Promotie Sofia Borodich Suarez

Trefwoorden: Tijdreeksvoorspelling, Panelgegevensmodellering, Big data-clustering

"Essays in Econometrics: Nonlinear Panel Data, Time Series and Clustering"

Dit doctoraatsonderzoek richt zich op het verbeteren van de manier waarop economen en datawetenschappers complexe gegevens analyseren en interpreteren. Het ontwikkelt nieuwe statistische methoden die het gemakkelijker maken om betrouwbare conclusies te trekken bij het bestuderen van mensen, bedrijven of landen in de loop van de tijd, het voorspellen van economische activiteit en het identificeren van patronen in grote datasets.

Het eerste deel verfijnt de manier waarop onderzoekers oorzaak-gevolgrelaties meten in modellen die niet-waargenomen individuele kenmerken bevatten, waardoor fouten worden verminderd die vaak voorkomen wanneer steekproeven klein of onevenwichtig zijn. Het tweede hoofdstuk breidt dit werk uit naar situaties waarin beslissingen in de loop van de tijd veranderen, waardoor een duidelijker inzicht wordt verkregen in evoluerend gedrag. Het derde deel presenteert een nieuwe methode voor het voorspellen van de industriële productie door langetermijntrends te scheiden van seizoensgebonden bewegingen, wat leidt tot nauwkeurigere voorspellingen. Het laatste hoofdstuk introduceert een verbeterd algoritme voor het groeperen van datasets die verschillende soorten variabelen bevatten.

Samen versterken deze bijdragen de nauwkeurigheid, transparantie en betrouwbaarheid van moderne economische analyse.

Klik hier voor de livestream.