sehe Analysen von Modellen des Konsumentenverhaltens, Berlin 1983. Zu den kausalen Prognoseverfahren zählen alle Methoden, die die Entwicklung der zu prognostizierenden Variablen (Zeitreihe) auf den Einfluß anderer, sog. exogener Variablen zurückführen und eine solche Kausalbeziehung zur Prognose ausnutzen. Die Kausalbeziehung zwischen zwei oder mehreren Zeitreihen kann nicht allein mit statistischen Hilfsmitteln, sondern nur auf Basis einer fachwissenschaftlichen Theorie festgestellt werden. So kann z.B. betriebswirtschaftlich erklärt werden, dass eine Werbekampagne den Absatz des beworbenen Produktes beeinflußt. Mit der statistischen Korrelationsrechnung ermittelt man nur das quantitative Ausmaß dieses Einflusses. Die wichtigsten kausalen Prognoseverfahren sind die Indikator-Methode und v. a. die multiple Regressionsprognose, mit der versucht wird, aus dem Datenmaterial die Regressionskoeffizienten bi (i = 0,1,.. .,n) der Regressionsgleichung yt = b0 + bixit + b2X2t + . .. + bnxnt + et (t=l...... T) yt = Wert der zu prognostizierenden Zeitreihe zum Zeitpunkt t Xit = Wert der i-ten kausalen Einflußgröße zum Zeitpunkt t et = Störvariable zum Zeitpunkt t zu schätzen. Sind die Werte der kausalen Va- riablen für einen zukünftigen Zeitpunkt bekannt, so läßt sich mit Hilfe der Regressionsgleichung der entsprechende Wert von y prognostizieren.
Literatur: Schneeweiß, H., Ökonometrie, 3. Aufl., Würzburg, Wien 1978.
Vorhergehender Fachbegriff: kausale Prognoseverfahren | Nächster Fachbegriff: Kausalexperiment
Diesen Artikel der Redaktion als fehlerhaft melden & zur Bearbeitung vormerken
|