Syllabus

Title
6074 Ökonometrie I
Instructors
Gregor Zens, MSc (WU)
Contact details
Type
PI
Weekly hours
2
Language of instruction
Deutsch
Registration
02/16/21 to 02/21/21
Registration via LPIS
Notes to the course
Dates
Day Date Time Room
Thursday 03/04/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 03/11/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 03/18/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 03/25/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 04/08/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 04/15/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 04/22/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 04/29/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 05/06/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 05/20/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 05/27/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 06/10/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 06/17/21 02:00 PM - 03:30 PM Online-Einheit
Thursday 06/24/21 02:00 PM - 03:30 PM Online-Einheit
Contents

Der Kurs behandelt grundlegende Begriffe der Ökonometrie. Nach einer Einführung in den Charakter ökonomischer Daten werden Begriffe wie Kausalität und Korrelation diskutiert. Dann werden das klassische Regressionsmodell und die dem Modell zugrunde liegenden Annahmen ausführlich diskutiert. Die Methode der OLS Schätzung sowie asymptotische Tests werden im Detail erklärt. Weitere Themen sind Probleme der Modellwahl wie Wahl der funktionalen Form, Missspezifikation, Dummy Variablen und Heteroskedastizität.

Learning outcomes

Dieser Kurs bietet eine Einführung in die Analyse von ökonomischen Daten mittels ökonometrischer Methoden. Nach Absolvieren des Kurses sind die Studierenden dazu in der Lage, einfache ökonometrische Arbeiten selbst durchzuführen sowie empirische Resultate im wissenschaftlichen Kontext (bspw. Ergebnisse in wissenschaftlichen Publikationen) zu interpretieren und einzuordnen. Im Zuge der empirischen Aufgaben werden Grundkenntnisse im Bezug auf statistische Software aufgebaut.

Attendance requirements

Unabhängig vom Kursmodus herrscht prinzipiell Anwesenheitspflicht. Zwei unentschuldigte Fehleinheiten werden toleriert.

Teaching/learning method(s)

Theoretische Grundlagen werden in Vortragseinheiten vermittelt. Die Anwendung der erlernten Konzepte erfolgt in Form von empirischen Aufgaben, die von den Studierenden auszuarbeiten sind. Diese Aufgaben sind mit Hilfe von statistischer Software (z.B. R) zu lösen. Entsprechender Code wird zur Verfügung gestellt.

Assessment

Leistungskriterien

40 % Zwischenklausur
40 % Endklausur
20 % empirische Aufgaben

Notenschlüssel

00  -   49.5 % Nicht Genügend
50  -   62.5 % Genügend
63  -   75.5 % Befriedigend
76  -   87.5 % Gut
88  -   100  % Sehr Gut

Für ein positives Absolvieren des Kurses ist es notwendig, insgesamt >= 50 Punkte zu erreichen und in Summe aus Zwischenklausur und Endklausur >= 40 Punkte zu erreichen.

Prerequisites for participation and waiting lists

Eine reguläre Anmeldung und das Erscheinen in der ersten Kurseinheit bedeuten einen fixen Platz im Kurs. Unentschuldigtes Fernbleiben in der ersten Einheit resultiert in einer Abmeldung vom Kurs. Etwaige Restplätze werden in der ersten Einheit nach Wartelisten-Reihung vergeben.

 

Recommended previous knowledge and skills

Mathematische Grundkenntnisse werden vorausgesetzt. Erste Erfahrungen mit R sind von Vorteil. Notwendig ist diesbezüglich allerdings nur ein grundsätzliches Interesse, sich im Zuge der empirischen Anwendungen mit R (oder vergleichbarer Software) auseinanderzusetzen.

Availability of lecturer(s)

Via MS Teams oder Mail. Sprechstunde nach Vereinbarung.

Last edited: 2021-01-18



Back