Auswirkungen Von Fehlern in Den Daten Auf Parameterschätzungen Und Prognosen [German]

Gr e und Komplexit t empirischer konometrischer Modelle haben in den letzten Jahrzehnten immer mehr zugenommen. Die Zuverl ssigkeit des zugrundeliegenden Datenmaterials hat sich dagegen kaum verbessert, und eine Fehlspezifizierung von Me fehlermodellen zur Schlie ung der L cke zwischen theoretischen konomischen Variablen und den verf gbaren Daten erscheint schon wegen der ungl cklichen Trennung zwischen Datenproduzenten und Datennutzern kaum vermeidbar. In dieser Arbeit werden die Auswirkungen solcher Fehlspezifizierungen auf Parametersch tzungen und Prognosen in Modellen wachsender Komplexit t bis hin zu nichtlinearen interdependenten dynamischen Modellen analysiert mit Hilfe von asymptotischen Aussagen und Monte-Carlo-Simulationen. F r ein makro konomisches Modell f r die BRD werden au erdem Methoden diskutiert zur Beschaffung von Informationen ber Art und Gr e von Me fehlern. Die Simulationsrechnungen basieren auf der Zuverl ssigkeit und Schnelligkeit des zugrundeliegenden numerischen Algorithmus zur Full-Information-Maximum-Likelihood-Sch tzung in nichtlinearen interdependenten Modellen. Darstellung und Diskussion eines f r diesen Zweck entwickelten Algorithmus (trust-region-Verfahren mit automatischer Skalierung) bilden den zweiten Schwerpunkt der Arbeit.