Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/107685 
Authors: 
Year of Publication: 
2015
Series/Report no.: 
IBES Diskussionsbeitrag No. 208
Publisher: 
Universität Duisburg-Essen, Institut für Betriebswirtschaft und Volkswirtschaft (IBES), Essen
Abstract: 
Man findet in zunehmendem Maße Versuche, Prognosen nicht nur danach zu bewerten, wie hoch ihre Treffsicherheit bei der Vorhersage einer Variablen ist, sondern die Prognosegüte bei einem Satz von Variablen ins Bild nehmen. Eine solche mehrdimensionale Evaluierung von Prognosen stellt zum Teil Neuland dar. Der vorliegende Beitrag stellt einige Kennziffern vor, die auf in der multivariaten Analyse gebräuchlichen Abstandsmaßen basieren und die für eine solche Evaluierung herangezogen werden können. Dabei zeigt sich, dass die Bewertung von Prognosen stark von dem gewählten Abstandsmaß und von der Auswahl der in die Evaluierung einbezogenen Variablen abhängt. Ein besonderes Problem resultiert dabei daraus, dass die prognostizierten Variablen in der Regeln nicht unabhängig von einander sind, Dies legt nahe, die Mahalanobis-Distanz als Abstandsmaß zu verwenden an Stelle der gebräuchlicheren Eulerschen Distanz oder einer City-Block-Metric. Allerdings bestraft die Mahalanobis-Distanz solche Prognosefehler härter, die den in der Vergangenheit beobachteten Korrelationen zwischen den Variablen widersprechen. Berücksichtigt man die Unsicherheit in den Daten, die als Referenz für die Bewertung der Prognosen herangezogen werden, so zeigt sich allerdings, dass die Abstandsmaße mit einem relativ großen Unschärfebereich zu versehen sind. Daher sollten aus kleinen Unterschieden in den Distanzmaßen keine allzu weitgehenden Schlüsse gezogen werden.
Subjects: 
Konjunkturprognosen
Prognoseevaluation
Mehrdimensionale Evaluierung
Eulersche Distanz
Mahalanobis-Distanz
JEL: 
C52
E17
Document Type: 
Working Paper

Files in This Item:
File
Size
402.71 kB





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.