Hochdimensionales statistisches Lernen: Neue Methoden für Wirtschafts- und Nachhaltigkeitspolitik

  • Dobernig, Karin (Projektleitung)
  • Kastner, Gregor (Projektleitung)
  • Hirk, Rainer (Forscher*in)
  • Vana Gür, Laura (Forscher*in)

Projektdetails

Geldgeber*innen

ÖAW Österreichische Akademie der Wissenschaften

FWF

Beschreibung

Vorrangiges Ziel dieses Projekts ist die Entwicklung und Anwendung von innovativen und zukunftsweisenden Methoden zur Analyse von komplexen beziehungsweise schwach strukturierten Daten. Dafür wird untersucht, wie die bislang weitgehend unverbundenen Forschungsfelder Bayesianischen Ökonometrie, Statistical Model Checking und Machine Learning effektiv kombiniert und integriert werden können. Dabei wird besonderes Augenmerk auf die korrekte Quantifizierung der mit der Analyse verbundenen Unsicherheit gelegt; ein Aspekt, der in traditionellen Zugängen von Machine Learning oftmals unbeachtet bleibt. Diese konzentrieren sich nämlich weitgehend (und oftmals ausschließlich) auf die Generierung von Punktschätzungen von Kerngrößen, die in dem jeweiligen Kontext von Interesse sind. Im Gegenzug dazu werden in der Bayesianischen Ökonometrie typischerweise Algorithmen entworfen, die Rückschlüsse auf die gesamte Verteilung der geschätzten Kerngrößen zulassen. Dadurch werden auch probabilistische Vorhersagen möglich.
Das Projekt liefert zwei wesentliche Beiträge. Aus methodischer Perspektive werden modernste statistische Methoden sowie Algorithmen entwickelt und implemementiert. Darüber hinaus werden aktuelle Fragen im Kontext von Wirtschafts- und Nachhaltigkeitspolitik in vier empirischen Fallstudien untersucht, etwa: Wie hängt konjunkturelle Unsicherheit mit Einkommensungleichheit zusammen? Welche Zusammenhänge bestehen zwischen Klimaemissionen und Wirtschaftswachstum? Welche Rolle spielen Tweets für die Preisentwicklung von Kryptowährungen? Welche stadtpolitischen Maßnahmen sind wirkungsvoll, um urbane Mobilität nachhaltiger zu machen? Durch diese Anwendungsfälle soll aufgezeigt werden, wie Data Science für gesellschaftspolitisch relevante Thematiken sinnvoll eingesetzt werden kann.
StatusAbgeschlossen
Tatsächlicher Beginn/ -es Ende1/08/1931/07/23

Projektpartner

  • WU Wirtschaftsuniversität Wien (Leitung)
  • Paris Lodron Universität Salzburg (Projektpartner*in)
  • Technische Universität Wien (Projektpartner*in)
  • Austrian Institute for Economic Research (Projektpartner*in)