Syllabus
Registration via LPIS
Day | Date | Time | Room |
---|---|---|---|
Tuesday | 10/01/24 | 01:00 PM - 03:00 PM | D4.0.019 |
Monday | 10/07/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 10/14/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 10/21/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 10/28/24 | 01:00 PM - 03:00 PM | Online-Einheit |
Monday | 11/04/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 11/11/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Friday | 11/15/24 | 02:00 PM - 04:00 PM | TC.2.01 |
Wednesday | 11/20/24 | 01:00 PM - 03:00 PM | TC.5.03 |
Monday | 11/25/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 12/02/24 | 01:00 PM - 03:00 PM | D4.0.127 |
Monday | 12/09/24 | 01:00 PM - 03:00 PM | D2.0.374 |
Wednesday | 12/18/24 | 10:30 AM - 12:30 PM | TC.1.02 |
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.
Der Kurs bietet eine Einführung in die Analyse ökonomischer Daten mittels ökonometrischer Methoden, die auf dem multiplen Regressionsmodell beruhen. Nach Abschluss des Kurses sollen Studierende einerseits empirische Studien, die sich dieser Methoden bedienen, verstehen und bewerten können. Andererseits sollen Studierende eigene Analysen selbstständig durchführen können.
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 von englischsprachigen Folien sowie Tafelnotizen präsentiert und die Verfahren in R vorgeführt. Zu allen Problemstellungen gibt es im Rahmen von Hausübungen empirische Fallstudien, die von den Studierenden mit Hilfe von statistikfähiger Software (R) in Gruppen zu lösen und schriftlich zusammenzufassen sind. Teil der Hausübungen wird es auch sein, sich mit Verständnisfragen zum Stoff auseinanderzusetzen.
Es werden von einem Tutor wöchentliche Tutorien (vermutlich online) angeboten. Während dabei auch allgemeine Fragen zum Unterrichtsstoff gestellt werden können, liegt das Hauptaugenmerk der Tutorien auf der praktischen Umsetzung der Fallstudien mit R und EViews.
Zusätzlich zu den in Gruppen ausgearbeiteten Case Studies werden 2 Tests abgehalten. Jede dieser Leistungen wird mit entsprechenden Punkten bewertet:
2 schriftliche Teilprüfungen, jeweils 24 Punkte
4 Case Studies, jeweils 8 Punkte
Notenschlüssel:
1: 72 – 80
2: 64 – 71,99
3: 56 – 63,99
4: 48 – 55,99
5: 00 – 47,99
Die genaue Reihenfolge der Platzvergabe ist wie folgt:
1) In der ersten Einheit anwesend UND LV-Fixplatz.
2) Für die erste Einheit im Vorhinein begründet entschuldigt UND LV-Fixplatz.
3) In der ersten Einheit anwesend UND Warteliste (in der Reihenfolge der Warteliste).
4) In der ersten Einheit im Vorhinein begründet entschuldigt UND Warteliste (in der Reihenfolge der Warteliste).
5) In der ersten Einheit anwesend UND zur Anmeldung grundsätzlich berechtigt (aber nicht angemeldet).
6) In der ersten Einheit nicht anwesend UND LV-Fixplatz.
7) In der ersten Einheit nicht answesend UND Warteliste (in der Reihenfolge der Warteliste).
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