@book{Ruge2009, author = {Ruge, Marcus}, title = {Modellierung von Stimmungen und Erwartungen in der deutschen Wirtschaft}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-29048}, publisher = {Universit{\"a}t Potsdam}, year = {2009}, abstract = {Gesch{\"a}ftsbeurteilungen und -Erwartungen sind bedeutende Einflussgr{\"o}ßen in der Wirtschaft. Vor allem durch die Ereignisse der Finanzkrise der letzten Monate nahm die Diskussion um den Einfluss solch psychologisch basierter Faktoren zu. Die schillernden Begriffe wie Beurteilungen oder Erwartungen m{\"u}ssen zun{\"a}chst quantifiziert werden, eine Aufgabe, die in der Regel von Forschungsinstituten wie Ifo, ZEW oder Eurostat {\"u}bernommen wird. Dieser Diskussionsbeitrag untersucht, welche M{\"o}glichkeiten bestehen, die aktuellen Beurteilungen und zuk{\"u}nftigen Erwartungen in der Wirtschaft zu messen und wie dies konkret realisiert wird. Die Arbeit umfasst eine Datenbeschreibung und eine weitergehende Datenanalyse, in der die Zusammenh{\"a}nge und Entwicklungen der einzelnen Zeitreihen untersucht werden. Eine der bedeutendsten Fragestellungen ist die Qualit{\"a}t und Reichwerte der Prognosekraft der Erwartungen f{\"u}r sp{\"a}tere Zeithorizonte. Ein internationaler Vergleich zwischen Deutschland und ausgew{\"a}hlten L{\"a}nder der Europ{\"a}ischen Union sollen einen {\"U}berblick {\"u}ber die gemeinsame Entwicklung verschaffen. Als statistische Methoden werden unter anderem Hauptkomponentenanalysen und Partial-Least-Squares-Modelle verwendet.}, language = {de} } @book{RugeStrohe2008, author = {Ruge, Marcus and Strohe, Hans Gerhard}, title = {Analyse von Erwartungen in der Volkswirtschaft mit Partial-Least-Squares-Modellen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-27010}, publisher = {Universit{\"a}t Potsdam}, year = {2008}, abstract = {Der statistische Diskussionbeitrag untersucht, ob und wie sich Erwartungen und Stimmungen in der Wirtschaft bilden bzw. von welchen volkswirtschaftlichen Gr{\"o}ßen sie abh{\"a}ngen. Als Methodik werden Partial Least Squares (PLS) Modelle genutzt, eine Modellklasse der Pfadanalyse mit latenten Variablen. Die verwendeten Daten wurden vom Ifo-Institut und aus der amtlichen Statistik entnommen.}, language = {de} } @phdthesis{Ruge2011, author = {Ruge, Marcus}, title = {Stimmungen und Erwartungen im System der M{\"a}rkte : eine Analyse mit DPLS-Modellen}, publisher = {Universit{\"a}tsverlag Potsdam}, address = {Potsdam}, isbn = {978-3-86956-142-4}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-52900}, school = {Universit{\"a}t Potsdam}, pages = {XIV, 254}, year = {2011}, abstract = {Diese Forschungsarbeit widmet sich der Analyse von Stimmungen und Erwartungen im System der M{\"a}rkte mit Dynamic Partial Least Squares (DPLS) Modellen. Die Analyse komplexer Systeme mit umfangreichen Datens{\"a}tzen und die Erkennung relevanter Muster erfordern die Verwendung moderner statistischer Verfahren. DPLS-Modelle, eine Variante der Strukturgleichungs-modelle mit Latenten Variablen, werden methodisch erweitert, um mehrere zeitliche Verz{\"o}gerungsstufen gleichzeitig modellieren zu k{\"o}nnen. Die {\"o}konometrischen Modelle versuchen, zahlreiche latente Einflussfaktoren und ihre verdeckten Beziehungen zu identifizieren. Als Daten werden rund 80 Indikatoren verwendet von Januar 1991 bis Juni 2010, um Stimmungen, Erwartungen und wirtschaftlich relevanten Gr{\"o}ßen zu operationalisieren und die Zusammenh{\"a}nge detailliert zu untersuchen. Die Modellergebnisse zeigen, dass Stimmungen, also die Einsch{\"a}tzung der aktuellen wirtschaftlichen Lage, deutlich mit wirtschaftlichen Gr{\"o}ßen zusammenh{\"a}ngen, unter anderem mit Investitionen, Auftragseing{\"a}ngen oder Aktienmarktentwicklungen. Die Erwartungen, also die Einsch{\"a}tzung der zuk{\"u}nftigen Entwicklung, bieten eine mittlere bis schwache Prognosekraft f{\"u}r sechs bis maximal achtzehn Monate in die Zukunft. F{\"u}r k{\"u}rzere Zeitr{\"a}ume von sechs Monaten sind Stimmungen und Erwartungen die besten verf{\"u}gbaren Prognosevariablen. Die Analyse der Modellabweichungen erlaubt R{\"u}ckschl{\"u}sse auf wirtschaftstheoretische Konzepte, wie Rationalit{\"a}t der Erwartungen. Auff{\"a}llig sind scheinbare Phasen der systematischen {\"U}ber- und Unterbewertungen der aktuellen Situation oder zuk{\"u}nftigen Entwicklung, insbesondere vor und nach Krisensituationen. Die Ergebnisse dieser Arbeit geben somit einen erweiterten Einblick in die empirischen Zusammenh{\"a}nge subjektiver Einsch{\"a}tzungen mit realen wirtschaftlichen Gr{\"o}ßen.}, language = {de} } @article{Ruge2011, author = {Ruge, Marcus}, title = {Prognosen mit dynamischen Strukturgleichungsmodellen}, series = {Beitr{\"a}ge zur sektoralen und regionalen {\"O}konomie}, journal = {Beitr{\"a}ge zur sektoralen und regionalen {\"O}konomie}, publisher = {Universit{\"a}tsverlag Potsdam}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-58502}, pages = {119 -- 126}, year = {2011}, abstract = {Die vorliegende Untersuchung gibt einen Ausblick auf Prognosem{\"o}glichkeiten mit dynamischen Strukturgleichungsmodellen. Die Analyse komplexer Systeme mit umfangreichen Datens{\"a}tzen und die Erkennung relevanter Muster erfordern die Verwendung moderner statistischer Verfahren. DPLS-Modelle, eine Variante der Strukturgleichungsmodelle mit Latenten Variablen, werden methodisch erweitert, um mehrere zeitliche Verz{\"o}gerungsstufen gleichzeitig modellieren zu k{\"o}nnen. Die Modelle versuchen, zahlreiche latente Einflussfaktoren und ihre Wechselwirkungen zu identifizieren. Als Daten werden rund 80 Indikatoren aus 20 Quellen verwendet, um Stimmungen, Erwartungen und wirtschaftlich relevanten Gr{\"o}ßen zu operationalisieren und zeitliche Prognosem{\"o}glichkeiten zu evaluieren. F{\"u}r k{\"u}rzere Zeitr{\"a}ume von sechs Monaten sind Stimmungen und Erwartungen die besten verf{\"u}gbaren Prognosevariablen. Dieser Beitrag ist entstanden im Rahmen eines Vortrages im gemeinsamen Forschungsseminar mit der Staatlichen Universit{\"a}t f{\"u}r Wirtschaft und Finanzen Sankt Petersburg Finec im Dezember 2010.}, language = {de} }