Modellierung der seriellen Abhängigkeit in Zähldaten-Zeitreihen

• Applicant: Professor Dr. Robert C. Jung
• Subject Area: Statistics and Econometrics
• Term: from 2008 to 2012
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 98444884

Zeitreihendaten mit Zähldatencharakter spielen in vielen Anwendungsbereichen eine Rolle. Als Beispiele seien etwa genannt die Fallzahlen seltener Krankheiten pro Tag oder Monat; die Anzahl von Zugriffen auf eine Internetseite pro Tag; die Anzahl von Transaktionen für ein bestimmtes Gut (z.B. Wertpapier) auf einer Handelsplattform pro Stunde. Bei der empirischen Analyse dieser Daten, die typischerweise kleine Merkmalsausprägungen besitzen, ist deren besonderer Charakter zu beachten. Neben der Ganzzahligkeit und der Nichtnegativität der Beobachtungen spielt insbesondere die adäquate Modellierung der Abhängigkeitsstruktur eine große Rolle. In der statistischen Literatur wurden hierzu eine Vielzahl von unterschiedlichen Vorschlägen unterbreitet. Bisher konnte sich jedoch kein Standardansatz herausbilden. Allerdings haben sich im Verlauf der letzten Jahre eine Vielzahl von Veröffentlichungen mit einer Modellklasse beschäftigt, die eng an die stetigen Autoregressiven Moving-Average-Modelle angelehnt ist: die ganzzahligen Modelle mit serieller Abhängigkeit. Ziel dieses Projekts ist es, die Möglichkeiten und Grenzen dieser Modellklasse in der empirischen Anwendung auf Zähldaten- Zeitreihen mit kleinen Merkmalsausprägungen aufzuzeigen. Dabei sollen Lösungsvorschläge für wichtige offenen Fragen unterbreitet werden: wie kann überproportionale Streuung in den Daten adäquat modelliert werden; wie kann eine serielle Korrelation in den Daten, die Modelle höherer Ordnung als eins verlangen, in diesem Rahmen behandelt werden und wie können die verschiedenen Modellvarianten auf Basis objektiver Kriterien miteinander verglichen werden.

• DFG Programme: Research Grants
• International Connection: United Kingdom
• Participating Person: Professor Andrew R. Tremayne