Maschinelles Lernen in der ökonomischen Forschung

Matthias Huber, Simone Schüller, Marc Stöckli and Klaus Wohlrabe

ifo Schnelldienst, 2018, vol. 71, issue 07, 50-53

Abstract: In der empirischen Wirtschaftsforschung steigt die Anzahl der Publikationen, die mit Methoden des maschinellen Lernens arbeiten. Dennoch scheint eine gewisse Skepsis zu bestehen. Ein Kritikpunkt ist, dass sich maschinelles Lernen zwar für Vorhersagen eignet, aber keine kausalen Zusammenhänge identifizieren kann. In den vergangenen Jahren hat sich die Forschung jedoch verstärkt mit diesem Problem auseinandergesetzt, und es wurden zahlreiche Fortschritte erzielt. Maschinelles Lernen hat daher das Potenzial, in Zukunft in der Wirtschaftsforschung an Bedeutung zu gewinnen.

Keywords: Wirtschaftsinformatik; Prognoseverfahren; Algorithmus (search for similar items in EconPapers)
JEL-codes: C10 (search for similar items in EconPapers)
Date: 2018
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.ifo.de/DocDL/sd-2018-07-huber-etal-mas ... ernen-2018-04-12.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ces:ifosdt:v:71:y:2018:i:07:p:50-53

Access Statistics for this article

ifo Schnelldienst is currently edited by Marga Jennewein

More articles in ifo Schnelldienst from ifo Institute - Leibniz Institute for Economic Research at the University of Munich Contact information at EDIRC.
Bibliographic data for series maintained by Klaus Wohlrabe ().