Syllabus
Title
0993 Ökonometrie I
Instructors
ao.Univ.Prof. Dr. Michael Hauser
Type
PI
Weekly hours
2
Language of instruction
Deutsch
Registration
09/04/17 to 09/25/17
Registration via LPIS
Registration via LPIS
Notes to the course
Subject(s) Bachelor Programs
Dates
Day | Date | Time | Room |
---|---|---|---|
Monday | 10/09/17 | 03:30 PM - 05:30 PM | TC.3.05 |
Monday | 10/16/17 | 03:30 PM - 05:30 PM | TC.3.05 |
Monday | 10/23/17 | 03:30 PM - 05:30 PM | TC.3.05 |
Monday | 10/30/17 | 03:30 PM - 05:30 PM | TC.3.05 |
Monday | 11/06/17 | 03:30 PM - 05:30 PM | TC.3.05 |
Monday | 11/13/17 | 04:00 PM - 06:00 PM | TC.2.03 |
Monday | 11/20/17 | 04:00 PM - 06:00 PM | TC.3.05 |
Monday | 11/27/17 | 04:00 PM - 06:00 PM | TC.3.05 |
Monday | 12/04/17 | 04:00 PM - 06:00 PM | TC.5.13 |
Monday | 12/11/17 | 04:00 PM - 06:00 PM | TC.5.13 |
Monday | 12/18/17 | 04:00 PM - 06:00 PM | TC.5.13 |
Monday | 01/08/18 | 04:00 PM - 06:00 PM | TC.5.13 |
Die Ökonometrie stellt das in der empirischen Wirtschaftsforschung verwendete methodische Instrumentarium zur Verfügung und hat die Anwendung von Methoden des statistischen Schließens zur quantitativen Analyse von ökonomischen Sachverhalten zum Inhalt. Das Lehrprogramm Ökonometrie, in dessen Rahmen die Lehrveranstaltung Ökonometrie I bzw. Ökonometrie Grundkurs angeboten wird, bietet eine Einführung in die statistischen Grundlagen der ökonometrischen Analyse. Das Lehrprogramm wird in einem dreisemestrigen Zyklus angeboten. Im ersten Teil werden die statistischen Grundlagen der Ökonometrie behandelt: Das klassische Regressionsmodell, statistische Eigenschaften des OLS-Schätzers, die statistische Bewertung von Regressionsbeziehungen, Modellspezifikation und Variablenauswahl, Lineare Restriktionen, Prognosen, Prognosetest und Strukturbruch. Der zweite Teil (Ökonometrie II im Sommersemester) ist den methodischen Erweiterungen gewidmet, der dritte Teil (Ökonometrie III im nachfolgenden Wintersemester) der ökonometrischen Modellierung und Analyse mittels dynamischen Modellen, Mehrgleichungsmodellen sowie VAR- und VEC-Modellen. Für die Durchführung der Datenanalysen wir das Paket EViews verwendet.
Nach Abschluss dieser LV sind die Studierenden in der Lage: Die mathematische Herleitung eines OLS (ordinary least squares) Schätzer eines linearen Regressionsmodells zu lesen. Die (statistischen) Annahmen des linearen Regressionsmodells aufzuzählen und die Konsequenzen von deren Abweichungen zu verstehen.Transformationen zur Verfügung zu haben, wenn das lineare Modell nicht(unmittelbar) anwendbar ist. Die Schätzung eines Modells in verschiedene Richtungen zu testen und die Ergebnisse zu interpretieren. Probleme der Variablenauswahl zu beurteilen. Alle Verfahren auf Datensätze mit Hilfe des Paketes EViews selbst anzuwenden und Prognosen zu berechnen. Diese LV fördert außerdem sich mit der Wahl und Anpassung von Modellen kritisch auseinander zu setzen.
Der Stoff wird an Hand von Folien präsentiert und die Verfahren in EViews vorgeführt. Zu allen Problemstellungen gibt es Übungsaufgaben, die überwiegend empirisch an Hand von Daten durch Benutzung von EViews zu lösen sind. Die Beispiele werden in Gruppen gelöst und in der Folgestunde am Beginn der LV präsentiert und diskutiert.
Zusätzlich zu den Übungsbeispielen und den Präsentationen werden 2 Tests abgehalten. Es sind mindestens 50% der Beispiele vorzubereiten und anzukreuzen, und an beiden Tests teilzunehmen. Die abgegeben Beispiele und die beidenTests gehen je zu 1/3 in die Bewertung ein. Der Notenschlüssel ist (jeweils die linke Grenze ausgenommen) 51 – 63.5% Genügend 63.5 – 76.5% Befriedigend 76.5 – 89.5% Gut 89.5 - 100% Sehr Gut.
Es wird maximal eine Absenz toleriert.
Last edited: 2017-03-22
Back