{"id":107532,"date":"2018-02-26T11:00:11","date_gmt":"2018-02-26T11:00:11","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/2018\/02\/bachmann-indergand-03-2018fr\/"},"modified":"2023-08-23T23:03:39","modified_gmt":"2023-08-23T21:03:39","slug":"bachmann-indergand-03-2018","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/de\/2018\/02\/bachmann-indergand-03-2018\/","title":{"rendered":"Quartalssch\u00e4tzung verk\u00fcrzt das Warten auf die BIP-Zahlen"},"content":{"rendered":"<p>Eine fr\u00fchzeitige und pr\u00e4zise Einsch\u00e4tzung der Konjunkturlage hilft Firmen, Staat und Privatpersonen dabei, wirtschaftliche Entwicklungen rechtzeitig zu erkennen. Dazu sind Daten notwendig, die m\u00f6glichst zeitnah und in hoher Frequenz zur Verf\u00fcgung stehen und international vergleichbar sind. Die darauf basierenden Lagebeurteilungen und Prognosen sind f\u00fcr die Wirtschafts- und Geldpolitik sowie f\u00fcr die Finanzplanung des Bundes unverzichtbar.&#13;<br \/>\n&#13;<br \/>\nZentrale Kennzahlen sind das Bruttoinlandprodukt (BIP) und seine Komponenten. Weil die Berechnung des BIP anspruchsvoll ist und eine sehr breite Datengrundlage erfordert, besteht jedoch ein Zielkonflikt zwischen rascher Verf\u00fcgbarkeit und hoher Genauigkeit. So liegt die erste Berechnung des j\u00e4hrlichen BIP durch das Bundesamt f\u00fcr Statistik (BFS) jeweils erst im August des Folgejahres vor. Die Verz\u00f6gerung ergibt sich aus den hohen Erfordernissen an Daten, welche zuerst landesweit erhoben werden m\u00fcssen.&#13;<br \/>\n&#13;<br \/>\nDemgegen\u00fcber f\u00fchrt das Staatssekretariat f\u00fcr Wirtschaft (Seco) vier Mal pro Jahr eine BIP-Quartalssch\u00e4tzung durch. Einerseits werden dadurch unterj\u00e4hrige Informationen zum BIP und anderen Gr\u00f6ssen der Volkswirtschaftlichen Gesamtrechnung (VGR) verf\u00fcgbar, und andererseits gibt die Quartalssch\u00e4tzung wesentlich fr\u00fcher Auskunft \u00fcber die laufende Entwicklung. Die Zahlen werden rund zwei Monate nach Quartalsende ver\u00f6ffentlicht \u2013 beispielsweise erscheint die Sch\u00e4tzung f\u00fcr das BIP des vierten Quartals jeweils Ende Februar oder Anfang M\u00e4rz. Damit stehen auch bereits Informationen zum j\u00e4hrlichen BIP zur Verf\u00fcgung \u2013 rund ein halbes Jahr vor der BFS-Berechnung.&#13;<br \/>\n&#13;<br \/>\nDie Vorteile der h\u00f6heren Frequenz und fr\u00fcheren Verf\u00fcgbarkeit sind nicht ohne Nachteile zu haben. Die BIP-Zahlen<a href=\"#footnote_1\" id=\"footnote-anchor_1\" class=\"inline-footnote__anchor\">[1]<\/a> werden auf Quartalsbasis mittels statistischer Methoden gesch\u00e4tzt und unterliegen Unsicherheiten. Die Qualit\u00e4t der Sch\u00e4tzung h\u00e4ngt wesentlich von der Qualit\u00e4t der verf\u00fcgbaren Daten ab \u2013 insbesondere von den \u00f6konomischen Indikatoren und von den BFS-Jahreswerten \u2013 sowie von der G\u00fcte der eingesetzten statistischen Methoden.&#13;<\/p>\n<h2><strong>Sch\u00e4tzung anhand von Indikatoren<\/strong><\/h2>\n<p>&#13;<br \/>\nWie funktioniert die Quartalssch\u00e4tzung? Einerseits werden die offiziellen BFS-Jahreszahlen anhand statistischer Methoden auf die Quartale der vergangenen Jahre \u00abverteilt\u00bb (Interpolation). Andererseits werden auch f\u00fcr die j\u00fcngsten Quartale, f\u00fcr die noch kein Jahreswert zur Verf\u00fcgung steht, die Quartalsdaten gesch\u00e4tzt (Extrapolation).&#13;<br \/>\n&#13;<br \/>\nF\u00fcr das Vorgehen ist es zentral, Indikatoren zu finden, die auf Jahresbasis den gr\u00f6sstm\u00f6glichen Zusammenhang mit der zu sch\u00e4tzenden Komponente aufweisen. Dies gen\u00fcgt aber noch nicht: Damit ein Indikator f\u00fcr die Quartalssch\u00e4tzung verwendet werden kann, muss er auf Quartalsfrequenz und zeitnah (innerhalb von 60 Tagen nach Quartalsende) verf\u00fcgbar sowie lang genug sein, um statistische Zusammenh\u00e4nge sinnvoll sch\u00e4tzen zu k\u00f6nnen.&#13;<br \/>\n&#13;<br \/>\nEin Beispiel f\u00fcr einen geeigneten Indikator sind die Logiern\u00e4chte in der Schweiz. Sie weisen auf Jahresbasis \u00e4hnliche Wachstumsraten auf wie die reale Wertsch\u00f6pfung des Gastgewerbes (siehe <em>Abbildung 1<\/em>). Dies erm\u00f6glicht es, den Zusammenhang zwischen Wertsch\u00f6pfung im Gastgewerbe und Logiern\u00e4chten mittels einer Regression auf Jahresbasis zu sch\u00e4tzen. Dieser Zusammenhang wird verwendet, um anhand der quartalsweisen Logiern\u00e4chte die reale Wertsch\u00f6pfung f\u00fcr das Gastgewerbe auf Quartalsbasis zu bestimmen (siehe <em>Abbildung 2<\/em>). Beispiele f\u00fcr Indikatoren anderer Branchen sind Industrie- und Detailhandelsums\u00e4tze, Exportzahlen, Besch\u00e4ftigungsdaten, Preise etc. Das BIP ergibt sich am Schluss als Summe der quartalisierten Wertsch\u00f6pfung aller Branchen (siehe <em>Kasten).<\/em>&#13;<\/p>\n<h3 class=\"text__graphic-title\"><strong>Abb. 1: Anzahl Logiern\u00e4chte und reale Wertsch\u00f6pfung des Gastgewerbes: Wachstumsrate gegen\u00fcber Vorjahr (2011\u20132016)&#13;<br \/>\n<\/strong><\/h3>\n<p>&#13;<br \/>\n<div class='chart chart--normal' id='Bachmann_Indergand_de_1a'>\n\n<\/div>\n\n<script>\n$(function () {\n    $('#Bachmann_Indergand_de_1a').highcharts({\n   chart: {\n        type: 'line'\n    },\n    title: {\n        text: ''\n    },\n   \n    xAxis: {\n        categories: ['2011', '2012', '2013', '2014', '2015', '2016']\n    },\n    yAxis: {\n        title: {\n            text: ''\n        },labels: {\n            format: '{value}%',\n           \n        },\n    },\n     tooltip: {\n        headerFormat: '<b>{series.name}<\/b><br>',\n        pointFormat: '{point.y:.3f}%'\n    },\n    plotOptions: {\n        line: {\n            dataLabels: {\n                enabled: false\n            },\n            enableMouseTracking: true\n        }\n    },\n    series: [{\n        name: 'Logiern\u00e4chte',\n        data: [-1.99282, -2.02891, 2.46679, 0.86916, -0.84889, -0.34181]\n    }, {\n        name: 'Reale Wertsch\u00f6pfung Gastgewerbe',\n        data: [-2.16071, -4.77137, 1.13863, 0.10485, -3.52826, -0.70815]\n    }]\n});\n});\n\n\n\n<\/script>\n&#13;<br \/>\n&#13;<br \/>\n<span class=\"text__quelle--ground\">Quelle: BFS, Seco \/ Die Volkswirtschaft&#13;<br \/>\n<\/span>&#13;<\/p>\n<h3 class=\"text__graphic-title\"><strong>Abb. 2: Anzahl Logiern\u00e4chte und reale Wertsch\u00f6pfung: Quartalsreihen (2011\u20132017)&#13;<br \/>\n<\/strong><\/h3>\n<p>&#13;<br \/>\n<div class='chart chart--normal' id='Bachmann_Indergand_de_1b'>\n\n<\/div>\n\n<script>\n$(function () {\n    $('#Bachmann_Indergand_de_1b').highcharts({\n chart: {\n        type: 'line'\n    },\n    title: {\n        text: ''\n    },\n  \n    xAxis: {\n        type: 'datetime',\n        dateTimeLabelFormats: { \/\/ don't display the dummy year\n            month: '%e. %b',\n            year: '%Y'\n        },\n        title: {\n            text: ''\n        },\n      \n    },\n        yAxis: [{ \/\/ Primary yAxis\n        labels: {\n            format: '{value}',\n           \n        },\n        title: {\n            text: 'In Mio.',\n            \n        },  min: 0\n    }, { \/\/ Secondary yAxis\n        title: {\n            text: 'In Mio. Fr.',\n            \n        },\n        labels: {\n            format: '{value}',\n            \n        },\n        min: 0,\n        opposite: true\n    }],\n    tooltip: {\n        headerFormat: '<b>{series.name}<\/b><br>',\n        pointFormat: '{point.x:%e. %b}: {point.y:.2f}'\n    },\n\n    plotOptions: {\n        spline: {\n            marker: {\n                enabled: true\n            }\n        }\n    },\n\n    series: [{\n        name: 'Logiern\u00e4chte',\n    \n        data: [\n        [Date.UTC(2011,3), 9.350385468],\n[Date.UTC(2011,6), 8.348580679],\n[Date.UTC(2011,9), 11.49219441],\n[Date.UTC(2011,12), 6.775090343],\n[Date.UTC(2012,3), 9.028174334],\n[Date.UTC(2012,6), 8.065756186],\n[Date.UTC(2012,9), 11.16974307],\n[Date.UTC(2012,12), 6.972855662],\n[Date.UTC(2013,3), 9.108977712],\n[Date.UTC(2013,6), 8.225131158],\n[Date.UTC(2013,9), 11.67854236],\n[Date.UTC(2013,12), 7.093088249],\n[Date.UTC(2014,3), 9.050101973],\n[Date.UTC(2014,6), 8.285842392],\n[Date.UTC(2014,9), 11.7201395],\n[Date.UTC(2014,12), 7.363472721],\n[Date.UTC(2015,3), 8.988107616],\n[Date.UTC(2015,6), 8.288593102],\n[Date.UTC(2015,9), 11.71635094],\n[Date.UTC(2015,12), 7.117342944],\n[Date.UTC(2016,3), 8.94485],\n[Date.UTC(2016,6), 8.154718],\n[Date.UTC(2016,9), 11.708235],\n[Date.UTC(2016,12), 7.179164],\n[Date.UTC(2017,3), 8.892825],\n[Date.UTC(2017,6), 8.726316],\n[Date.UTC(2017,9), 12.109265]\n        ]\n    }, {\n        name: 'Reale Wertsch\u00f6pfung Gastgewerbe (rechte Achse)',\n           yAxis: 1,\n        data: [\n            [Date.UTC(2011,3), 2831.399724],\n[Date.UTC(2011,6), 2505.532004],\n[Date.UTC(2011,9), 3524.528707],\n[Date.UTC(2011,12), 1967.414575],\n[Date.UTC(2012,3), 2677.68075],\n[Date.UTC(2012,6), 2341.914666],\n[Date.UTC(2012,9), 3338.248394],\n[Date.UTC(2012,12), 1954.345191],\n[Date.UTC(2013,3), 2642.771599],\n[Date.UTC(2013,6), 2347.082833],\n[Date.UTC(2013,9), 3470.008774],\n[Date.UTC(2013,12), 1969.74355],\n[Date.UTC(2014,3), 2608.272608],\n[Date.UTC(2014,6), 2352.030454],\n[Date.UTC(2014,9), 3460.901653],\n[Date.UTC(2014,12), 2019.337335],\n[Date.UTC(2015,3), 2525.096901],\n[Date.UTC(2015,6), 2278.742412],\n[Date.UTC(2015,9), 3387.185237],\n[Date.UTC(2015,12), 1881.148189],\n[Date.UTC(2016,3), 2480.79729],\n[Date.UTC(2016,6), 2224.870341],\n[Date.UTC(2016,9), 3386.791321],\n[Date.UTC(2016,12), 1908.388101],\n[Date.UTC(2017,3), 2468.037117],\n[Date.UTC(2017,6), 2413.658452],\n[Date.UTC(2017,9), 3518.465107]\n        ]\n    }, ]\n});\n});\n\n\n\n<\/script>\n&#13;<br \/>\n&#13;<br \/>\n<span class=\"text__quelle--ground\">Quelle: BFS, Seco \/ Die Volkswirtschaft&#13;<br \/>\n<\/span>&#13;<\/p>\n<h2><strong>Hohe Treffsicherheit der BIP-Quartalssch\u00e4tzung<\/strong><\/h2>\n<p>&#13;<br \/>\nGrunds\u00e4tzlich kommen alle verf\u00fcgbaren Daten, die oben stehende Kriterien erf\u00fcllen, als Indikatoren f\u00fcr die Quartalisierung einer Jahresreihe infrage. F\u00fcr die Sch\u00e4tzung k\u00f6nnen auch mehrere Indikatoren verwendet werden. Um ins Modell aufgenommen zu werden, sollten die Indikatoren in einem signifikanten und \u00f6konomisch sinnvollen Zusammenhang zur gesuchten Komponente stehen. Gleichzeitig sollten sie einen hohen Erkl\u00e4rungsgehalt f\u00fcr die Entwicklung dieser Komponente in der Vergangenheit aufweisen. Besonders wichtig ist zudem die G\u00fcte der Extrapolation, d. h., dass die Summe der extrapolierten Quartale m\u00f6glichst nahe am sp\u00e4ter ver\u00f6ffentlichten Jahreswert des BFS liegt.&#13;<br \/>\n&#13;<br \/>\nEin allf\u00e4lliges saisonales Muster der Indikatoren \u00fcbertr\u00e4gt sich auf die BIP-Quartalssch\u00e4tzungen. Beispielsweise sind die Logiern\u00e4chte jeweils im dritten Quartal am h\u00f6chsten. Ausgepr\u00e4gte Saisonschwankungen k\u00f6nnen jedoch die konjunkturelle Dynamik, die in der Regel im Zentrum des Interesses steht, verdecken. F\u00fcr s\u00e4mtliche Komponenten des BIP werden daher sowohl unbereinigte wie auch saison- und kalenderbereinigte Reihen ver\u00f6ffentlicht (siehe <em>Kasten<\/em>).&#13;<br \/>\n&#13;<br \/>\nInsgesamt ist die Treffsicherheit der Quartalssch\u00e4tzungen relativ gross: Beim BIP lag die Differenz zwischen den summierten, extrapolierten Quartalen und dem ersten BFS-Jahreswert f\u00fcr 2016 bei 0,09 Prozentpunkten; f\u00fcr 2015 und 2014 waren es jeweils 0,07 Prozentpunkte.<a href=\"#footnote_2\" id=\"footnote-anchor_2\" class=\"inline-footnote__anchor\">[2]<\/a>&#13;<\/p>\n<h2><strong>Einfluss von Revisionen nicht signifikant<\/strong><\/h2>\n<p>&#13;<br \/>\nDie Quartalszahlen unterliegen regelm\u00e4ssigen Revisionen. Die Gr\u00fcnde daf\u00fcr sind vielf\u00e4ltig: Erstens werden die verwendeten Indikatoren selber teilweise revidiert. Zweitens gibt es bei den VGR-Jahresdaten \u00c4nderungen, die sich auf die Quartalszahlen \u00fcbertragen. Drittens werden die \u00f6konometrischen Modelle f\u00fcr die Quartalisierung und die Saisonbereinigung gelegentlich angepasst, falls dadurch eine Verbesserung der Sch\u00e4tzung erreicht werden kann. Schliesslich f\u00fchrt jeder neue Jahreswert zu leichten \u00c4nderungen der gesch\u00e4tzten Koeffizienten in den Quartalisierungsmodellen, und jeder neue Quartalswert hat Anpassungen des gesch\u00e4tzten Saisonmusters zur Folge.&#13;<br \/>\n&#13;<br \/>\nIn der Vergangenheit betrug die durchschnittliche absolute Revision des BIP-Wachstums zwischen der ersten und der zweiten Quartalssch\u00e4tzung 0,1 Prozentpunkte und innerhalb eines Jahres 0,2 Prozentpunkte. Dies ist vergleichbar mit der H\u00f6he der Revisionen in anderen L\u00e4ndern. In aller Regel sind die Revisionen zudem unverzerrt, d. h., sie erfolgen sowohl nach oben wie nach unten, und sie unterscheiden sich im Durchschnitt nicht signifikant von null. Das grundlegende Bild der Konjunkturlage wird somit durch die Revisionen nicht ver\u00e4ndert (siehe <em>Abbildung 3<\/em>). Stand und Entwicklung der Konjunktur werden durch die BIP-Quartalssch\u00e4tzungen korrekt angezeigt \u2013 und dies bereits zwei Monate nach Quartalsende.&#13;<\/p>\n<h3 class=\"text__graphic-title\"><strong>Abb. 3: BIP-Wachstum (1996\u20132017; real und saisonbereinigt; gegen\u00fcber Vorquartal)<\/strong><\/h3>\n<p>&#13;<br \/>\n<div class='chart chart--normal' id='Bachmann_Indergand_de_2'>\n\n<\/div>\n\n<script>\n$(function () {\n    $('#Bachmann_Indergand_de_2').highcharts({\n   chart: {\n        type: 'line'\n    },\n    title: {\n        text: ''\n    },\n  \n    xAxis: {\n        type: 'datetime',\n        dateTimeLabelFormats: { \/\/ don't display the dummy year\n            month: '%e. %b',\n            year: '%Y'\n        },\n        title: {\n            text: ''\n        },\n      \n    },\n        yAxis: [{ \/\/ Primary yAxis\n        labels: {\n            format: '{value}%',\n           \n        },\n        title: {\n            text: '',\n            \n        }, \n    }],\n    tooltip: {\n        headerFormat: '<b>{series.name}<\/b><br>',\n        pointFormat: '{point.x:%e. %b}: {point.y:.4f}%'\n    },\n\n    plotOptions: {\n        line: {\n            marker: {\n                enabled: false\n            }\n        }\n    },\n\n    series: [{\n        name: 'Aktuelle Sch\u00e4tzung (30.11.2017)',\n     \n        data: [\n       [Date.UTC(1996, 3), 0.311512394],\n[Date.UTC(1996, 6), -0.33193909],\n[Date.UTC(1996, 9), -0.171432209],\n[Date.UTC(1996, 12), 0.468577762],\n[Date.UTC(1997, 3), 0.448525802],\n[Date.UTC(1997, 6), 1.093468416],\n[Date.UTC(1997, 9), 1.191962362],\n[Date.UTC(1997, 12), 0.932453888],\n[Date.UTC(1998, 3), 0.654544992],\n[Date.UTC(1998, 6), 0.872344162],\n[Date.UTC(1998, 9), 0.190609765],\n[Date.UTC(1998, 12), -0.257038466],\n[Date.UTC(1999, 3), -0.002553177],\n[Date.UTC(1999, 6), 1.081635804],\n[Date.UTC(1999, 9), 0.39137953],\n[Date.UTC(1999, 12), 2.282433619],\n[Date.UTC(2000, 3), 0.806046432],\n[Date.UTC(2000, 6), 0.554017287],\n[Date.UTC(2000, 9), 0.800179974],\n[Date.UTC(2000, 12), 0.79461136],\n[Date.UTC(2001, 3), 0.101003502],\n[Date.UTC(2001, 6), 0.246666875],\n[Date.UTC(2001, 9), -0.185202512],\n[Date.UTC(2001, 12), -0.189952753],\n[Date.UTC(2002, 3), 0.530137076],\n[Date.UTC(2002, 6), -0.003200308],\n[Date.UTC(2002, 9), -0.066026285],\n[Date.UTC(2002, 12), -0.539428713],\n[Date.UTC(2003, 3), -0.262681925],\n[Date.UTC(2003, 6), 0.019772246],\n[Date.UTC(2003, 9), 0.983126831],\n[Date.UTC(2003, 12), 1.035524317],\n[Date.UTC(2004, 3), 0.873847811],\n[Date.UTC(2004, 6), 0.425845514],\n[Date.UTC(2004, 9), 0.177274658],\n[Date.UTC(2004, 12), 0.242117204],\n[Date.UTC(2005, 3), 1.205823998],\n[Date.UTC(2005, 6), 0.978634639],\n[Date.UTC(2005, 9), 1.161695137],\n[Date.UTC(2005, 12), 0.929104961],\n[Date.UTC(2006, 3), 1.104760924],\n[Date.UTC(2006, 6), 0.820057972],\n[Date.UTC(2006, 9), 0.847440858],\n[Date.UTC(2006, 12), 1.350541265],\n[Date.UTC(2007, 3), 0.840831693],\n[Date.UTC(2007, 6), 1.279449688],\n[Date.UTC(2007, 9), 1.000278881],\n[Date.UTC(2007, 12), 0.352404209],\n[Date.UTC(2008, 3), 0.921602945],\n[Date.UTC(2008, 6), 0.53744824],\n[Date.UTC(2008, 9), 0.180374562],\n[Date.UTC(2008, 12), -1.603075925],\n[Date.UTC(2009, 3), -1.554803817],\n[Date.UTC(2009, 6), -0.233777933],\n[Date.UTC(2009, 9), 0.881480946],\n[Date.UTC(2009, 12), 0.243733882],\n[Date.UTC(2010, 3), 1.123024743],\n[Date.UTC(2010, 6), 1.054069592],\n[Date.UTC(2010, 9), 0.380334277],\n[Date.UTC(2010, 12), 0.7131921],\n[Date.UTC(2011, 3), 0.381912023],\n[Date.UTC(2011, 6), 0.578061536],\n[Date.UTC(2011, 9), -0.219524077],\n[Date.UTC(2011, 12), 0.528887986],\n[Date.UTC(2012, 3), -0.054864909],\n[Date.UTC(2012, 6), 0.387892773],\n[Date.UTC(2012, 9), 0.430107117],\n[Date.UTC(2012, 12), 0.412405217],\n[Date.UTC(2013, 3), 0.248568869],\n[Date.UTC(2013, 6), 0.851804908],\n[Date.UTC(2013, 9), 0.594592164],\n[Date.UTC(2013, 12), 0.303840559],\n[Date.UTC(2014, 3), 0.761363631],\n[Date.UTC(2014, 6), 0.571940938],\n[Date.UTC(2014, 9), 0.495723183],\n[Date.UTC(2014, 12), 1.005110789],\n[Date.UTC(2015, 3), -0.393342411],\n[Date.UTC(2015, 6), 0.180221511],\n[Date.UTC(2015, 9), 0.287931615],\n[Date.UTC(2015, 12), 0.548684319],\n[Date.UTC(2016, 3), 0.522659585],\n[Date.UTC(2016, 6), 0.253364514],\n[Date.UTC(2016, 9), 0.180241036],\n[Date.UTC(2016, 12), -0.087712883],\n[Date.UTC(2017, 3), 0.133781726],\n[Date.UTC(2017, 6), 0.440819113],\n[Date.UTC(2017, 9), 0.624287606],\n        ]\n    }, {\n        name: 'Minimum',\ncolor:  '#88c0d3',\n  dashStyle: 'dot',\n    \n        data: [\n             \n[Date.UTC(\t1996\t,3\t),\t-0.105676715\t],\n[Date.UTC(\t1996\t,6\t),\t-0.33193909\t],\n[Date.UTC(\t1996\t,9\t),\t-0.593091273\t],\n[Date.UTC(\t1996\t,12\t),\t-0.283366992\t],\n[Date.UTC(\t1997\t,3\t),\t0.23659521\t],\n[Date.UTC(\t1997\t,6\t),\t0.664152069\t],\n[Date.UTC(\t1997\t,9\t),\t0.719201693\t],\n[Date.UTC(\t1997\t,12\t),\t0.569220562\t],\n[Date.UTC(\t1998\t,3\t),\t0.39839191\t],\n[Date.UTC(\t1998\t,6\t),\t0.424326557\t],\n[Date.UTC(\t1998\t,9\t),\t0.05350155\t],\n[Date.UTC(\t1998\t,12\t),\t-0.513280498\t],\n[Date.UTC(\t1999\t,3\t),\t-0.89447189\t],\n[Date.UTC(\t1999\t,6\t),\t-0.18894423\t],\n[Date.UTC(\t1999\t,9\t),\t0.39137953\t],\n[Date.UTC(\t1999\t,12\t),\t1.087189247\t],\n[Date.UTC(\t2000\t,3\t),\t-0.403585567\t],\n[Date.UTC(\t2000\t,6\t),\t0.508313447\t],\n[Date.UTC(\t2000\t,9\t),\t0.463762739\t],\n[Date.UTC(\t2000\t,12\t),\t0.042306923\t],\n[Date.UTC(\t2001\t,3\t),\t-0.000125081\t],\n[Date.UTC(\t2001\t,6\t),\t-0.685110523\t],\n[Date.UTC(\t2001\t,9\t),\t-0.800741484\t],\n[Date.UTC(\t2001\t,12\t),\t-0.305175361\t],\n[Date.UTC(\t2002\t,3\t),\t-0.059840961\t],\n[Date.UTC(\t2002\t,6\t),\t-0.336014303\t],\n[Date.UTC(\t2002\t,9\t),\t-0.207859084\t],\n[Date.UTC(\t2002\t,12\t),\t-0.539428713\t],\n[Date.UTC(\t2003\t,3\t),\t-1.230270147\t],\n[Date.UTC(\t2003\t,6\t),\t-0.295755846\t],\n[Date.UTC(\t2003\t,9\t),\t0.239877294\t],\n[Date.UTC(\t2003\t,12\t),\t0.451228238\t],\n[Date.UTC(\t2004\t,3\t),\t0.357781753\t],\n[Date.UTC(\t2004\t,6\t),\t0.045286723\t],\n[Date.UTC(\t2004\t,9\t),\t-0.589817136\t],\n[Date.UTC(\t2004\t,12\t),\t-0.112026168\t],\n[Date.UTC(\t2005\t,3\t),\t0.038918241\t],\n[Date.UTC(\t2005\t,6\t),\t0.26611599\t],\n[Date.UTC(\t2005\t,9\t),\t0.605983128\t],\n[Date.UTC(\t2005\t,12\t),\t0.52586408\t],\n[Date.UTC(\t2006\t,3\t),\t0.59482368\t],\n[Date.UTC(\t2006\t,6\t),\t0.433120774\t],\n[Date.UTC(\t2006\t,9\t),\t0.366809701\t],\n[Date.UTC(\t2006\t,12\t),\t0.401626481\t],\n[Date.UTC(\t2007\t,3\t),\t0.65593138\t],\n[Date.UTC(\t2007\t,6\t),\t0.740424048\t],\n[Date.UTC(\t2007\t,9\t),\t0.685334863\t],\n[Date.UTC(\t2007\t,12\t),\t0.346306672\t],\n[Date.UTC(\t2008\t,3\t),\t0.130062161\t],\n[Date.UTC(\t2008\t,6\t),\t-0.032454526\t],\n[Date.UTC(\t2008\t,9\t),\t-0.709713775\t],\n[Date.UTC(\t2008\t,12\t),\t-2.23178338\t],\n[Date.UTC(\t2009\t,3\t),\t-1.560794638\t],\n[Date.UTC(\t2009\t,6\t),\t-0.564668929\t],\n[Date.UTC(\t2009\t,9\t),\t0.297187498\t],\n[Date.UTC(\t2009\t,12\t),\t0.243733882\t],\n[Date.UTC(\t2010\t,3\t),\t0.407966902\t],\n[Date.UTC(\t2010\t,6\t),\t0.597628229\t],\n[Date.UTC(\t2010\t,9\t),\t0.33547809\t],\n[Date.UTC(\t2010\t,12\t),\t0.380780264\t],\n[Date.UTC(\t2011\t,3\t),\t0.246625064\t],\n[Date.UTC(\t2011\t,6\t),\t0.359029901\t],\n[Date.UTC(\t2011\t,9\t),\t-0.253320559\t],\n[Date.UTC(\t2011\t,12\t),\t0.089508306\t],\n[Date.UTC(\t2012\t,3\t),\t-0.190662765\t],\n[Date.UTC(\t2012\t,6\t),\t-0.119757758\t],\n[Date.UTC(\t2012\t,9\t),\t0.430107117\t],\n[Date.UTC(\t2012\t,12\t),\t0.238524378\t],\n[Date.UTC(\t2013\t,3\t),\t0.02564731\t],\n[Date.UTC(\t2013\t,6\t),\t0.51852914\t],\n[Date.UTC(\t2013\t,9\t),\t0.318545147\t],\n[Date.UTC(\t2013\t,12\t),\t0.159043918\t],\n[Date.UTC(\t2014\t,3\t),\t0.436221599\t],\n[Date.UTC(\t2014\t,6\t),\t0.097098142\t],\n[Date.UTC(\t2014\t,9\t),\t0.495723183\t],\n[Date.UTC(\t2014\t,12\t),\t0.532427601\t],\n[Date.UTC(\t2015\t,3\t),\t-0.51318908\t],\n[Date.UTC(\t2015\t,6\t),\t0.035931076\t],\n[Date.UTC(\t2015\t,9\t),\t-0.124142888\t],\n[Date.UTC(\t2015\t,12\t),\t0.419475292\t],\n[Date.UTC(\t2016\t,3\t),\t0.091497378\t],\n[Date.UTC(\t2016\t,6\t),\t0.253364514\t],\n[Date.UTC(\t2016\t,9\t),\t0.030879358\t],\n[Date.UTC(\t2016\t,12\t),\t-0.166602236\t],\n[Date.UTC(\t2017\t,3\t),\t0.067995985\t],\n[Date.UTC(\t2017\t,6\t),\t0.284798412\t],\n[Date.UTC(\t2017\t,9\t),\t0.624287606\t],\n        ]\n    },{\n        name: 'Maximum',\ncolor:  '#23318a',\ndashStyle: 'dot',\n            data: [\n             \n[Date.UTC(\t1996\t,3\t),\t0.8101838\t],\n[Date.UTC(\t1996\t,6\t),\t0.199325\t],\n[Date.UTC(\t1996\t,9\t),\t0.00317212\t],\n[Date.UTC(\t1996\t,12\t),\t0.6717533\t],\n[Date.UTC(\t1997\t,3\t),\t0.7679624\t],\n[Date.UTC(\t1997\t,6\t),\t1.2350621\t],\n[Date.UTC(\t1997\t,9\t),\t1.339655\t],\n[Date.UTC(\t1997\t,12\t),\t1.0591836\t],\n[Date.UTC(\t1998\t,3\t),\t1.1361419\t],\n[Date.UTC(\t1998\t,6\t),\t1.0941408\t],\n[Date.UTC(\t1998\t,9\t),\t0.5078479\t],\n[Date.UTC(\t1998\t,12\t),\t0.0226431\t],\n[Date.UTC(\t1999\t,3\t),\t0.3482451\t],\n[Date.UTC(\t1999\t,6\t),\t1.0816358\t],\n[Date.UTC(\t1999\t,9\t),\t2.0711624\t],\n[Date.UTC(\t1999\t,12\t),\t2.2824336\t],\n[Date.UTC(\t2000\t,3\t),\t1.2722146\t],\n[Date.UTC(\t2000\t,6\t),\t1.6412532\t],\n[Date.UTC(\t2000\t,9\t),\t1.1776398\t],\n[Date.UTC(\t2000\t,12\t),\t0.8403494\t],\n[Date.UTC(\t2001\t,3\t),\t0.9264294\t],\n[Date.UTC(\t2001\t,6\t),\t0.3260448\t],\n[Date.UTC(\t2001\t,9\t),\t0.0945344\t],\n[Date.UTC(\t2001\t,12\t),\t0.5691914\t],\n[Date.UTC(\t2002\t,3\t),\t0.7048044\t],\n[Date.UTC(\t2002\t,6\t),\t0.4678653\t],\n[Date.UTC(\t2002\t,9\t),\t0.4191789\t],\n[Date.UTC(\t2002\t,12\t),\t0.347667\t],\n[Date.UTC(\t2003\t,3\t),\t-0.2381806\t],\n[Date.UTC(\t2003\t,6\t),\t0.5367776\t],\n[Date.UTC(\t2003\t,9\t),\t0.9831268\t],\n[Date.UTC(\t2003\t,12\t),\t1.2743016\t],\n[Date.UTC(\t2004\t,3\t),\t1.3386944\t],\n[Date.UTC(\t2004\t,6\t),\t0.8589916\t],\n[Date.UTC(\t2004\t,9\t),\t0.5792738\t],\n[Date.UTC(\t2004\t,12\t),\t0.6486352\t],\n[Date.UTC(\t2005\t,3\t),\t1.205824\t],\n[Date.UTC(\t2005\t,6\t),\t1.2580633\t],\n[Date.UTC(\t2005\t,9\t),\t1.3294767\t],\n[Date.UTC(\t2005\t,12\t),\t1.2561548\t],\n[Date.UTC(\t2006\t,3\t),\t1.2302451\t],\n[Date.UTC(\t2006\t,6\t),\t0.8781537\t],\n[Date.UTC(\t2006\t,9\t),\t1.0896197\t],\n[Date.UTC(\t2006\t,12\t),\t1.4826714\t],\n[Date.UTC(\t2007\t,3\t),\t1.2673946\t],\n[Date.UTC(\t2007\t,6\t),\t1.2849807\t],\n[Date.UTC(\t2007\t,9\t),\t1.0008947\t],\n[Date.UTC(\t2007\t,12\t),\t1.1351796\t],\n[Date.UTC(\t2008\t,3\t),\t0.9618399\t],\n[Date.UTC(\t2008\t,6\t),\t0.9594644\t],\n[Date.UTC(\t2008\t,9\t),\t0.3855851\t],\n[Date.UTC(\t2008\t,12\t),\t-0.3060439\t],\n[Date.UTC(\t2009\t,3\t),\t-0.8096896\t],\n[Date.UTC(\t2009\t,6\t),\t0.2242875\t],\n[Date.UTC(\t2009\t,9\t),\t1.0038923\t],\n[Date.UTC(\t2009\t,12\t),\t0.8538594\t],\n[Date.UTC(\t2010\t,3\t),\t1.208705\t],\n[Date.UTC(\t2010\t,6\t),\t1.0540696\t],\n[Date.UTC(\t2010\t,9\t),\t0.8719714\t],\n[Date.UTC(\t2010\t,12\t),\t1.022131\t],\n[Date.UTC(\t2011\t,3\t),\t0.6443023\t],\n[Date.UTC(\t2011\t,6\t),\t0.7496217\t],\n[Date.UTC(\t2011\t,9\t),\t0.3032242\t],\n[Date.UTC(\t2011\t,12\t),\t0.6795424\t],\n[Date.UTC(\t2012\t,3\t),\t0.6808622\t],\n[Date.UTC(\t2012\t,6\t),\t0.4390613\t],\n[Date.UTC(\t2012\t,9\t),\t0.7400973\t],\n[Date.UTC(\t2012\t,12\t),\t0.4660319\t],\n[Date.UTC(\t2013\t,3\t),\t0.6031066\t],\n[Date.UTC(\t2013\t,6\t),\t1.0504825\t],\n[Date.UTC(\t2013\t,9\t),\t0.6098386\t],\n[Date.UTC(\t2013\t,12\t),\t0.5238604\t],\n[Date.UTC(\t2014\t,3\t),\t0.7613636\t],\n[Date.UTC(\t2014\t,6\t),\t0.5719409\t],\n[Date.UTC(\t2014\t,9\t),\t0.7035772\t],\n[Date.UTC(\t2014\t,12\t),\t1.0051108\t],\n[Date.UTC(\t2015\t,3\t),\t-0.2067542\t],\n[Date.UTC(\t2015\t,6\t),\t0.3058498\t],\n[Date.UTC(\t2015\t,9\t),\t0.3159779\t],\n[Date.UTC(\t2015\t,12\t),\t0.5486843\t],\n[Date.UTC(\t2016\t,3\t),\t0.5226596\t],\n[Date.UTC(\t2016\t,6\t),\t0.6204045\t],\n[Date.UTC(\t2016\t,9\t),\t0.2621751\t],\n[Date.UTC(\t2016\t,12\t),\t0.1624449\t],\n[Date.UTC(\t2017\t,3\t),\t0.2681378\t],\n[Date.UTC(\t2017\t,6\t),\t0.4408191\t],\n[Date.UTC(\t2017\t,9\t),\t0.6242876\t],\n        ]\n    },]\n});\n});\n\n\n\n<\/script>\n&#13;<br \/>\n&#13;<br \/>\n<span class=\"text__legend\">Anmerkung: Die rote Linie zeigt die aktuelle Sch\u00e4tzung der Wachstumsrate. Die gepunkteten Linien zeigen die h\u00f6chste und die tiefste Wachstumsrate, die f\u00fcr das jeweilige Quartal gesch\u00e4tzt wurden (inkl. aller Revisionen zwischen Ende 2002 bis Ende 2017).<\/span>&#13;<br \/>\n&#13;<br \/>\n<span class=\"text__quelle--ground\">Quelle: Seco \/ Die Volkswirtschaft&#13;<br \/>\n<\/span>&#13;<br \/>\n&#13;<br \/>\nEine noch fr\u00fchzeitigere Verf\u00fcgbarkeit der BIP-Zahlen w\u00e4re theoretisch m\u00f6glich. Wesentliche Indikatoren wie beispielsweise die Zahlungsbilanz, die Ums\u00e4tze der Industrie oder die Besch\u00e4ftigungsstatistik sind gegenw\u00e4rtig jedoch nicht fr\u00fcher verf\u00fcgbar. Eine fr\u00fchzeitigere Sch\u00e4tzung der BIP-Zahlen w\u00e4re daher nur bei Inkaufnahme gr\u00f6sserer sp\u00e4terer Revisionen m\u00f6glich.&#13;<br \/>\n&#13;<br \/>\nDemgegen\u00fcber liefert die BIP-Quartalssch\u00e4tzung unter der derzeitigen Vorgehensweise eine verl\u00e4ssliche, fr\u00fche Grundlage sowohl f\u00fcr die konjunkturelle Lagebeurteilung als auch f\u00fcr Konjunkturprognosen. Diese wiederum sind unter anderem f\u00fcr die Wirtschaftspolitik, die Budgetplanung des Bundes sowie die geldpolitische Lagebeurteilung durch die Schweizerische Nationalbank von zentraler Bedeutung.<\/p>\n<ol class=\"footnote\"><li id=\"footnote_1\" class=\"footnote--item\">Die Ausf\u00fchrungen dieses Artikels gelten grunds\u00e4tzlich sowohl f\u00fcr die BIP-Zahlen als auch f\u00fcr deren Komponenten, d. h. f\u00fcr die Zahlen der VGR. Aus Gr\u00fcnden der Leserlichkeit ist jeweils nur von BIP-Zahlen die Rede.&nbsp;<a href=\"#footnote-anchor_1\" class=\"inline-footnote__anchor hidden-print\">[<span class=\"icon-arrow-up\"><\/span>]<\/a><\/li><li id=\"footnote_2\" class=\"footnote--item\">2014: Seco: 1,96%, BFS: 1,89%; 2015: Seco: 0,91%; BFS: 0,84%, 2016: Seco: 1,29%; BFS: 1,38%).&nbsp;<a href=\"#footnote-anchor_2\" class=\"inline-footnote__anchor hidden-print\">[<span class=\"icon-arrow-up\"><\/span>]<\/a><\/li><\/ol>","protected":false},"excerpt":{"rendered":"<p>Eine fr\u00fchzeitige und pr\u00e4zise Einsch\u00e4tzung der Konjunkturlage hilft Firmen, Staat und Privatpersonen dabei, wirtschaftliche Entwicklungen rechtzeitig zu erkennen. Dazu sind Daten notwendig, die m\u00f6glichst zeitnah und in hoher Frequenz zur Verf\u00fcgung stehen und international vergleichbar sind. Die darauf basierenden Lagebeurteilungen und Prognosen sind f\u00fcr die Wirtschafts- und Geldpolitik sowie f\u00fcr die Finanzplanung des Bundes unverzichtbar.&#13; [&hellip;]<\/p>","protected":false},"author":4638,"featured_media":23278,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[69,66],"post_opinion":[],"post_serie":[],"post_content_category":[213],"post_content_subject":[],"acf":{"seco_author":4638,"seco_co_author":[3707,0],"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"\u00d6konom, Ressort Konjunktur, Staatssekretariat f\u00fcr Wirtschaft (Seco), Bern","seco_author_post_occupation_fr":"\u00c9conomiste, secteur Conjoncture, Secr\u00e9tariat d\u2019\u00c9tat \u00e0 l\u2019\u00e9conomie (Seco), Berne","seco_co_authors_post_ocupation":[{"seco_co_author":3707,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"Dr. rer. oec., Leiter Ressort Wachstum und Wettbewerbspolitik, Staatssekretariat f\u00fcr Wirtschaft (Seco), Bern","seco_co_author_post_occupation_fr":"Chef du secteur Croissance et politique de la concurrence, Secr\u00e9tariat d\u2019\u00c9tat \u00e0 l\u2019\u00e9conomie (Seco), Berne"}],"short_title":"Quartalssch\u00e4tzung verk\u00fcrzt das Warten auf die BIP-Zahlen","post_lead":"Vier Mal pro Jahr sch\u00e4tzt das Seco das Quartals-BIP. Wirtschaftsakteure erhalten damit bereits fr\u00fchzeitig eine zuverl\u00e4ssige Einsch\u00e4tzung der Konjunkturentwicklung.","post_hero_image_description":"Die gesamte Wertsch\u00f6pfung im Tourismus l\u00e4sst sich anhand der Logiern\u00e4chte sch\u00e4tzen. Touristinnen in Luzern.","post_hero_image_description_copyright_de":"Keystone","post_hero_image_description_copyright_fr":"","post_references_literature":"<ul>&#13;\n \t<li>Chow, Gregory C., und An-loh Lin (1971). Best Linear Unbiased Interpolation, Distribution, and Extrapolation of Time Series by Related Series. The Review of Economics and Statistics, 53(4): 372\u2013375.<\/li>&#13;\n \t<li>Dagum, Estela B., und Pierre A. Cholette (2006). Benchmarking, Temporal Distribution, and Reconciliation Methods for Time Series. Lecture Notes in Statistics. Springer-Verlag, New York.<\/li>&#13;\n \t<li>Denton, Frank T. (1971). Adjustment of Monthly or Quarterly Series to Annual Totals: An Approach Based on Quadratic Minimization. Journal of the American Statistical Association, 66: 99-102.<\/li>&#13;\n \t<li>Europ\u00e4ische Union (2014). Europ\u00e4isches System Volkswirtschaftlicher Gesamtrechnungen, ESVG 2010, Amt f\u00fcr Ver\u00f6ffentlichungen der Europ\u00e4ischen Union, Luxemburg.<\/li>&#13;\n \t<li>Europ\u00e4ische Union (2013). Handbook on Quarterly National Accounts. Amt f\u00fcr Ver\u00f6ffentlichungen der Europ\u00e4ischen Union, Luxemburg.<\/li>&#13;\n \t<li>Fernandez, Roque B. (1981). A Methodological Note on the Estimation of Time Series. The Review of Economics and Statistics, 63(3): 471\u2013476.<\/li>&#13;\n \t<li>Findley, David F., Brian C. Monsell, William R. Bell, Mark C. Otto, und Bor-Chung Chen. (1998). New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program. Journal of Business &amp; Economic Statistics, 16(2): 127\u2013152.<\/li>&#13;\n \t<li>Gomez, Victor und Agustin Maravall (1996). Programs TRAMO and SEATS, Instructions for the User, Documento de Trabajo, Banca de Espagna: 9628.<\/li>&#13;\n<\/ul>","post_kasten":[{"kasten_title":"Methodik","kasten_box":"F\u00fcr die BIP-Quartalssch\u00e4tzungen verwendet das Seco aktuelle wissenschaftliche Standards, welche international zur Sch\u00e4tzung von viertelj\u00e4hrlichen VGR-Daten eingesetzt werden. Die Vorgehensweise st\u00fctzt sich dabei auf das Europ\u00e4ische System Volkswirtschaftlicher Gesamtrechnungen 2010 (siehe EU, 2014 und EU, 2013). Bei der <em>Quartalisierung<\/em> h\u00e4ngt die Wahl der Methode davon ab, ob zwischen der Zielgr\u00f6sse und den Indikatoren eine Kointegrationsbeziehung besteht. So wird bei Kointegration die Methode von Chow und Lin (1971) verwendet, ansonsten die Methode von Fernandez (1981). Falls kein Zusammenhang zwischen Indikator und Zielgr\u00f6sse gesch\u00e4tzt werden muss, wird die Denton-Cholette-Methode (Denton, 1971; Dagum and Cholette, 2006) angewandt. Dies ist der Fall, wenn entweder gar kein Indikator vorhanden ist oder wenn ein Indikator quasi perfekt der Zielgr\u00f6sse entspricht.&#13;\n&#13;\nDie <em>Saisonbereinigung<\/em> erfolgt mittels \u00abX-13-Arima-Seats\u00bb. In einem ersten Schritt wird ein Arima-Modell gesch\u00e4tzt. Dabei wird beispielsweise der Effekt von Ostern, der Anzahl Arbeitstage etc. identifiziert. Unter Verwendung des Arima-Modells wird die Zeitreihe an beiden Enden verl\u00e4ngert, was die Saisonbereinigung an den R\u00e4ndern der Zeitreihe verbessert. Danach kann entweder ein nicht parametrisches Verfahren (X-11: siehe Findley et al, 1998) oder eine modellbasierte Methode (Seats: Gomez und Maravall, 1996) f\u00fcr die Saisonbereinigung verwendet werden. F\u00fcr die viertelj\u00e4hrliche VGR verwendet das Seco in der Regel die Seats-Methode. Die resultierende saisonbereinigte Reihe schliesst regelm\u00e4ssige saisonale Schwankungen aus."}],"post_notes_for_print":"","first_teaser_header_de":"","first_teaser_header_fr":"","first_teaser_text_de":"","first_teaser_text_fr":"","second_teaser_header_de":"","second_teaser_header_fr":"","second_teaser_text_de":"","second_teaser_text_fr":"","kseason_de":"","kseason_fr":"","post_in_pdf":107535,"main_focus":[156275,157002],"serie_email":null,"frontpage_slider_bild":107539,"artikel_bild-slider":null,"legacy_id":"75662","post_abstract":"Die Quartalssch\u00e4tzung des Bruttoinlandprodukts (BIP) des Staatssekretariats f\u00fcr Wirtschaft (Seco) liefert Wirtschaftsakteuren fr\u00fchzeitig Informationen \u00fcber die Konjunktur im vergangenen Quartal. Die Daten sind nicht nur f\u00fcr die Einsch\u00e4tzung der aktuellen, sondern auch f\u00fcr die Prognose der zuk\u00fcnftigen Wirtschaftsentwicklung zentral. Zudem bilden die Quartalsdaten eine wichtige Grundlage f\u00fcr die empirische Wirtschaftsforschung. Die Sch\u00e4tzung orientiert sich an europ\u00e4isch harmonisierten Vorgehensweisen und erfolgt mit international verbreiteten \u00f6konometrischen Methoden. Sie basiert auf Indikatoren, die einen starken Zusammenhang mit den Jahresdaten der Volkswirtschaftlichen Gesamtrechnung (VGR) aufweisen und zugleich quartalsweise und fr\u00fchzeitig verf\u00fcgbar sind. Die gesch\u00e4tzten Daten unterliegen zwar Revisionen, die im Durchschnitt aber nicht signifikant sind. Daher liefern bereits die ersten Quartalssch\u00e4tzungen ein zuverl\u00e4ssiges Bild der Konjunkturlage.","magazine_issue":"03-2018","seco_author_reccomended_post":null,"redaktoren":[4127,0],"korrektor":4139,"planned_publication_date":"20180227","original_files":null,"external_release_for_author":"20180129","external_release_for_author_time":"19:00:00","link_for_external_authors":"https:\/\/dievolkswirtschaft.ch\/exedit\/5a38dd50be25a"},"_links":{"self":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/107532"}],"collection":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4638"}],"replies":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/comments?post=107532"}],"version-history":[{"count":1,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/107532\/revisions"}],"predecessor-version":[{"id":126262,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/posts\/107532\/revisions\/126262"}],"acf:user":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4139"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4127"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/0"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/3707"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/users\/4638"}],"acf:post":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/main_focus_post\/157002"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/main_focus_post\/156275"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/media\/23278"}],"wp:attachment":[{"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/media?parent=107532"}],"wp:term":[{"taxonomy":"post__type","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post__type?post=107532"},{"taxonomy":"post_opinion","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_opinion?post=107532"},{"taxonomy":"post_serie","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_serie?post=107532"},{"taxonomy":"post_content_category","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_category?post=107532"},{"taxonomy":"post_content_subject","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/de\/wp-json\/wp\/v2\/post_content_subject?post=107532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}