Willkommen auf der Webseite des Zentrums für empirische Studien (CEST): Datenanalyse und Modellierung in den Sozial-, Wirtschafts- und Geisteswissenschaften.
Das Zentrum für empirische Studien ist eine Forschungsinitiative zur Vernetzung von empirisch und methodisch arbeitenden Forschergruppen unterschiedlicher Fakultäten. Methodische Herausforderungen wie die Modellierung unbeobachtbarer Heterogenität oder die Messung latenter Eigenschaften kehren in ähnlicher Form u.a. in wirtschaftswissenschaftlichen, soziologischen und psychologischen Problemstellungen wieder. Die Zielsetzung des Zentrums für empirische Studien ist es deshalb, mithilfe neuer methodischer Entwicklungen die Aussagekraft von komplexen empirischen Studien zu verbessern. Die Initiative ist in drei interagierende Bereiche aufgeteilt:
|
Statistical Learning, Data Mining & Knowledge DiscoveryGenerelles Ziel des Data Minings bzw. der Knowledge Discovery ist es, mit Hilfe datenverarbeitungsgesteuerter Verfahren und Algorithmen aus vorliegenden Datenbeständen spezifische Zusammenhänge zu untersuchen und aufzudecken. Die Methoden basieren auf Lösungsansätzen des maschinellen Lernens und der künstlichen Intelligenz und stellen zum Teil Weiterentwicklungen klassischer multivariater statistischer Verfahren dar. Die Forschungsrichtung hat sich aus der Interaktion von Informatikern und Statistikern entwickelt und ist daher prädestiniert für Kooperationen dieser Fachrichtungen. Wichtige Anwendungsbereiche, die in den Projekten vertreten sind, betreffen die Modellierung von Risiken und Entscheidungen. |
|
Messung und EvaluationViele bei der Messung und Evaluation wirtschaftlicher und sozialer Phänomene relevante Größen, wie individuelle Konsumausgaben oder die Leistungsfähigkeit, können nur unpräzise und mit einem beträchtlichen Fehler erfasst werden. Die Datengewinnung selbst stellt oftmals einen sozialen Prozess dar, der zu deutlichen Datenungenauigkeiten (etwas durch Antworteffekte) führt. Es sollen solche Verzerrungsmechanismen verstanden werden, Techniken zur ihrer Reduktion entwickelt werden und Verfahren der Datenanalyse gewonnen und angewendet werden, die der komplexen Natur wirtschafts- und sozialwissenschaftlicher Daten adäquat gerecht werden. |
|
Dynamische ModellierungEine besondere methodische Herausforderung stellt die Modellierung zeitabhängiger Datenstrukturen dar. Im Vordergrund steht hier die Erfassung der Dynamik zeitabhängiger Prozesse und die darauf aufbauende Prognose. Anwendungensgebiete reichen von der dynamischen Modellierung finanz- und realwirtschaftlicher Interaktionen bis zur Chronobiologie des Menschen. |
