Informationen zu den Modulen

zurück

Modul (6 Credits)

Fortgeschrittene Ökonometrie

Name im Diploma Supplement
Advanced Econometrics
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 60 Stunden
  • Prüfungsvorbereitung: 60 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • verfügen über umfassende Kenntnisse moderner statistischer und ökonometrischer Methoden und beherrschen deren Anwendung bei der Lösung empirischer, ökonometrischer Fragestellungen
  • kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen
  • können ökonomische Probleme sachgerecht in ein ökonometrisches Modell überführen, die ökonometrischen und statistischen Schätz- sowie Testverfahren hinsichtlich ihrer Problemadäquanz beurteilen, die geeigneten Daten auswählen und die empirischen Befunde kritisch kommentieren
  • sind in der Lage, eigenständig und mit Hilfe geeigneter statistischer und ökonometrischer Software praktische Probleme zu lösen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Praxisrelevanz

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung.

Alternativ: Empirisches Prognoseprojekt (70% der Note) und Präsentation (in der Regel: 20 Minuten. 30% der Note).

Die Art der Prüfung wird jeweils zu Semesterbeginn vom Dozenten festgelegt.

Verwendung in Studiengängen
  • BWL EaFWahlpflichtbereich1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichBereich Econometric Methods1.-3. FS, Wahlpflicht
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1.-3. FS, Wahlpflicht
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1.-2. FS, Wahlpflicht
  • VWLWahlpflichtbereich I1.-3. FS, Wahlpflicht
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1.-3. FS, Wahlpflicht
Bestandteile
Name im Diploma Supplement
Advanced Econometrics
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
Sommersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

Kenntnisse grundlegender ökonometrischer Methoden wie etwa in dem Modul "Einführung in die Ökonometrie" vermittelt sowie gute Kenntnisse der mathematischen Statistik.

Lehrinhalte

Ausgewählte Themen, bspw.

  1. Statistical Learning:
    • Linear regression and k-nearest neighbors
    • Classification
    • Resampling methods
    • Linear Model selection and regularization
    • Polynomial regression, splines and local regression
    • Tree-Based methods
    • Support vector machines
    • Unsupervised learning
  2. Nonparametric Econometrics:
    • Univariate density estimation
    • Multivariate density estimation
    • Inference about the density
    • Nonparametric regression
    • Smoothing discrete variables
    • Regression with discrete covariates
    • Semiparametric methods
    • Instrumental variables
  3. Bayesian Econometrics:
    • Bayesian inference
    • Classical simulation methods
    • Markov chains
    • Markov chain Monte-Carlo methods
    • Gibbs-Sampler, Metropolis-Hastings algorithm
    • Applications, such as linear regression, Lasso, (multivariate) time series, latent variable models
  4. Statistical Modeling of Extremes:
    • Models for maxima
    • Peaks over threshold
    • Extremes of dependent sequences
    • Extremes of non-stationary sequences
    • Multivariate extremes
Literaturangaben
  • Baltagi, B. H. (2011). Econometrics (5. Aufl.). Berlin [u.a.]: Springer.
  • Bishop, C. M. (2006). Pattern recognition and machine learning. New York: Springer.
  • Davidson, R.; MacKinnon, J. G. (1993). Estimation and inference in econometrics. New York [u.a.]: Oxford Univ. Press.
  • Davidson, R.; MacKinnon, J. G. (2004). Econometric theory and methods. New York [u.a.]: Oxford Univ. Press.
  • Greenberg, E. (2013). Introduction to Bayesian econometrics (2. Aufl.). Cambridge [u.a.]: Cambridge University Press.
  • Hastie, T.; Tibshirani R.; Friedman, J. (2013). The elements of statistical learning : data mining, inference, and prediction (2. Aufl.). New York: Springer.
  • Hayashi, F. (2000). Econometrics. Princeton [u.a.]: Princeton Univ. Press.
  • Henderson, D. J.; Parmeter, C. F. (2015). Applied Nonparametric Econometrics. New York: Cambridge University Press
  • James, G.; Witten, D.; Hastie, T.; Tibshirani, R. (2016). An introduction to statistical learning : with applications in R. New York [u.a.]: Springer.
  • Li, Q.; Racine, J. S. (2006). Nonparametric Econometrics: Theory and Parctice. Princeton Univers. Press
  • Verbeek, M. (2012). A guide to modern econometrics (4. Aufl.). Chichester, West Sussex: Wiley.
  • Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2. Aufl.). Cambridge, Mass. [u.a.]: MIT Press.
didaktisches Konzept

Die Veranstaltung ist als Vorlesung konzipiert, die jedoch durch vielfältige, sachorientierte Diskussionen ihren Frontalcharakter weitestgehend verliert. Dazu R-Illustrationen, gemeinsames Programmieren der statistischen Konzepte, Übungsaufgaben.

Hörerschaft
Vorlesung: Fortgeschrittene Ökonometrie (WIWI‑C0467)
Name im Diploma Supplement
Advanced Econometrics
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
Sommersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

Kenntnisse grundlegender ökonometrischer Methoden wie etwa in dem Modul "Einführung in die Ökonometrie" vermittelt sowie gute Kenntnisse der mathematischen Statistik

Abstract

Vermittlung umfassender Kenntnisse moderner statistischer und ökonometrischer Methoden.

Lehrinhalte

siehe Vorlesung

Literaturangaben

siehe Vorlesung

Hörerschaft
Übung: Fortgeschrittene Ökonometrie (WIWI‑C0678)
Modul: Fortgeschrittene Ökonometrie (WIWI‑M0075)