Metrische Regressoren in exponentiellen Glättungsmodellen - Bell, Michael
Marktplatzangebote
Gebraucht bestellen
Ein Angebot für € 76,80 €
  • Broschiertes Buch

Die exponentielle Glättung ist ein Prognoseverfahren, das sich bei der Erstellung von Absatzprognosen in Unternehmen großer Beliebtheit erfreut. Gegenüber anderen statistischen Prognoseverfahren weist sie den Vorteil auf, daß die Grundideen und Eigenschaften der Modelle erheblich geringere mathematische und statistische Kenntnisse des Anwenders voraussetzen als beispielsweise Strukturkomponenten-, Kausal- und ARIMA-Modelle. Allerdings haben sie einen wesentlichen Nachteil: Für die Erstellung von Absatzprognosen in Unternehmen ist es oftmals nicht ausreichend, lediglich die historischen…mehr

Produktbeschreibung
Die exponentielle Glättung ist ein Prognoseverfahren, das sich bei der Erstellung von Absatzprognosen in Unternehmen großer Beliebtheit erfreut. Gegenüber anderen statistischen Prognoseverfahren weist sie den Vorteil auf, daß die Grundideen und Eigenschaften der Modelle erheblich geringere mathematische und statistische Kenntnisse des Anwenders voraussetzen als beispielsweise Strukturkomponenten-, Kausal- und ARIMA-Modelle. Allerdings haben sie einen wesentlichen Nachteil: Für die Erstellung von Absatzprognosen in Unternehmen ist es oftmals nicht ausreichend, lediglich die historischen Absatzdaten als Datengrundlage heranzuziehen. Neben den in der Zeitreihe vorhandenen Komponenten wie Trend und Saisonalität lassen sich oft weitere Faktoren, wie beispielsweise Werbeausgaben, finden, welche die zukünftige Absatzentwicklung erheblich beeinflussen. Bisher ist es aber nicht möglich, in exponentiellen Glättungsmodellen der Pegels/Gardner-Klassifikation Informationen in Form metrisch skalierter Regressoren einzubetten. Die vorliegende Arbeit schließt diese Lücke, indem sie metrische Regressoren als weitere Komponenten in die Glättungsmodelle unter Beibehaltung der Grundprinzipien der exponentiellen Glättung aufnimmt. Die Vorteile der bisher bekannten exponentiellen Glättungsmodelle, die zu ihrer starken Verbreitung in der Praxis führten, sind auch für die um Regressorkomponenten erweiterten Modelle relevant. Eine empirische Untersuchung an 16 Zeitreihen, die aus der gängigen Literatur zur Prognostik, Zeitreihenanalyse und Ökonometrie zusammengetragen wurden, zeigt, daß sich die Prognosegüte gegenüber Glättungsmodellen ohne Regressorkomponenten sowie dynamischen Regressionsmodellen teilweise erheblich verbessern läßt.
Autorenporträt
Michael Bell wurde am 2.3.1970 in London (England) geboren. Von 1990 bis 1991 studierte er Economics an der University of Leeds, bevor er 1992 an die Katholische Universität Eichstätt-Ingolstadt wechselte, um hier Betriebswirtschaftslehre mit den Schwerpunkten Produktionswirtschaft, Wirtschaftsinformatik und Statistik zu belegen. Nach seinem Abschluß als Diplom-Kaufmann 1997 arbeitete er als wissenschaftlicher Mitarbeiter an der Katholischen Universität Eichstätt-Ingolstadt am Lehrstuhl für Statistik und Quantitative Methoden bei Prof. Dr. U. Küsters, wo er sich mit der optimalen Kombination von Prognoseverfahren mit Hilfe regelbasierter Expertensysteme, der Evaluation von kommerziellen Prognosesystemen sowie exponentiellen Glättungsmodellen beschäftigte. Die Promotion zum Dr. rer. pol. schloß er im Februar 2003 ab.