Zum Navigationspfad Unterseiten von „Forschung“ Zur Navigation Zum Schnellzugriff Zum Fuß der Seite mit weiteren Services
Zum Inhalt
Studenten im Sommer auf dem Campus Nord, rote Zahnräder im Hintergrund © Roland Baege​/​TU Dortmund
Ökonometrie

Was ist Ökonometrie?

Die Ökonometrie ist die Wissenschaft der quantitativen - also statistischen - Analyse von wirtschaftlichen Zusammenhängen. Dies beinhaltet beispielsweise makroökonom(etr)ische Fragestellungen wie etwa die Modellierung und die Prognose des Wirtschaftswachstums, des Konsums oder der Arbeitslosigkeit. In mikroökonom(etr)ischen Analysen ist unter anderem die Marktmacht von Firmen, die Ausbildungswahl von Jugendlichen oder die Prognose von Absatzmengen von großem Interesse. Dabei spielt Kausalität eine wichtige Rolle, man befasst sich nämlich nicht nur mit der Frage der Beziehungen zwischen Variablen, sondern man sucht mit speziell entwickelten ökonometrischen Methoden auch quantitative Antworten auf die Frage, welche Variable für Änderungen in anderen Variablen verantwortlich ist. In den letzten 20 bis 30 Jahren hat sich darüber hinaus auch die Finanzökonometrie als eigenständiges Feld entwickelt. Hier geht es um die Modellierung und die Prognose von Preisen von Wertpapieren aller Art.

Methodisch ist die Ökonometrie breit aufgestellt, wobei das wichtigste Werkzeug die Regressionsanalyse ist. Aufgrund der zeitlichen Struktur vieler Wirtschaftsdaten sind vielfältige Methoden der Zeitreihenanalyse, welche oftmals speziell für ökonometrische Fragestellungen entwickelt werden, ebenfalls von großer Bedeutung.

Eigenständige Forschungsbereiche

Innerhalb der Ökonometrie gibt es eine Vielzahl von eigenständigen Forschungsbereichen, die sich oft aus den interessierenden Fragestellungen und den vorliegenden Datenquellen ergeben. In der Mikroökonom(etr)ie werden Daten auf individueller Ebene (Firmen, Haushalte, Konsumenten, etc.) benutzt, um beispielsweise Konsumentscheidungen zu studieren. In der Makroökonom(etr)ie hingegen werden aggregierte ökonomische Daten benutzt, um Beziehungen zwischen ökonomischen Variablen wie Wachstums- und Inflationsraten und Arbeitslosenquoten zu analysieren. In der Zeitreihenanalyse werden allerlei ökonomische Daten, die über die Zeit gesammelt werden, untersucht. Zeitreihen, welche für mehrere gleichartigen Einheiten vorliegen (z.B. Individuen oder Haushalte, die über mehrere Perioden hinweg beobachtet werden, aber auch makroökonomische Daten aus mehreren Ländern), analysiert man als Paneldaten simultan in der Paneldatenanalyse.

Ökonometrie an der Fakultät Statistik: Forschung

Die Ökonometrie nimmt an der Fakultät Statistik einen zentralen Platz ein. Neben den beiden Professuren “Ökonometrie und Statistik” und “Wirtschafts- und Sozialstatistik” gibt es eine Juniorprofessur “Ökonometrie”. Hauptsächlich befassen sich die Ökonometrikerinnen und Ökonometriker der Fakultät mit ökonomisch motivierten empirischen und methodischen Fragestellungen im Bereich der Zeitreihenanalyse, etwa für die Vorhersage makroökonomischer Variablen oder von Finanzvariablen, bei der Analyse von Paneldaten oder bei der Untersuchung kausaler, ökonomischer Zusammenhänge.

In ihrer Forschung befassen sich die Mitarbeiterinnen und Mitarbeiter an den Ökonometrie-Lehrstühlen mit der Entwicklung neuer, oder der Verbesserung bereits existierender, Methoden, um die ökonom(etr)ischen Fragestellung bestmöglich beantworten zu können. Die Methoden werden oftmals auch direkt auf ökonomische Daten angewendet, welche aus ökonomischen Datenbanken bezogen werden können. Dies macht die alltägliche Forschung spannend und abwechslungsreich zugleich.

Ausblick

Neue ökonomische Datenquellen führen zu neuen ökonometrischen Fragestellung, sodass sich die Forschungsbereiche innerhalb der Ökonometrie mit der Zeit weiterentwickeln. Beispielsweise befassen sich einige Ökonometrikerinnen und Ökonometriker mit sogenannten Netzwerkdaten, die aus mehreren Knoten bestehen, die wiederum durch Kanten miteinander verbunden sind. Darüber hinaus verändert auch die immer größer werdende Leistungsfähigkeit der Computer die Ökonometrie, sodass beispielsweise Bayesianische Verfahren und Methoden der künstlichen Intelligenz oder des maschinellen Lernens zunehmend an Bedeutung gewinnen.

Ökonometrie an der UA Ruhr

Die Ökonometrie an der TU Dortmund ist sehr gut innerhalb der Universitätsallianz Ruhr (UA Ruhr) vernetzt. So besteht eine aktive und bereits langjährige Kooperation zu den Ökonometrie-Arbeitsgruppen an der Universität Duisburg-Essen, der Ruhr-Universität Bochum und der FernUniversität Hagen, in dessen Rahmen regelmäßig Workshops (UA Ruhr Econometrics Seminar) durchgeführt werden, auf denen Mitarbeiterinnen und Mitarbeiter der beteiligten Lehrstühle neue Forschungserkenntnisse vorstellen und diskutieren. Ebenso sind die Ökonometrie Lehrstühle an der Fakultät Statistik an der strukturierten Ausbildung von Doktorand*innen an der Ruhr Graduate School in Economics (RGS Econ) beteiligt.

Ökonometrie an der Fakultät Statistik: Studium

Auf Masterniveau ist die Fakultät Statistik federführend beim englischsprachigen Master Econometrics, welcher zusammen mit den wirtschaftswissenschaftlichen Fakultäten an allen drei UA Ruhr Standorten durchgeführt wird.

Auf Absolventinnen und Absolventen dieses Masterstudiengangs sowie des deutschsprachigen Masterstudiengangs Statistik mit Schwerpunkt „Ökonometrie“ warten spannende Karrieren in (Zentral-)Banken, Versicherungen, Unternehmensberatungen, großen Industrie- und Handelsbetrieben oder Wirtschaftsforschungsinstituten. Nicht zuletzt waren einige der bisherigen Nobelpreisträger für Wirtschaftswissenschaften ausgebildete Ökonometriker.

Ausgewählte Forschungsergebnisse im Bereich der Ökonometrie

  • Hoga, Y. and M. Demetrescu (2023) Monitoring Value-at-Risk and Expected Shortfall Forecasts; Management Science 69 (5), 2954–2971. DOI

  • Walsh, C. und Jentsch, C. (2023). Nearest Neighbor Matching: M-out-of-N Bootstrapping without Bias Corrections vs. the Naive Bootstrap. Erscheint in Econometrics and Statistics. DOI

  • Berrisch, J., Pappert, S., Ziel, F. und Arsova, A. (2022). Modeling volatility and dependence of European carbon and energy prices. Finance Research Letters 52, 103503. DOI.

  • Demetrescu, M., I. Georgiev, P. M. M. Rodrigues and A. M. R. Taylor (2022) Testing for Episodic Predictability in Stock Returns; Journal of Econometrics 227 (1), 85–113. DOI

  • Demetrescu, M., C. Hanck and R. Kruse-Becher (2022) Robust Inference under Time-Varying Volatility: A Real-Time Evaluation of Professional Forecasters; Journal of Applied Econometrics 37 (5), 1010–1030. DOI

  • Steinmetz, J. und Jentsch, C. (2022). Asymptotic Theory for Mack's Model. Insurance: Mathematics and Economics, 107, 223-268. DOI

  • Arsova, A. (2021). Exchange rate pass-through to import prices in Europe: a panel cointegration approach. Empirical Economics 61, 61-100. DOI.

  • Jentsch, C. und Lunsford, K. (2021). Asymptotically valid Bootstrap Inference for Proxy SVARs. Journal of Business & Economic Statistics 40, 4, 1876-1891. DOI

  • Arsova, A. und Karaman Örsal, D. D. (2020). A panel cointegrating rank test with structural breaks and cross-sectional dependence. Econometrics and Statistics 17, 107-129. DOI.

  • Jentsch, C. und Meyer, M. (2020). On the validity of Akaike's identity for random fields. Journal of Econometrics 222(1C), 676-687. DOI

  • Jentsch, C. und Lunsford, K. (2019). The Dynamic Effects of Personal and Corporate Income Tax Changes in the United States: Comment. American Economic Review 109(7), 2655-2678. DOI

  • Arsova, A. und Karaman Örsal, D. D. (2018). Likelihood-based panel cointegration test in the presence of a linear time trend and cross-sectional dependence. Econometric Reviews 37, 1033-1050. DOI.

  • Brüggemann, R., Jentsch, C., und Trenkler, C. (2016). Inference in VARs with Conditional Heteroskedasticity of Unknown Form. Journal of Econometrics 191, 69-85. DOI

  • Demetrescu, M. and U. Hassler (2016) (When) Do Long Autoregressions Account for Neglected Changes in Parameters? Econometric Theory 32 (6), 1317–1348. DOI

  • Breitung, J. and M. Demetrescu (2015) Instrumental Variable and Variable Addition Based Inference in Predictive Regressions; Journal of Econometrics 187 (1), 358–37. DOI

  • Jentsch, C., Paparoditis, E., und Politis, D. N. (2015). Block bootstrap theory for multivariate integrated and cointegrated time series. Journal of Time Series Analysis 36(3), 416-441. DOI

  • Jentsch, C. und Subba Rao, S. (2015). A test for second order stationarity of a multivariate time series. Journal of Econometrics 185(1), 124-161. DOI

  • Demetrescu, M., V. Kuzin and U. Hassler (2008) Long Memory Testing in the Time Domain; Econometric Theory 24 (1), 176–215. DOI

  • Demetrescu, M. (2007) Optimal Forecast Intervals Under Asymmetric Loss; Journal of Forecasting 26 (4), 227–238. DOI

  • Demetrescu, M., U. Hassler and A. I. Tarcolea (2006) Combining Significance of Correlated Statistics with Application to Panel Data; Oxford Bulletin of Economics and Statistics 68 (5), 647–63. DOI

Für einen umfassenden Überblick über unsere Forschung besuchen Sie bitte die Webseiten des Fachgebiets Ökonometrie, des Lehrstuhls für Ökonometrie und Statistik und des Lehrstuhls für Wirtschafts- und Sozialstatistik.

Zum Seitenanfang