Staff and
Department Search

Prof. Dr. Dietmar Bauer

Photo of the person Herr Prof. Dr. Dietmar Bauer - Opens the image in full size on a new page

Contact

1. Faculty of Business Administration and Economics / Lehrstuhl für Ökonometrie

Chair Holder

E-Mail
We recognized many requests on email addresses from your device. Please login to unlock the visibility: Login  
Homepage
Open
Phone
+49 521 106-4873  
Fax
+49 521 106- 6425 
Phone No. of Secretary
+49 521 106-6946 Secretary's Details
Office
UHG V9-120 Locations Map
Availability

nach Vereinbarung

 
Postbox
1734

Curriculum Vitae

Key stages of the appointment

since April 2014Chair of Econometrics
June 2005 - March 2014Senior Scientist at the Austrian Institute of Technology
June 1995 - May 2005University Assistant at the TU Vienna
Sept. 2003 - Aug 2004Post-doc at the Cowles Foundation, Yale, Connecticut, USA
January 2000 - July 2000Post-doc at the University of Linköping, Sweden
Sept. 1999 - Dec. 1999Post-doc at the University of Newcastle, Australia

Academic training

2007post-doctoral habilitation in econometrics, TU Vienna, Austria
1998Doctorate in Technical Mathematics, TU Vienna, Austria
1995Diploma in Technical Mathematics, TU Vienna, Austria

Publications

  • Author of more than 20 journal articles in the field of econometrics
  • Author of 16 journal articles in the field of transportation
  • Author of more than 50 conference and book contributions in econometrics and transportation

Most important publications:

  • 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.

A complete list can be found here.

Teaching

  • Numerous lectures in various fields of econometrics and statistics at four different institutes
  • Supervision of diploma students, master's theses and doctoral theses

Research projects

  • Successful submission and realisation of DFG, FWF and FFG research projects as well as co-formulation of successful applications at EU level

Prizes and awards

  • "Multa Scripsit Award" from Econometric Theory, 2013
  • Best paper awards UrbComp 2012 together with Jameson Toole, Marta Gonzalez (MIT, Cambridge, USA) and Michael Ulm (AIT)
  • Oskar Morgenstern Award of the IHS, Vienna, together with Martin Wagner (TU Dortmund)

Current research topics

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.