Dieses Seminar führt in die ``Methoden der empirischen Sozialforschung'' ein und bietet mehr als einen Rundumschlag in einfachen ökonometrischen Methoden:

1) Ein Überblick des Feldes ``empirische Sozialforschung'';
2) die einfache lineare Regressionsanalyse als Standardmodell;
3) die Familie der generalisierten linearen Modelle;
4) komplexere Verfahren wie Time-Series-Cross-Section- oder Mehrebenenanalysen;
5) Grundlagen von Fallauswahl und Untersuchungsanlage;
6) kausale Modelle mit Treatment Effects, Matching und Regression Discontinuity;
7) Beispiele und Fragen zu eigenen Arbeiten und Interessen.
\end{enumerate}

Nach dem Abschluss der LV verfügen die Studierenden über grundlegende Kenntnisse modell- und designbasierter Verfahren in der sozialwissenschaftlichen Statistik. Wir behandeln gleichermaßen einfache Regressionsmodelle und ihre komplexeren Abwandlungen und legen dann einen Schwerpunkt auf moderne Verfahren zur kausalen Inferenz. Insbesondere soll dabei auch die "Lesekompetenz" für einfache und mittelschwere empirische Analysen in publizierten Beiträgen erworben werden.

Prüfungsimmanente Lehrveranstaltungen (PI) haben Anwesenheitspflicht. Im Falle einer Abwesenheit ist die/der LV-Leiter/in nach Möglichkeit vorab zu informieren.

- Kurzpräsentationen der Studierenden mit Vertiefung durch den Dozenten;

- Präsentation und Diskussion zahlreicher informativer Beispiele

Die Gesamtnote besteht aus vier einzelnen Komponenten:

1) Aktive Teilnahme an den einzelnen Seminarsitzungen. (15%)

2) Kurze Präsentation eines der Seminartexte. (15%)

3) Schriftliches ``midterm exam''. (30%)

4) Eine kurze schriftliche Arbeit im Umfang von 2000 bis 2500 Wörtern, das entspricht meist 7-8 Druckseiten; letzter Abgabetermin ist der 30. September 2019. (40%)

Die Anmeldung zu dieser LV ist nicht über LPIS möglich! Die Teilnahme ist verpflichtend gekoppelt mit der Belegung der LV 4215 (Wahlfach Kurs I).

TeilnehmerInnen der LV 4215 werden nach Ablauf der Anmeldefrist über das zuständige Institut zu dieser LV angemeldet.

Grundkenntnisse in Mathematik und Statistik; Bereitschaft, sich auf diese Methoden einzulassen.

jederzeit via Email an guido.tiemann@wu.ac.at