BEGIN:VCALENDAR VERSION:2.0 PRODID:-//Vrije Universiteit Amsterdam//NONSGML v1.0//EN NAME:Promotie G.B. Banava METHOD:PUBLISH BEGIN:VEVENT DTSTART:20260511T134500 DTEND:20260511T151500 DTSTAMP:20260511T134500 UID:2026/promotie-g-b-banava@8F96275E-9F55-4B3F-A143-836282E12573 CREATED:20260512T205201 LOCATION:(1e verdieping) Auditorium, Hoofdgebouw De Boelelaan 1105 1081 HV Amsterdam SUMMARY:Promotie G.B. Banava X-ALT-DESC;FMTTYPE=text/html:

Targeted Estimation in Heterogeneous Panel Data Models

Nauwkeuriger voorspel len door te leren van vergelijkbare eenheden

Datawete nschapper Georgia Banava onderzocht hoe statistische voorspellingen v oor specifieke eenheden, zoals een enkel land of een specifieke regio , verbeterd kunnen worden. Waar standaard econometrische modellen vaa k een gemiddeld effect over alle beschikbare data berekenen, ontwikke lde Banava drie nieuwe methoden die zich juist richten op één speci fieke eenheid. Hiermee wordt het bijvoorbeeld mogelijk om heel gerich t het bbp van Nederland te voorspellen, zonder de waardevolle data va n 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 schatting en. In plaats van elke eenheid apart te analyseren of alles simpelweg te middelen, maken haar methoden optimaal gebruik van alle informati e terwijl ze goed rekening houden met onderlinge verschillen. Deze aa npak biedt grote voordelen voor de praktijk: zo kunnen ziekenhuizen d e effectiviteit van behandelingen per patiëntgroep beter evalueren, en kunnen kleinere regio's met beperkte data toch betrouwbare voorspe llingen doen over werkloosheid of economische groei door te leren van vergelijkbare regio's.

Meer informatie over het proefschri ft

DESCRIPTION:

Nauwkeuriger voorspellen door te leren van ve rgelijkbare eenheden

Datawetenschapper Georgia Banava o nderzocht hoe statistische voorspellingen voor specifieke eenheden, z oals een enkel land of een specifieke regio, verbeterd kunnen worden. Waar standaard econometrische modellen vaak een gemiddeld effect ove r alle beschikbare data berekenen, ontwikkelde Banava drie nieuwe met hoden die zich juist richten op één specifieke eenheid. Hiermee wor dt het bijvoorbeeld mogelijk om heel gericht het bbp van Nederland te voorspellen, zonder de waardevolle data van de rest van Europa onben ut te laten. Het onderzoek van Banava toont aan dat het 'lenen' van i nformatie van vergelijkbare eenheden leidt tot veel betrouwbaardere, nauwkeurigere en stabielere schattingen. In plaats van elke eenheid a part te analyseren of alles simpelweg te middelen, maken haar methode n optimaal gebruik van alle informatie terwijl ze goed rekening houde n met onderlinge verschillen. Deze aanpak biedt grote voordelen voor de praktijk: zo kunnen ziekenhuizen de effectiviteit van behandelinge n per patiëntgroep beter evalueren, en kunnen kleinere regio's met b eperkte data toch betrouwbare voorspellingen doen over werkloosheid o f economische groei door te leren van vergelijkbare regio's. Meer inf ormatie over het proefschrift Targeted Estimation in Heteroge neous Panel Data Models END:VEVENT END:VCALENDAR