Targeted Estimation in Heterogeneous Panel Data Models
Nauwkeuriger voorspellen door te leren van vergelijkbare eenheden
Datawetenschapper Georgia Banava onderzocht hoe statistische voorspellingen voor specifieke eenheden, zoals een enkel land of een specifieke regio, verbeterd kunnen worden. Waar standaard econometrische modellen vaak een gemiddeld effect over alle beschikbare data berekenen, ontwikkelde Banava drie nieuwe methoden die zich juist richten op één specifieke eenheid. Hiermee wordt het bijvoorbeeld mogelijk om heel gericht het bbp van Nederland te voorspellen, zonder de waardevolle data van de rest van Europa onbenut te laten.
Het onderzoek van Banava toont aan dat het 'lenen' van informatie van vergelijkbare eenheden leidt tot veel betrouwbaardere, nauwkeurigere en stabielere schattingen. In plaats van elke eenheid apart te analyseren of alles simpelweg te middelen, maken haar methoden optimaal gebruik van alle informatie terwijl ze goed rekening houden met onderlinge verschillen. Deze aanpak biedt grote voordelen voor de praktijk: zo kunnen ziekenhuizen de effectiviteit van behandelingen per patiëntgroep beter evalueren, en kunnen kleinere regio's met beperkte data toch betrouwbare voorspellingen doen over werkloosheid of economische groei door te leren van vergelijkbare regio's.
Meer informatie over het proefschrift
