Syllabus

Title
5319 Angewandte Ökonometrie
Instructors
Tamas Krisztin, M.Sc.Ph.D.
Contact details
Type
PI
Weekly hours
2
Language of instruction
Deutsch
Registration
02/15/24 to 02/21/24
Registration via LPIS
Notes to the course
Subject(s) Bachelor Programs
Dates
Day Date Time Room
Tuesday 03/05/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 03/12/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 03/19/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 04/09/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 04/16/24 05:00 PM - 07:00 PM D1.1.078
Tuesday 04/23/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 04/30/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 05/07/24 05:00 PM - 07:00 PM D4.0.019
Tuesday 05/14/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 05/21/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 05/28/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 06/04/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 06/11/24 05:00 PM - 07:00 PM D4.0.144
Tuesday 06/18/24 05:00 PM - 07:00 PM D1.1.074
Tuesday 06/25/24 05:00 PM - 07:00 PM D1.1.074
Contents

Bayesianische Methoden werden zunehmend in der Ökonometrie eingesetzt, insbesondere im Bereich der Makroökonomie. Dies ist ein Kurs in Bayesianischer Ökonometrie mit dem Schwerpunkt auf den in der empirischen Makroökonomie verwendeten Methoden. Er beginnt mit einer kurzen Einführung in die Bayesianische Ökonometrie, beschreibt die wichtigsten Konzepte, die der Theorie zugrunde liegen, und zeigt, wie die Methoden im Kontext des bekannten Regressionsmodells funktionieren. Da rechnergestützte Methoden für die Bayesianische Ökonometrie von großer Bedeutung sind, wird auf empirische Arbeit in diese Richtung großer Wert gelegt. Im weiteren Kontext geht der Kurs auf Big Data Methoden und VAR Modellierung ein.

Learning outcomes

Die Studierenden sollen die Grundlagen der Bayesianischen Ökonometrie, insbesondere die in der Makroökonomie angewandten Methoden kennenlernen. Der/die StudentIn wird in der Lage sein eigene kleine Bayesiansiche Projekte vorzunehmen, bzw. umzusetzen und soll erste Erfahrungen im sinnenerfassendem Lesen und nachprogrammieren von wissenschaftlichen Fachbeiträgen sich aneignen.

Attendance requirements

Der Kurs ist auf durchgängige Anwesenheit und Mitarbeit ausgelegt, weshalb 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.

Teaching/learning method(s)

Vorlesung und Übung werden in integrierter Form abgehalten. Für empirische Analysen wird R verwendet (RStudio wird empfohlen). Eigene Laptops bei den Einheiten sind hilfreich aber nicht zwingend erforderlich.

Assessment

Regelmäßige Abgabe von ausgearbeiteten empirischen Beispielen. Sie können in Gruppen erarbeitet werden. 

Es ist ein Test zu absolvieren.

In empirischen Projekten werden in der Gruppe bereits publizierte Papers zu reproduzieren versucht. Die Ergebnisse sind in einer kurzen (5-10 Seiten, maximal 2.500 Wörter) Seminararbeit schriftlich zusammenzufassen.

Insgesamt wird die Abgabe der Beispiele zu 20 Prozent, der Test zu 50 und das Projekt zu 30 Prozent bewertet.

 

Readings

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.

Availability of lecturer(s)

krisztin@iiasa.ac.at

Last edited: 2023-12-18



Back