Schätzung und Spezifikation ökonometrischer neuronaler Netze

En savoir plus sur le livre

Künstliche neuronale Netze sind ein häufig eingesetztes Instrument zur Datenanalyse in Wirtschaftswissenschaften, Informatik sowie Natur- und Ingenieurwissenschaften. Oft stammen ihre Darstellungen jedoch aus nicht-statistischen Quellen, was zu einer Vernachlässigung wesentlicher statistischer Erkenntnisse führt. Zudem werden neuronale Netze häufig unkritisch auf Daten angewendet, ohne die in den Modellen enthaltenen Annahmen auf ihre Gültigkeit zu überprüfen. Ein weiterer wichtiger Aspekt, die Modellspezifikation, erhält oft nicht die notwendige Beachtung. Diese Arbeit untersucht neuronale Netze aus einer rein statistischen Perspektive und entwickelt sie weiter. Durch die Integration neuronaler Modelle in die klassische Statistik entstehen Synergieeffekte in den Bereichen Parameterschätzung, Modellierung und Modelldiagnose. Der Fokus liegt auf der Untersuchung und Entwicklung statistischer Testverfahren zur neuronalen Modellspezifikation, die einen optimalen Modellaufbau nach statistischen Kriterien ermöglichen, im Gegensatz zur üblichen heuristischen Vorgehensweise. Darüber hinaus werden Verfahren zur Schätzung der Modellparameter vorgestellt und verglichen. Aufwendige Simulationsstudien analysieren die Güte der Testverfahren und verdeutlichen die Relevanz statistischer Testverfahren für die Spezifikation neuronaler Netze.