exible dynamic dependence patterns and guarantees posi-tive de�niteness of the resulting forecasts without imposingparameter restrictions. We provide an empirical applicati-on of the model, in which we show by means of stochasticdominance tests that the returns from an optimal portfo-lio based on the model's forecasts second-order dominatereturns of portfolios optimized on the basis of traditionalMGARCH models. This result implies that any risk-averseinvestor, regardless of the type of utility function, wouldbe better-o� using our model.JEL classi�cation: C32, C53, G11

Schlüsselwörter: Forecasting, Fractional integration,Stochastic dominance, Portfolio optimization, Realized co-variance

37

Fachgruppe Stochastik der

Deutschen Mathematikervereinigung

Auswahl und Überprüfung des Regressionsmodells bei festem Design

38

Auswahl und Überprüfung desRegressionsmodells bei festemDesign

Eckhard Liebscher

Fachbereich Informatik und Kommunikationssysteme, HochschuleMerseburg (FH),[email protected]

Zusammenfassung. Gegeben ist die StichprobeYn1, . . . , Ynn mit Werten für die Zielgröÿe. Die entsprechen-den deterministischen Werte der Regressorvariablen seien0 = xn1 < xn2 < . . . < xn,n−1 < xnn = 1. Wir betrachtenhier das Modell:

Yni = r (xni) + εi für i = 1, . . . , n,

wobei r : [0, 1] → R die Regressionsfunktion beschreibt.Es wird vorausgesetzt, dass ε1, . . . , εn unabhängige reelleZufallsgröÿen sind mit E (εi) = 0 und Var (εi) = σ2. Wirschlagen einen neuen Test vor, der prüft, ob r zur parame-trischen Familie {rθ (.)}θ∈Θ von Modellen für die Regres-sionsfunktion gehört. Die Teststatistik wird dabei aus ei-nem parametrischen und einem nichtparametrischen Schät-zer für die Varianz σ2 gebildet. Im Gegensatz zu anderenZugängen werden die in dem nichtparametrischen Schätzerauftretenden Gewichte so gewählt, dass der Test gute Ei-genschaften hinsichtlich der Macht aufweist. Dies geschiehtdurch Lösen eines Optimierungsproblems. Es kann bewie-sen werden, dass die Teststatistik unter der Nullhypotheseund unter der Alternativhypothese asymptotisch normal-

39

verteilt ist. Wir geben die Parameter der asymptotischenVerteilungen an. Eine Simulationstudie zeigt, dass der Testgute Werte für die Macht liefert.

Im zweiten Teil diskutieren wir für den Fall linearer Re-gressionsfunktionen das Problem, ob und wie eine Vereinfa-chung des Modells durch Weglassen von Termen vorgenom-men werden kann, ohne die Modellanpassung wesentlich zuverschlechtern.

Schlüsselwörter: Regressionsmodell mit festem Design,Modellauswahl

40

Ausschuss für Neuere

Statistische Methoden

Inference in models with adaptive learning, with an applicationto the new Keynesian Phillips curve

Combining Non-Cointegration Tests

Autoregressive Model Fitting of Long Memory Processeswith Conditional Heteroscedasticity

Testing for a break in persistence under long-range dependencieswhen there are mean shifts in the data

On Nonparametric Estimation of a Hedonic Price Function

Extremstellenverlust als Gütekriterium in der nichtparametrischenRegression

On Testing Equality of Pairwise Rank Correlations in a MultivariateRandom Vector

Relative entropy as a measure of multivariate dependence: Analyticalproperties and statistical inference

41

Inference in models with adaptivelearning, with an application to thenew Keynesian Phillips curve

Michael Massmann1, Sophocles Mavroeidis2 andGuillaume Chevillon3

1 Vrije Universiteit Amsterdam,[email protected]

2 Brown University,[email protected]

3 ESSEC Business School and CREST-INSEE,[email protected]

Zusammenfassung. Replacing rational expectations byadaptive learning algorithms complicates the dynamics ofeconomic models. Identi�cation of the structural parame-ters may improve relative to rational expectations, but itdeteriorates when learning converges. Learning also indu-ces persistent dynamics, and this makes the distribution ofestimators and test statistics non-standard. We show thatvalid inference can be conducted using the Anderson-Rubinstatistic with appropriate choice of instruments. Applicati-on of this method to the new Keynesian Phillips curve withUS data provides evidence against standard versions of themodel and against least squares learning with a constantgain parameter.JEL: C22, E31

Schlüsselwörter: Adaptive learning, Weak identi�cation,Anderson-Rubin statistic, Phillips curve

42

Combining Non-Cointegration Tests

Christian Bayer1 and Christoph Hanck2

1 Università Commerciale L. Bocconi, IGIER,[email protected]

2 Universiteit Maastricht, Department of Quantitative Economics,[email protected]

Zusammenfassung. The local asymptotic power of manypopular non-cointegration tests has recently been shownto depend on a certain nuisance parameter. Depending onthe value of that parameter, di�erent tests perform best.This paper suggests combination procedures with the aimof providing meta tests that maintain high power acrossthe range of the nuisance parameter. The local asymptoticpower of the new meta tests is in general almost as high asthat of the more powerful of the underlying tests. When theunderlying tests have similar power, the meta tests are evenmore powerful than the best underlying test. At the sametime, our new meta tests avoid the arbitrary decision whichtest to use if single test results con�ict. Moreover it avoidsthe size distortion inherent in separately applying multipletests for cointegration to the same data set. We apply ourtests to 159 data sets from published cointegration studies.There, in one third of all cases single tests give con�ictingresults whereas our meta tests provide an unambiguous testdecision.JEL: C12, C22

Schlüsselwörter: Cointegration, Meta Test, MultipleTesting

43

Autoregressive Model Fitting ofLong Memory Processes withConditional Heteroscedasticity

Matei Demetrescu

Goethe University Frankfurt,[email protected]

Zusammenfassung. This paper addresses approximatinglong-memory processes with autoregressive models of ordergrowing to in�nity with the sample size, but at a lower ra-te. The coe�cients of the autoregressive representation offractionally integrated processes with long-memory para-meter d, 0 ≤ d < 0.5, are shown to converge almost surelyto the true values. The short-memory component is allowedto be an absolutely summable linear process; its innovati-ons sequence is a stationary, conditionally heteroscedasticmartingale di�erence having �nite variance. By employingextremum estimator theory, the paper neither requires �-niteness of th-order moments, nor assumes the innovationsto be homoscedastic.JEL: C22, C53

Schlüsselwörter: Fractional integration, long autoregres-sion, truncation, extremum estimator

44

Testing for a break in persistenceunder long-range dependencies whenthere are mean shifts in the data

Philipp Sibbertsen1, Robinson Kruse2 and JulianeWillert3

1 Institut für Statistik, Gottfried Wilhelm Leibniz Universität Hannover,[email protected]



Zusammenfassung. It is well known that mean shiftsand persistence breaks in long memory time series can ea-sily be confused.

In this paper we develop a sequential empirical modelingprocedure to discriminate between possible multiple nonlinear mean shifts and breaks in persistence.

The procedure is based on standard inferential statisticswhich facilitates the implementation. By means of montecarlo simulation we show the good performance of our pro-cedure in di�erent settings.

In addition we apply our procedure to di�erent in�ationrates and �nd signi�cant persistence changes even after nonlinear demeaning. This weakens the notion of spurious longmemory behavior.

Schlüsselwörter: break in persistence, long memory, CU-SUM of squares based test

45

On Nonparametric Estimation of aHedonic Price Function

Harry Haupt1, Joachim Schnurbus2 and Rolf Tschernig3

1 Centre of Statistics, Bielefeld University,[email protected]

2 Department of Economics and Econometrics, University of Regensburg,[email protected]

3 Department of Economics and Econometrics, University of Regensburg,[email protected]

Zusammenfassung. In the context of house prices the-re is a relative consensus among theoreticians concerningthe intrinsic nonlinearity, although for modeling purposesfrequently a linear parametric speci�cation is used. As hou-sing market data typically consists of some continuous andseveral (ordered and unordered) discrete variables, we usea fully nonparametric multiple regression approach, whereboth continuous and discrete covariates are smoothed.

Existing empirical evidence suggests that this speci�ca-tion is superior to parametric and semiparametric speci�-cations with respect to in-sample �t.

Based on a well-known data set, we apply a nonparame-tric speci�cation test, but are not able to reject the null ofcorrect parametric speci�cation. This stands in sharp con-trast to recent �ndings in the literature. We then apply aMonte Carlo simulation to compare the out-of-sample per-formance of parametric benchmark and fully nonparame-tric model. Again, we �nd a superiority of the parametricspeci�cation with respect to MSE. In addition we carefully

46

analyze and discuss some pitfalls concerning the choice ofkernels for smoothing discrete covariates.

Schlüsselwörter: Nonparametric regression and speci�-cation testing

47

Extremstellenverlust alsGütekriterium in dernichtparametrischen Regression

Henrike Weinert

Fakultät Statistik, Technische Universität Dortmund,[email protected]

Zusammenfassung. In der nichtparametrischen Regres-sion werden zum Vergleich verschiedener Regressionsver-fahren häu�g Simulationsstudien durchgeführt. Der Ver-gleich verschiedener Schätzfunktionen für eine bekannte Si-gnalfunktion basiert häu�g auf Gütekriterien. Zumeist wer-den hier Lp-Normen oder daraus abgeleitete Gröÿen wie derMittlere Quadratische Fehler verwendet. Dabei besteht ei-ne Diskrepanz zwischen dem, was diese Normen messen,und der visuellen Beurteilung durch einen Betrachter, dadie Normen nur den vertikalen Abstand von Signal- undSchätzfunktion verwenden. Ein Betrachter kann beispiels-weise falsch geschätzte Extremwerte visuell sofort erfassenund zieht sie automatisch zur Bewertung der Schätzfunk-tion heran. Insbesondere für Anwendungen, bei denen daskorrekte Identi�zieren von Extremwerten von hoher Bedeu-tung ist, führen klassische Gütekriterien wie die Lp-Normenzu Fehleinschätzungen bezüglich der Eignung von Regres-sionsverfahren.

Wir schlagen daher ein gänzlich neues Gütemaÿ für dieBeurteilung der Anpassung an Signalfunktionen vor. Derneue Extremstellenverlust bewertet die korrekte Identi�-zierung von Extrema. Für eine Schätzfunktion wird dafür

48

zunächst überprüft, ob ihre Extremstellen mit denen derSignalfunktion übereinstimmen. Daraufhin wird das Fehl-verhalten zu viel und zu wenig geschätzter Extremstellenin einem normierten Verlust zusammengefasst. Damit for-malisiert das neue Kriterium die visuelle Beurteilung durcheinen Betrachter und ist geeignet, die Güte einer Regressi-onsmethode bezüglich ihrer Extremwerte in einem Verlust-wert zu erfassen.

Schlüsselwörter: Nichtparametrische Regression, Simu-lationsstudien, Gütekriterien, Extremstellenverlust

49

On Testing Equality of PairwiseRank Correlations in a MultivariateRandom Vector

Sandra Gaiÿer1 and Friedrich Schmid2

1 Seminar für Wirtschafts- und Sozialstatistik, Universität zu Köln,[email protected]

2 Seminar für Wirtschafts- und Sozialstatistik, Universität zu Köln,[email protected]

Zusammenfassung. We consider tests for the hypothesisthat all pairwise Spearman's rank correlation coe�cients ina multivariate random vector are equal. Spearman's rankcorrelation coe�cient (or Spearman's rho) represents oneof the best-known measures to quantify the degree of de-pendence between two random variables.

We derive several tests statistics and establish theirasymptotic distributions. Since Spearman's rho is a copula-based dependence measure, the tests are quite general. Inparticular, no assumptions have to be made on the margi-nal distributions except the continuity. The tests are basedon the asymptotic behavior of the empirical copula process.

A nonparametric bootstrap method is suggested to esti-mate either unknown parameters of the test statistics or todetermine the associated critical values. A simulation stu-dy is carried out to investigate the power of the proposedtests. The results are compared to a classical, parametrictest for equal pairwise Pearson's correlation coe�cients ina multivariate random vector.

50

Schlüsselwörter: Multivariate dependence modeling,Spearman's rho, copula theory, asymptotic test theory,nonparametric bootstrap

51

Relative entropy as a measure ofmultivariate dependence: Analyticalproperties and statistical inference

Friedrich Schmid1 und Thomas Blumentritt2

1 Wirtschafts- und Sozialwissenschaftliche Fakultät, Universität zu Köln,[email protected]

2 Wirtschafts- und Sozialwissenschaftliche Fakultät, Universität zu Köln,[email protected]

Zusammenfassung. The relative entropy (also known asKullback-Leibler divergence) can be viewed as a measure ofmultivariate dependence in a random vectorX = (X1, . . . , Xd). Its original de�nition incorporates thedensity of the joint distribution as well as the marginaldensities. Statistical inference for the relative entropy thusrequires estimation of the joint density as well as the mar-ginal densities. It is well known, however, that the relativeentropy can be restated in terms of the density of the re-spective copula of the joint distribution and therefore isindependent of the marginals. This representation yieldsa di�erent approach to estimating the relative entropy asonly the copula density has to be estimated. Because co-pula densities are restricted to the multivariate unit cube,application of conventional (kernel) estimators has to becomplemented by boundary corretion schemes. Other esti-mators have compact support themselves and thus are notsubject to boundary bias.

In this talk we will �rst review some analytical proper-ties of the relative entropy as a measure of multivariate

52

dependence. Further we discuss methods of nonparametricestimation of copula densities and the relative entropy froma sample. Finally we will present the results of a simula-tion study concerning various estimators with resepct tobias and standard deviation. The Gaussian and the Frankcopula are considered.

Schlüsselwörter: multivariate dependence, relative en-tropy, Kullback-Leibler divergence, copula density estima-tion

53

Ausschuss für Methodik

statistischer Erhebungen

Integrated Public Use Microdata Series � International

Das Nationale Bildungspanel: Grundzüge und Analysepotential

Statuse�ekte beru�icher Weiterbildung im Mikrozensus-Panel.Unbeobachtete Heterogenität und deren Kontrolle durch Fixed- undRandom-E�ects-Modelle

Die Hochrechnung von EU-SILC für Quer- undLängsschnittsauswertungen

Anforderungen an die statistische Evaluationzusammengesetzter Indikatoren am Beispieldes Composite Index of Individual Living Conditions

54

Integrated Public Use MicrodataSeries � International

Anja Cröÿmann

Statistisches [email protected]

Zusammenfassung. Der Vortrag soll das Projekt �Inte-grated Public Use Microdata Series � International� (IPUMS-International) vorstellen. Dieses hat zum Ziel, aktuelle undhistorische Volkszählungsdaten aus der ganzen Welt zu in-ventarisieren, erhalten, harmonisieren und der internatio-nalen Wissenschaft in einer Internetdatenbank unentgelt-lich zur Verfügung zu stellen. Es handelt sich dabei umein gemeinsames Vorhaben des Minnesota Population Cen-tre (MPC) in den USA, den statistischen Ämtern der be-teiligten Nationen sowie verschiedener internationaler Da-tenarchiven. Hauptprojektträger sind die �National ScienceFoundation� und die �National Institutes of Health� derUSA. Unter der Koordinierung des MPC wird der Aufbaueines vollständig dokumentierten Mikrodatenbestandes ausdem Zeitraum von 1960 bis heute angestrebt. Das Centred'Estudis Demogrà�cs (CED) in Barcelona, Spanien koor-diniert die Integration der europäischen Zensusdaten unterIPUMS-Europe. Bisher beteiligen sich 35 Länder mit 111Volkszählungen und insgesamt 263 Millionen Personen Da-tensätzen an dem Projekt.

Das Forschungsdatenzentrum des Statistischen Bundes-amtes ist der deutsche Partner im IPUMS-InternationalProjekt und führt die Anonymisierung der deutschen Da-tenbestände durch. In Deutschland liegen für den Zeit-

55

raum zwischen 1960 bis heute mehrere Mikrodatenbestän-de aus Volkszählungen und Mikrozensen in maschinenles-barem Format vor. Die letzten zwei Volkszählungen derBundesrepublik und die letzten zwei Volkszählungen derehemaligen DDR stellen die vier bedeutendsten Mikroda-tenbestände der siebziger und achtziger Jahre dar. Nebendiesen vier Volkszählungen sollen fünf Wellen des Mikro-zensus aus den letzten vier Jahrzehnten in die IPUMS-International Datenbank aufgenommen werden. Der deut-sche Mikrozensus, als jährlich ausgeführte �kleine Volks-zählung�, erfasst zwar lediglich ein Prozent der deutschenBevölkerung, liefert jedoch ein breites Spektrum an Infor-mationen zu den Befragten und ist damit ein sehr gutesSubstitut für die fehlenden deutschen Volkszählungen derletzten zwei Jahrzehnte.

Die insgesamt neun Mikrodaten�les sollen in absolut an-onymisierter Form, als sogenannte Public Use Files, demProjekt beigesteuert werden.

Das Konzept zur absoluten Anonymisierung der Mikro-daten�les soll auf die faktische Anonymisierung der zu vierWellen bereits existierenden sogenannte Scienti�c Use Filesaufbauen. Ausgehend von den dort angewandten Maÿnah-men sollen weitere Anonymisierungsmaÿnahmen de�niertwerden, die zur absoluten Anonymität der Daten führen.Die Erstellung von Public Use Files von bereits digital vor-liegenden, plausiblen Einzeldaten beinhaltet grundsätzlichdie folgenden Arbeitsschritte:

• Au�nden und Digitalisieren der Dokumentation• Erstellung eines Anonymisierungskonzeptes• Umsetzung des Anonymisierungskonzeptes/Erstellung

des Public Use File• Testen des Files auf Anonymität und Qualität

Mit dem Public Use File der Volkszählung der DDR von1971 wurde bereits das erste deutsche anonymisierte Da-tenmaterial für das IPUMS-International Projekt fertig ge-

56

stellt. Für die Anonymisierung der Mikrodaten der Volks-zählung 1971 wurden die Maÿnahmen der Stichprobenzie-hung, systemfreie Sortierung, Vergröberung der Merkmals-ausprägungen sowie die Löschung der regionalen Angabenverwendet. Das Public Use File umfasst 104 Merkmale zu4,1 Mio. Personen in 1,6 Mio. Haushalten. Als nächstesDatenmaterial soll die Volkszählung der BRD von 1987 ab-solut anonymisiert und dem IPUMS-International Projektzur Verfügung gestellt werden.

Die meisten Bevölkerungsdaten � insbesondere Volks-zählungsdaten � waren traditionell auf der internationalenEbene der Wissenschaft lediglich in aggregierter Form zu-gänglich. IPUMS-International bietet der internationalenWissenschaft erstmalig Daten aus Volkszählungen mehre-rer Staaten auf der Mikroebene an. Wissenschaftler aus derganzen Welt können den Zugang zu den Mikrodaten bean-tragen. Dabei sind eine Projektbeschreibung sowie die Zu-gehörigkeit zu einer Forschungseinrichtung anzugeben. DieNutzer müssen einer Reihe von Nutzungsregeln zustimmen,die der Wahrung der statistichen Geheimhaltung dienen.Der Zugang erfolgt über ein Datenauszugssystem, das demWissenschaftler die Auswahl von Merkmalen, aus über dieZeit und über verschiedene Staaten, verteilten Volkszäh-lungsdaten unbeschränkt und kostenlos erlaubt. Der Wis-senschaftler bekommt den Auszug aus den Mikrodatenbe-ständen nach kurzer Bearbeitungszeit zugesendet und kannan seinem Arbeitsplatz die Daten auswerten. Die Mikroda-ten beinhalten ein breites Spektrum an Informationen zurBevölkerungsstruktur.

Durch die Dokumentation in englischer Sprache sowieder Harmonisierung von Merkmalen und Merkmalsausprä-gungen werden vergleichbare Analysen zugelassen, ohne je-doch einen Reduktionsverlust der Originaldokumentationzu verursachen, da diese in einem Metadatensystem hinter-legt werden und ohne Einschränkung für alle Interessierten

57

kostenlos über das Internet zugänglich ist. Durch die ab-solute Anonymisierung der Einzeldaten ist ein Rückschlussauf Einzelne ausgeschlossen und die statistische Geheim-haltung gewährleistet.

Die Nachfrage nach Einzeldaten aus amtlichen Erhe-bungen ist seitens der Wissenschaft sehr hoch. Der Be-darf inländischer Wissenschaftler kann bereits durch einbreites Angebot an faktisch anonymisierten Einzeldaten, inForm von Scienti�c Use Files, für die Bearbeitung natio-naler Fragestellungen befriedigt werden. Eine internationalvergleichende Analysearbeit ist mit diesen Daten jedochnicht möglich. Gleichzeitig haben ausländische Forschungs-einrichtungen derzeit noch nicht die Möglichkeit der pri-vilegierten Nutzung von deutschen O�-Site Scienti�c UseFiles und müssen den zeit- und kostenintensiveren Weg deskontrollierten Ferndatenzugri�s wählen.

Die Bereitstellung anonymisierter deutscher Mikrodatenfür das IPUMS-International Projekt bedeutet die Integra-tion deutscher Daten in ein für die Wissenschaft interna-tional kostenlos zugängliches und harmonisiertes Systemvon Mikro- und Metadaten. Damit wird nicht nur für dieausländische sondern auch für die deutsche Wissenschaftein neuer Zugangsweg gescha�en: der Zugang zu deutschenVolkszählungs- und Mikrozensusdaten im internationalenKontext.

Darüber hinaus werden mit den Volkszählungen unddem Mikrozensus wichtige Einzeldatensätze für weitereForscherkreise erschlossen. Der privilegierte Datenzugangüber Scienti�c Use Files steht nur, der nach dem Bun-desstatistikgesetz de�nierten, unabhängigen Wissenschaftzur Verfügung. Institutionen die primär andere Aufgabenverfolgen und bei denen Forschung nur teilweise betrie-ben wird, sind von einem solchen Zugang ausgeschlossen.Ebenfalls hat nahezu die gesamte Ressortforschung keinenZugang zu Scienti�c Use Files. Für diese Nutzergruppen

58

würden erstmals in einem nennenswerten Umfang Einzel-daten zur Verfügung stehen. Mit der Übermittlung der Pu-blic Use Files an das IPUMS-International Projekt, stehendiese Mikrodaten selbstverständlich über die Forschungs-datenzentren der Statistischen Ämter des Bundes und derLänder auch für die deutsche Nutzerschaft bereit.

59

Das Nationale Bildungspanel:Grundzüge und Analysepotential

Jutta von Maurice1 und Hans-Peter Blossfeld2

1 NEPS, Otto-Friedrich-Universität Bamberg,[email protected]

2 Lehrstuhl für Soziologie I, Otto-Friedrich-Universität Bamberg,[email protected]

Zusammenfassung. Das Nationale Bildungspanel (Na-tional Educational Panel Study, NEPS) untersucht den Bil-dungserwerb und die individuelle Kompetenzentwicklungüber den Lebenslauf hinweg - vom frühen Kindesalter biszum Übergang in den Ruhestand. Ein interdisziplinäres Ex-zellenznetzwerk befasst sich dabei vor allem mit fünf zen-tralen inhaltlichen Dimensionen:

• Entwicklung von Kompetenzen• Bildungsprozesse in lebenslaufspezi�schen Lernumwel-

ten• soziale Ungleichheit und Bildungsentscheidungen• Bildungsprozesse von Personen mit Migrationshinter-

grund• Renditen von Bildung

Diese theoretischen Dimensionen werden in acht Bil-dungsabschnitten betrachtet:

• Neugeborene und Eintritt in frühkindliche Betreuungs-einrichtungen

• Kindergarten und Einschulung• Grundschule und Übertritt in eine Schulart der Sekun-

darstufe I

60

• Wege durch die Sekundarstufe I und Übergänge in dieSekundarstufe II

• Gymnasiale Oberstufe und Übergänge in (Fach-)Hoch-schule, Ausbildung oder Arbeitsmarkt

• Aufnahme einer beru�ichen Ausbildung und der spätereArbeitsmarkteintritt

• (Fach-)Hochschulstudium und Übergänge in den Ar-beitsmarkt

• allgemeine und beru�iche Weiterbildung

Zur empirischen Umsetzung der Fragestellungen des Na-tionalen Bildungspanels wurde ein Multikohorten-Sequenz-Design entwickelt. In den Jahren 2009 bis 2012 werdensechs Startkohorten mit insgesamt mehr als 60.000 Perso-nen gezogen. In allen Kohorten werden mindestens einmalpro Jahr Erhebungen durchgeführt. Die Erhebungen um-fassen Kompetenztests und Befragungen der Zielpersonenund � zumindest in jüngeren Kohorten � auch Befragungender Eltern und des pädagogischen Fachpersonals.

Die erhobenen Daten werden zeitnah einer strengenQualitätskontrolle unterliegen und nutzerfreundlich aufbe-reitet und dokumentiert. Danach erhalten Forscherinnenund Forscher aus dem In- und Ausland � unter Einhal-tung datenschutzrechtlicher Bestimmungen � die Möglich-keit zur Analyse dieser Daten, um eine möglichst hohe Aus-schöpfung des Datenmaterials und somit möglichst groÿeFortschritte in der Bildungsforschung zu erzielen.

61

Statuse�ekte beru�icher Weiter-bildung im Mikrozensus-Panel.Unbeobachtete Heterogenität undderen Kontrolle durch Fixed- undRandom-E�ects-Modelle

Felix Wolter

Institut für Soziologie, Johannes Gutenberg-Universität Mainz,[email protected]

Zusammenfassung. Der Beitrag untersucht auf Basis deraktuell verfügbaren Längsschnittdaten des Mikrozensus-Panels 1996-1999 individuelle Einkommense�ekte beruf-licher Weiterbildung in West- und Ostdeutschland. EinProblem bei der Ermittlung kausaler Weiterbildungse�ek-te ist ein Selektionse�ekt durch unbeobachtete Heteroge-nität, welcher in konventionellen Analyseverfahren zu ei-ner Überschätzung der Erträge führt. Eine Möglichkeitder Kontrolle besteht in den neueren Fixed- und Random-E�ects-Modellen, die erläutert und empirisch gegenüberge-stellt werden. Als Ergebnis zeigen sich tendenziell signi�-kant positive, aber hinsichtlich ihrer Höhe nur geringe Ein-kommense�ekte. Analysen nach Alter, Quali�kation undLandesteil deuten darauf hin, dass sich Weiterbildung beiweitem nicht für alle betrachteten Gruppierungen in Formeiner Einkommenssteigerung auszahlt.

Schlüsselwörter: Selektionse�ekt, Weiterbildung, Ein-kommen, Fixed-/Random-E�ects-Modelle, Mikrozensus

62

Die Hochrechnung von EU-SILC fürQuer- undLängsschnittsauswertungen

Birgit Horne�er

Statistisches Bundesamt,[email protected]

Zusammenfassung. Die europäische Gemeinschaftssta-tistik über Einkommen und Lebensbedingungen (EU-SILC) wurde 2005 erstmals in Deutschland durchgeführt.Einführend soll dargestellt werden, wie es zu dieser Erhe-bung international gekommen ist und wie sie jetzt nationalumgesetzt wird.

Für diese als rotierendes Panel angelegte Erhebung istvon Eurostat eine Zufallsstichprobe vorgeschrieben. Da esin Deutschland bisher keine Zufallsstichprobe bei den frei-willigen Haushaltsbefragungen gibt, wurde die Dauerstich-probe befragungsbereiter Haushalte (DSP) eingeführt, dieunter anderem als Grundlage für EU-SILC dienen soll. DieDatenmenge der DSP von 2004 reichte aber nicht für dengeforderten EU-SILC-Stichprobenumfang 2005 aus, so dasseine Übergangslösung für Deutschland von Eurostat geneh-migt wurde. Die Erhebungen EU-SILC 2005 bis 2007 wur-den daher nur zu einem Teil als Zufallsstichproben durch-geführt, der andere Teil erfolgte als Quotenstichproben. ImJahr 2008 basierte EU-SILC vollständig auf einer Zufallss-tichprobe.

63

Nach einem kurzen Überblick bzgl. des Auswahlplanssoll speziell das verwendete Hochrechnungsmodell der Er-hebung EU-SILC vorgestellt werden.

Die Hochrechnung der Zufallsstichprobe ist dabei derKernpunkt. Die DSP hat eine sehr komplexe Struktur,die die Hochrechnung für Erhebungen aus der DSP sehraufwendig und umfangreich gestaltet. Für die Hochrech-nung wird eine Regressionsschätzung verwendet, bei der dieEckwerte, an die angepasst werden, aus dem Mikrozensusstammen. Die Eingangsgewichte berücksichtigen die überein Logit-Modell geschätzten Teilnahme- und Bleibewahr-scheinlichkeiten in der DSP.

Eurostat stellt bestimmte Ansprüche an die Gewichtefür den Querschnitt und den Längsschnitt, so dass diesebei der Hochrechnung beachtet werden müssen. Es werdendie geforderten Gewichte mit denen in der Hochrechnungverwendeten Eckwerten präsentiert.

Letztlich soll ein kleiner Ausblick auf weitere metho-dische Ansätze zur Verbesserung der Erhebung EU-SILCgegeben werden.

64

Anforderungen an die statistischeEvaluation zusammengesetzterIndikatoren am Beispiel desComposite Index of IndividualLiving Conditions

Dominik Ohly1 und Ralf Münnich2

1 Universität Tübingen, Lehrstuhl für Statistik, Ökonometrie undUnternehmensforschung,[email protected]

2 Universität Trier, Fachbereich IV - VWL, Lehrstuhl für Wirtschafts-und Sozialstatistik,[email protected]

Zusammenfassung. Das Projekt KEI (Knowledge Eco-nomy Indicators; www.kei.publicstatistics.net) istTeil des 6. Rahmenprogramms der Europäischen Kommis-sion mit Ausrichtung politikorientierte Forschung. Im Rah-men des Projekts werden � unter anderem � zusammen-gesetzte Indikatoren (composite indicators) unter Verwen-dung sowohl statistisch-theoretischer als auch anwendungs-orientierter Methoden analysiert.

Der Vortrag adressiert Probleme, welchen der End-Userbei der statistischen Evaluation eines interessierenden zu-sammengesetzten Indikators gegenübersteht. In der Pra-xis sind Makrodaten für eine Vielzahl von Einzelindikato-ren erhältlich, beispielsweise über EUROSTATs New Cro-nos oder über die OECD Datenbank. Jedoch ist zu denIndikatoren zumeist wenig statistische Information verfüg-

65

bar. Das betri�t insbesondere Angaben zur Erhebung, zumHochrechnungsverfahren und zur Präzision der Schätzung.

Die Bildung eines zusammengesetzten Indikators aufBasis der verfügbaren Makrodaten ist mit Blick auf dessenstatistische Eigenschaften kritisch zu beurteilen. Insbeson-dere, wenn die Einzelindikatoren unterschiedlichen Erhe-bungen entnommen werden, sind keine Angaben über de-ren statistische Interaktion verfügbar. Auf Basis der Ma-kroinformation sind keine Kovarianzen berechenbar oderabschätzbar. Mit allen Vorbehalten kann nur die Summeder Varianzen der in einen zusammengesetzten Indikatoreingehenden Einzelindikatoren als Surrogat für die wahreVarianz des zusammengesetzten Indikators verwendet wer-den.

Für eine Vielzahl relevanter zusammengesetzter Indi-katoren sind zu wenige Einzeldaten oder infolge von Da-tenschutzbestimmungen keine Individualdaten, gegliedertnach Längs- und Querschnitt, verfügbar. Die Anzahl derzu evaluieren möglichen und ferner sozialwissenschaftlichoder volkswirtschaftlich anerkannten zusammengesetztenIndikatoren wird dadurch stark reduziert.

Um den Erhebungsprozess der Einzelindikatoren ab-zubilden, beispielsweise im Rahmen einer Monte-Carlo-Simulation, bedarf es einer Datenbasis, welche eine ausrei-chende Anzahl an Beobachtungen und Variablen umfasst,damit i) eine praxisnahe Stichprobenziehung möglich istund ii) das schätztheoretische Potential alternativer Hoch-rechnungsverfahren getestet werden kann.

Im Mittelpunkt des Vortrags steht � aus o.a. restringie-renden Gründen � der Composite Index of Individual Li-ving Conditions, welcher von GESIS-ZUMA für das ECHPvorgeschlagen wurde. Der Composite Index wird für dieNachfolgestudie EU-SILC 2005 umgesetzt. Die Anbindungvon EU-SILC an den Mikrozensus erlaubt i) den Aufbaueiner halb-synthetischen Grundgesamtheit im Umfang des

66

Scienti�c-Use-Files des deutschen Mikrozensus 2004 sowieii) die Nutzung von populationsbezogener Hilfsinformationund damit den Einsatz von Kalibrierungsschätzern.

Die in den Composite Index eingehenden Variablen wer-den mittels Logit-Modellen in den Mikrozensus übertragen.Im Rahmen einer Monte-Carlo-Simulation werden 10.000unabhängige Stichproben gezogen und die Einzelindikato-ren sowie der Composite Index hochgerechnet. Dabei wer-den verschiedene Stichprobenmodelle und Hilfsvariablen-sets gegenüber gestellt. Die Präzision der geschätzten Ein-zelindikatoren sowie des zusammengesetzten Indikators istmaÿgeblich abhängig vom Erklärungsgehalt des verwende-ten Hilfsvariablen-Sets.

Wenn zusammengesetzte Indikatoren von Interesse sind,emp�ehlt es sich � mit Blick auf die Erhebungskosten �Möglichkeiten zur Verknüpfung existierender Erhebungennachhaltig zu prüfen und zentral zu dokumentieren, umggf. eine bestehende Erhebung um die fehlenden, in einenzusammengesetzten Indikator eingehenden Variablen zu er-gänzen oder um wichtige Hilfsvariablen zur Steigerung derSchätzqualität nutzen zu können.

Schlüsselwörter: Composite indicators, Qualitätsmessung,Kalibrierung

67

Merseburger Impressionen

Hochschule Merseburg (FH) Martin - Luther - UniversitätHalle - Wittenberg

Mit freundlicher Unterstützung von:

DStatG Deutsche Mathematiker Vereinigung Fachgruppe Stochastik · Fachgruppe Stochastik der...

Documents

Transcript of DStatG Deutsche Mathematiker Vereinigung Fachgruppe Stochastik · Fachgruppe Stochastik der...