Methoden, die die Entwicklung der zu prognostizierenden Variablen (Zeitreihe) auf den Einfluss anderer, sog. exogener Variablen zurückführen, wobei sie die gefundene Kausalbeziehung zur Prognose ausnutzen. Die Kausalbeziehung zwischen zwei oder mehreren Zeitreihen kann nicht mit statistischen Hilfsmitteln, sondern nur mit einer fachwissenschaftlichen Theorie festgestellt werden. So kann z.B. betriebswirtschaftlich bzw. verhaltenswissenschaftlich erklärt werden, dass eine Werbekampagne den Absatz eines beworbenen Produktes beeinflusst. Mit der statistischen Korrelationsanalyse ermittelt man nur das quantitative Ausmass dieses Einflusses. Die wichtigsten kausalen Prognoseverfahren sind die Indikator-Methode und vor allem die multiple Regressionsanalyse, mit der versucht wird, aus dem Datenmaterial die Regressionskoeffizienten bi (i = 0, 1, ... n) der Regressionsgleichung zu schätzen. (t=l, • •T) Dabei bedeuten: yt = Wert der zu prognostizierenden Zeitreihe zum Zeitpunkt t xit = Wert der i-ten kausalen Zeitreihe zum Zeitpunkt t ut = Störvariable zum Zeitpunkt t Sind die Werte der kausalen Variablen für einen zukünftigen Zeitpunkt bekannt, so lässt sich mit Hilfe der Regressionsgleichung der entsprechende Wert von y prognostizieren.
Vorhergehender Fachbegriff: Kausalbeziehung | Nächster Fachbegriff: KausalePrognoseverfahren
Diesen Artikel der Redaktion als fehlerhaft melden & zur Bearbeitung vormerken
|