Die Menge an sozioökonomischen Daten nimmt in den letzten Jahren deutlich zu. Gleichzeitig werden diese immer komplexer. Nimmt man unter die Lupe, welche Daten für Entscheidungsträgern aufbereitet werden, erkennt man: Die ständig wachsende Datenmenge wird bei weitem nicht voll ausgeschöpft. Ein Team von Forschern aus den Bereichen Statistik, maschinelles Lernen, Ökonomik, Sozialwissenschaften und Informatik versucht mit neuen Methoden zu besseren Schlussfolgerungen aus den Daten zu gelangen.
„Wir brauchen innovative und leistungsstarke Werkzeuge für die Analyse von großen Datenmengen in den Wirtschafts- und Sozialwissenschaften“, stellt Gregor Kastner, Koordinator des Projekts mit dem Titel „Hochdimensionales statistisches Lernen: Neue Methoden für Wirtschafts- und Nachhaltigkeitspolitik“ fest. Er hat 2020 an das Institut für Statistik der Universität Klagenfurt gewechselt und führt das Projekt hier fort. Das Team möchte mit den neuen Methoden komplexe Datensätze analysieren, die Situationen umfassen, in denen entweder die Anzahl der Beobachtungen, die Anzahl der potenziellen Zeitreihen und/oder die Anzahl der enthaltenen Variablen groß ist. Damit will man auf Basis der sozioökonomischen Daten Antworten auf Fragen wie diese finden:
- Wie wirken sich wirtschaftliche Unsicherheiten auf die Einkommensungleichheit aus?
- Welche Beziehungen bestehen zwischen Treibhausgasemissionen und makroökonomischen Indikatoren?
- Welche Rolle spielen Tweets bei der Entwicklung der Preise von Kryptowährungen?
- Welche politischen Maßnahmen sind am wirksamsten, um nachhaltige städtische Mobilitätsangebote zu fördern?
Gregor Kastner erklärt weiter: „Da politische Entscheidungsträger*innen in der Regel daran interessiert sind, ihre Politik quantitativ zu bewerten, sind robuste ökonometrische Instrumente für Vorhersagen und Simulationen von entscheidender Bedeutung.“ Angesichts der zunehmenden Komplexität der Wirtschaft müssen jedoch große Informationsmengen genutzt werden, um die zugrunde liegenden Kausalstrukturen angemessen wiederherzustellen und ein umfassendes Bild der potenziellen Übertragungskanäle politischer Interventionen zu erhalten. Die im Projekt entwickelten neuen Methoden, die unter anderem auf Bayes’schen Statistiken beruhen, sollen letztlich bessere Entscheidungsgrundlagen generieren können.