Personen- und Einrichtungssuche

Herr Prof. Dr. Dietmar Bauer

Bild der Person Herr Prof. Dr. Dietmar Bauer - Öffnet das Bild in voller Größe auf einer neuen Seite

Kontakt

1. Fakultät für Wirtschaftswissenschaften / Lehrstuhl für Ökonometrie

Lehrstuhlinhaber

E-Mail
Dietmar.Bauer@uni-bielefeld.de  
Homepage
Öffnen
Telefon
+49 521 106-4873  
Fax
+49 521 106- 6425 
Telefon Sekretariat
+49 521 106-6946 Sekretariat zeigen
Büro
UHG V9-120 Lage-/Raumplan
Erreichbarkeit

nach Vereinbarung

 
Briefkasten
1734

Curriculum Vitae

Wesentliche Stufen des beruflichen Werdeganges

seit April 2014 Lehrstuhl für Ökonometrie
Juni 2005 - März 2014 Senior Scientist am Austrian Institute of Technology
Juni 1995 - Mai 2005 Assistent an der TU Wien
Sept. 2003 - Aug 2004 Post-Doc an der Cowles Foundation, Yale, Connecticut, USA
Jänner 2000 - Juli 2000 Post-Doc an der Universität Linköping, Schweden
Sept. 1999 - Dez. 1999 Post-Doc an der Universität Newcastle, Australien

Akademische Ausbildung

2007 Habilitation in Ökonometrie, TU Wien, Österreich
1998 Doktorat in technischer Mathematik, TU Wien, Österreich
1995 Diplom in technischer Mathematik, TU Wien, Österreich

Publikationen

  • Autor mehr als 20 Journal-Artikeln aus dem Bereich Ökonometrie
  • Autor von 16 Journal-Artikeln im Bereich Transportation
  • Autor von mehr als 50 Konferenz- und Buchbeiträgen aus Ökonometrie und Transportation

Wichtigste Publikationen:

  • B¨uscher, S., Bauer, D. (2024). Weighting strategies for pairwise composite marginal likelihood estimation in case of unbalanced panels and unaccounted autoregressive structure of the errors. Transportation Research Part B: Methodological, 181, 102890.
  • Bauer, D., Buschmeier, R. (2021). Asymptotic Properties of Estimators for Seasonally Cointegrated State Space Models Obtained Using the CVA Subspace Method. Entropy, 23, 436.
  • Batram, M., Bauer, D. (2018). On consistency of the MACML approach to discrete choice modelling. Journal of Choice Modelling, 30, 1--16.
  • Bauer D. (2006): Comparing the CCA subspace method to pseudo maximum likelihood methods in the case of no exogenous inputs. Journal of Time Series Analysis 26(5), 631-668.
  • Bauer D. (2005): Estimating linear dynamical systems using subspace methods. Econometric Theory 21, 181-211.
  • Bauer D. and Wagner M. (2002): Estimating Cointegrated Systems using Subspace Algorithms, Journal of Econometrics, 111, p. 47-84
  • Tulic, M., Bauer, D., Scherrer, W. (2014) Link and route travel time prediction including the corresponding reliability in an urban network based on taxi floating car data. Accepted for publication in Transportation Research Records.

Eine vollständige Liste findet sich hier.

Lehre

  • zahlreiche Vorlesungen aus verschiedenen Gebieten der Ökonometrie und Statistik an vier verschiedenen Instituten
  • Betreuung von Diplomanden, Masterarbeiten und Dissertationen

Forschungsprojekte

  • Erfolgreiche Einreichung und Durchführung von Forschungsprojekten der DFG, des FWF, der FFG sowie Mitformulierung erfolgreicher Anträge auf EU-Ebene

Preise und Auszeichnungen

  • "Multa Scripsit Award" von Econometric Theory, 2013
  • best paper awards UrbComp 2012 gemeinsam mit Jameson Toole, Marta Gonzalez (MIT, Cambridge, USA) und Michael Ulm (AIT)
  • Oskar Morgenstern Award des IHS, Wien, gemeinsam mit Martin Wagner (TU Dortmund)

Aktuelle Forschungsthemen

Meine aktuellen Forschungsthemen können in drei Themenbereiche gegliedert werden:

1. Zeitreihenanalyse
Zeitreihen bezeichnen Datensätze, die entlang einer Zeitachse geordnet werden können. Oft liegen die Daten in regelmäßigen Abständen vorm etwa Tages-, Monats- oder Quartalsdaten. Für das Verstehen der Daten sowie für deren Prognose kommen sogenannte dynamische Modelle zur Anwendung. Die einfachste Form solcher dynamischer Modelle sind autoregressive Modelle, die die Zukunft als gewichtetes Mittel von vergangenen Beobachtungen prognostizieren.

Eine Verallgemeinerung von autoregressiven Modellen sind lineare dynamische Modelle, welche in Form von sogenannten ARMA (autoregressive moving average) oder den äquivalenten Zustandsraummodellen angegeben werden.

Für diese Klasse an Modellen stehen verschiedene Schätzmethoden zur Verfügung, wobei die sogenannten Subspace-Verfahren eine relativ neue und numerisch und konzeptionell einfache Methodik zur Verfügung stellen. Speziell für sogenannte integriert und saisonal integrierte Prozesse aber auch für hochdimensionale Prozesse sind deren Eigenschaften nicht hinreichend erforscht.

2. Diskrete Wahlmodelle
Diskrete Wahlmodelle bezeichnen Modelle, die zur Repräsentation der Auswahl einer aus endlich vielen Möglichkeiten zur Anwendung kommen. Typische Anwendungen bilden etwa die Modellierung der Produktwahl oder die Verkehrsmittelwahl.

Dieser Forschungsschwerpunkt untersucht neue Methoden zur Schätzung sogenannter Probit-Modelle sowie deren Anwendung auf die Verkehrsmittelwahl. Für diese Klasse an Methoden existieren verschiedene Ansätze zur Schätzung und Spezifikation, die sich allesamt durch einen hohen Rechenaufwand insbesondere bei Paneldatensätzen auszeichnen, die in diesem Bereich vorherrschend verwendet werden.

Unsere Forschung in diesem Bereich fokussiert daher auf einer Untersuchung des Tradeoffs zwischen Genauigkeit und Rechenaufwand sowie auf die Beschleunigung von existierenden Methoden. Ein vielversprechender Ansatz in dieser Hinsicht ist die MACML Methode von Chandra Bhat, deren Eigenschaften noch ungenügend analysiert wurden.