JOURNAL ARTICLE
Cite JOURNAL ARTICLE
Style
Format
Prognosen bei partieller Information
Journal of Contextual Economics – Schmollers Jahrbuch, Vol. 100 (1980), Iss. 1 : pp. 1–17
1 Citations (CrossRef)
Additional Information
Article Details
Menges, G.
Kofler, E.
Cited By
-
An interregional population-employment model for the Federal Republic of Germany: Methodology and forecasting results for the year 2000
Birg, H.
Papers of the Regional Science Association, Vol. 47 (1981), Iss. 1 P.97
https://doi.org/10.1007/BF02100298 [Citations: 4]
References
-
Blind, A. (1964), Das derzeitige Verhältnis zwischen Statistik und Nationalökonomie. In: Das Verhältnis der Wirtschaftswissenschaft zur Rechtswissenschaft, Soziologie und Statistik; Schriften des Vereins für Socialpolitik, N.F. Bd. 33, Berlin, S. 337 - 360.
Google Scholar -
Kofler, E. und G. Menges (1976), Entscheidungen bei unvollständiger Information. Springer-Verlag Berlin-Heidelberg- New York. - (1977 a), Stochastic linearisation of indeterminateness. Towards a theory of games and decisions under partial information. In: R. Henn und O. Moeschlin (ed.), Mathematical Economics and Game Theory. Essays in Honor of Oskar Morgenstern. Springer-Verlag, Berlin-Heidelberg-New York, pp. 53 - 63.
Google Scholar -
Kofler, E. und G. Menges (1977 b), Die Strukturierung von Unbestimmtheiten und eine Verallgemeinerung des Axiomensystems von Kolmogoroff für unbestimmte Wahrscheinlichkeiten. Statistische Hefte, 18. Jg., Nr. 4, S. 298 - 302.
Google Scholar -
Menges, G. (1966), Statistik und Wirtschaftsprognose. In: A. Blind (Hrg.), Umrisse einer Wirtschaftsstatistik. Festgabe für Paul Flaskämper zur 80. Wiederkehr seines Geburtstages. Hamburg, S. 50 - 71.
Google Scholar -
Menges, G. (1967), Ökonometrische Prognosen. Westdeutscher Verlag. Köln und Opladen.
Google Scholar -
Menges, G. (1974), Wie gut sind Prognosen? Mitteilungen aus der Arbeitsmarkt- und Berufsforschung. 7. Jg., Nr. 3, S. 242 - 250.
Google Scholar -
Menges, G. and E. Kofler (1978), Linear stochastic structuring ofindeterminate decision matrices. In: T. Bagiotti and G. Franco (ed.), Pioneering Economics. International Essays in Honour of Giovanni Demaria, Padova, pp. 691 - 699.
Google Scholar -
Wold, H. (1975), Soft modelling by latent variables: The non-linear iterative partial least squares (NIPALIS) approach. In: Perspectives in Probability and Statistics. J. Gami (ed.), New York, pp. 117 - 142
Google Scholar
Abstract
We devote ourselves to the practically very frequent cases in which forecastings have to be made on the basis of partial information. Partial information means that the forecasting probabilities are a) incomplete, b) imprecise (fuzzy) or c) not given in quantitative (cardinal) forms. The methodology of LPI (Linear Partial Information) allows for the utilization of any kind of information according to its degree of indeterminateness. The ever remaining gaps are filled by decisions; here the MaxE„in-Principle is applicable. The methodology is illustrated by some examples including a numerical one