Syllabus
Registration via LPIS
Day | Date | Time | Room |
---|---|---|---|
Tuesday | 03/05/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 03/12/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 03/19/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 04/09/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 04/16/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 04/23/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 04/30/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 05/07/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 05/14/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 05/28/24 | 08:00 AM - 10:30 AM | TC.0.02 |
Tuesday | 06/04/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Tuesday | 06/11/24 | 08:00 AM - 10:00 AM | TC.2.03 |
Der Kurs behandelt weiterführende Begriffe und Methoden der angewandten Ökonometrie. Der erste Teil setzt sich intensiv mit der Analyse von Zeitreihen auseinander und diskutiert Stationarität versus Nicht-Stationarität. Es werden ARMA und ARIMA-Modelle behandelt und ihre Anwendung zur Vorhersage illustriert. Im zweiten Teil wird die Analyse diskretwertiger Daten (binäre sowie Zählvariablen) mittels einer Regressionsanalyse ausführlich disktutiert.
Der Kurs bietet eine Einführung in die Analyse ökonomischer Daten mittels ökonometrischer Methoden, die über das in Ökonometrie I diskutierte multiple Regressionsmodell hinausgehen. Nach Abschluss des Kurses können Studierende einerseits empirische Studien, die sich der in den Inhalten angeführten Methoden bedienen, verstehen und bewerten. Weiters können die Studierenden auch eigene statistische Analysen unter Verwendung dieser Methoden selbstständig durchführen.
Der Kurs ist auf durchgängige Anwesenheit und Mitarbeit ausgelegt, weswegen physische, emotionale und intellektuelle Präsenz in allen Einheiten grundsätzlich vorausgesetzt wird. Ausnahmen davon sind nur in Einzelfällen und bei begründeter Verhinderung bis zu einem Gesamtausmaß von höchstens 20% möglich.
Der Stoff wird an Hand englischsprachiger Folien auf Deutsch (bei entsprechendem Studierendenwunsch auf Englisch) präsentiert. Die Verfahren werden kurz mittels empirischer Fallstudien in R vorgeführt. Zur Vertiefung des Verständnisses gibt es drei Fallstudien, die von den Studierenden mit Hilfe von R in Gruppen als Hausübung zu lösen und in schriftlicher Form abzugeben sind. Ein wesentlicher Teil der LV besteht außerdem in der eigenständigen Anwendung des Gelernten. Die Erkenntnisse werden im Rahmen von Gruppenpräsentationen gegen Semesterende im Plenum vorgetragen und diskutiert.
Der Einsatz KI-basierter Software zur Aufgabenlösung und Textgenerierung (z. B. ChatGPT) ist nicht gestattet.
In der LV besteht grundsätzlich Anwesenheitspflicht. Die Beurteilung beruht auf 5 Teilleistungskomponenten:
(1) Case Study 1 (10 Punkte)
(2) Case Study 2 (10 Punkte)
(3) Case Study 3 (10 Punkte)
(4) Teilleistungstest (30 Punkte)
(5) Abschlusspräsentation (20 Punkte)
Notenschlüssel:
1: 72 – ∞
2: 64 – 71,99
3: 56 – 63,99
4: 48 – 55,99
5: 00 – 47,99
- Nichtbeurteilung bei zwei unentschuldigten no shows, wenn keine Teilleistung erbracht wurde
- Negative Beurteilung bei zwei unentschuldigten no shows, wenn bereits mindestens eine Teilleistung erbracht wurde (z.B. erste Case Study)
Please log in with your WU account to use all functionalities of read!t. For off-campus access to our licensed electronic resources, remember to activate your VPN connection connection. In case you encounter any technical problems or have questions regarding read!t, please feel free to contact the library at readinglists@wu.ac.at.
Back