Neben Prognosen der Gesamtzahl der sozialversicherungspflichtig Beschäftigten besteht ein großer Bedarf an Prognosen auf regionaler Ebene für die unterschiedlichen Berufsfelder.

In dieser Arbeit werden Prognosen für sämtliche Arbeitsagenturbezirke für die Jahre von 2011 bis 2015 erstellt, wobei eine neue Berufsgruppierung konzipiert und verwendet wird.

Für den daraus resultierenden Grad an Disaggregation entstehen ca. 45.000 Berufe-Regionen-Kombinationen.

In der Dissertation werden geeignete Prognosemethoden bzw. -modelle identifiziert und bezüglich ihrer Prognosetauglichkeit verglichen.

Zum Einsatz kommen moderne parametrische und nichtparametrische Paneldatenmethoden sowie Innovation-State-Space-Ansätze.

Um die Prognosequalität abzuschätzen, werden artifizielle Out-of-Sample-Prognosen für die konkurrierenden Methoden und naive Benchmarks erstellt und verglichen.

Bei der Auswahl der Spezifikation der parametrischen Paneldatenmodelle zeigt sich, dass Modellselektionskriterien, die auf der Anpassungsgüte beruhen, nicht die Spezifikation wählen, deren Prognosegüte am besten ist.

Ebenso wenig überraschend ist das Ergebnis, dass die Prognosegenauigkeit mit dem Grad an Disaggregation und dem Prognosehorizont abnimmt.

Neben dem Vergleich der Kriterien zur Abschätzung der Prognosegüte werden Boxplots der Prognosefehler erstellt. Diese zeigen deutlich, dass automatisch generierte Prognosen zu mitunter sehr großen Fehlern führen können. Um den potentiellen Nutzern der Prognosen diese Unsicherheit vor Augen zu führen, werden Prognoseintervalle berechnet.