Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1

Größe: px
Ab Seite anzeigen:

Download "Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1"

Transkript

1 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die Aktienrendite ros von Unternehmen: log(salary) = β 0 + β 1 log(sales) + β 2 roe + β 3 ros + u (1) wobei roe und ros als Prozentangaben vorliegen mit der Kodierung 1% = 0.01, 100% = 1 usw. i. OLS-Schätzung der Gleichung auf Basis von N = 209 Querschnittsdaten liefert folgendes Ergebnis: log(salary) = log(sales) roe ros (0.32) (0.035) (0.41) (0.054) N = 209, R 2 = (ˆ1) Um wie viel Prozent steigt das erwartete Managergehalt salary (näherungsweise), wenn cet. par. sales (relativ) um ein Prozent steigt? roe (absolut) um einen Prozentpunkt steigt (d.h. roe = 1% = 0.01)? ros (absolut) um zehn Prozentpunkte steigt (d.h. ros = 10% = 0.1)? ii. Stellen Sie die Nullhypothese auf, dass nach Kontrolle von sales und roe die Aktienrendite ros keinen Einfluss auf das Managergehalt hat. Kann diese Nullhypothese bei den vorliegenden Daten auf dem 5%-Niveau abgelehnt werden? Stellen Sie die Nullhypothese auf, dass nach Kontrolle von sales und ros die Eigenkapitalrendite roe keinen Einfluss auf das Managergehalt hat. Kann diese Nullhypothese bei den vorliegenden Daten auf dem 5%-Niveau abgelehnt werden? iii. Die beiden Größen roe und ros werden nun als Variablengruppe betrachtet. Formalisieren Sie die Nullhypothese auf, dass roe und ros gemeinsam keinen Einfluss auf salary haben (bei Kontrolle von sales) und beschreiben Sie ein Vorgehen, um die Ablehnbarkeit dieser Nullhypothese auf einem vorgegebenen Signifikanzniveau zu testen. Welcher p-wert für das Ergebnis dieses Tests ist angesichts der individuellen Signifikanzen von roe und ros zu erwarten: a: p < 5%, b: 5% p < 10%, c: p 10%? Warum kann es sein, dass der Test ein von dieser Erwartung abweichenden p-wert findet? iv. Sie vermuten einen (mit wachsendem roe) abnehmenden Grenzeffekt von roe auf log(salary). Beschreiben Sie, wie man dem durch Hinzufügen eines (aus roe abgeleiteten) zusätzlichen Regressors Rechnung tragen kann. Wenn tatsächlich ein abnehmender Grenzeffekt vorliegt, welches Vorzeichen hat dann der Koeffizient des zusätzlichen Regressors? Angenommen, die OLS-Schätzung mit dem zusätzlichen Regressor liefert eine Rendite r max, so dass für Unternehmen mit roe > r max ein negativer Effekt einer wachsenden Eigenkapitalrendite auf das Managergehalt zu erwarten wäre. Unter welchen Bedingungen deutet dies auf ein reales Phänomen hin (und nicht auf ein Artefakt, das der Modellspezifikation, d.h. der funktionalen Form des zusätzlichen Regressors, geschuldet ist)? v. Mit den Quadraten û 2 i der Residuen û i der OLS-Schätzung (ˆ1) wird das Modell û 2 i = δ 0 + δ 1 log(sales i ) + δ 2 roe i + δ 3 ros i + ε i mit OLS geschätzt und anschließend ein F -Test von H 0 : δ 1 = 0 δ 2 = 0 δ 3 = 0 durchgeführt. Die Verletzung welcher Gauß-Markov-Annahme wird damit adressiert? Um den Test (auf 5%-Niveau) durchzuführen, muss die F -Statistik mit einem kritischen Wert (95%-Quantil einer F -Verteilung) verglichen werden. Welchen kritischen Wert (welche F - Verteilung) müssen Sie verwenden: F 205,205 = 1.26, F 3,205 = 2.65, F 205,3 = 8.54, F 3,3 = 9.28? Die F -Statistik nimmt den Wert 4.1 an. Lässt sich die Nullhypothese dann auf 5%-Niveau ablehnen oder nicht? Liegt damit Evidenz für eine Verletzung der betreffenden Gauß-Markov- Annahme vor oder nicht?

2 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 2 vi. Die Durbin-Watson-Statistik für die Regression (1) hat einen Wert von 0.9. Deutet dies auf ein potentielles Problem mit der Schätzung von (1) hin? Welche Maßnahmen ergreifen Sie? (Beachten Sie, dass wir es hier mit Querschnittsdaten zu tun haben, bei denen es keine natürliche Anordnung der Beobachtungseinheiten hier von Unternehmen bzw. deren Managern gibt.) vii. Angenommen, die Variablen roe und ros sind stark positiv miteinander korreliert, beide korrelieren jedoch fast nicht mit log(sales). In welche Richtung wird sich dann a) der geschätzte Koeffizient von ros, ˆβ ros, b) der Standardfehler von ros (Std-Abweichung von ˆβ ros ), c) die t-statistik von ros voraussichtlich bewegen, wenn der Regressor roe aus dem Regressionsmodell (1) herausgenommen wird? Welche Regression misst eher den Effekt einer exogenen Veränderung der Aktienrendite ros auf das Managergehalt, diejenige ohne oder diejenige mit roe? (mit Begründung; unter einer exogenen Veränderung von ros soll dabei eine solche Veränderung der Aktienrendite verstanden werden, bei der nicht gleichzeitig sales, roe oder unbeobachtete Faktoren, die auch das Managergehalt beeinflussen, verändert werden.) viii. Was würde in der Regression (1) geschehen, wenn roe und ros nperfekt miteinander korreliert wären?

3 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 3 Aufgabe 2: Gegeben ist ein Zeitreihen-Regressionsmodell y t = β 0 + β x t + u t (1) das unter den Gauß-Markov-Annahmen im Stationaritäts-Szenario betrachtet wird. i. Die Grundformen von Hypothesentests auf a) Autokorrelation in den Störtermen (Breusch-Godfrey), b) statische Heteroskedastie (Breusch-Pagan bzw. White) c) Instationarität in Form von Unit-Roots (Dickey-Fuller), d) ARCH-Effekte (Engle) können allesamt auf OLS-geschätzten Regressionsmodellen aufgebaut werden (teilweise sind sie der OLS-Schätzung von (1) nachgelagert sind und verwenden deren Residuen û t anstelle der Störterme u t ). Notieren Sie hinter den folgenden Angaben, welcher der obigen Tests jeweils in seiner Grundform adressiert wird (sofern überhaupt zutreffend): y t = α + ϱ y t 1 + ε t, Nullhypothese ϱ = 0 y t = α + ϱ y t 1 + ε t, Nullhypothese ϱ = 1 y t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 0 y t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 1 û t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 0 û t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 1 û 2 t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 0 û 2 t = α + ϱ û t 1 + ε t, Nullhypothese ϱ = 1 û 2 t = α + ϱ û 2 t 1 + ε t, Nullhypothese ϱ = 0 û 2 t = α + ϱ û 2 t 1 + ε t, Nullhypothese ϱ = 1 û 2 t = α + ϱ x t + ε t, Nullhypothese ϱ = 0 û t = α + ϱ x t + ε t, Nullhypothese ϱ = 0 ii. Welcher der vier Tests aus Teil i. sollte als erster (und für alle beteiligten Variablen) durchgeführt werden? Warum? In Bezug auf die Nullhypothese: Was unterscheidet diesen Test grundsätzlich von den drei anderen? Welche Maßnahme empfiehlt sich bei einer Verletzung der entsprechenden Gauß-Markov-Annahme (sofern nicht ko-integrierende Zeitreihen involviert sind)? iii. Bei welchen der vier Tests aus Teil i. ist selbst bei Verletzung der entsprechenden Gauß-Markov- Annahme noch Konsistenz der OLS-Schätzung sichergestellt (die anderen Gauß-Markov-Annahmen als erfüllt vorausgesetzt)? Erläutern Sie unter Verwendung der Begriffe Effizienz und statistische Inferenz die Probleme, die man bei OLS-Schätzung eines Modells hat, wo die Stationaritäts- und Exogenitätsannahmen erfüllt sind, aber Störterm-Heteroskedastie oder -Autokorrelation auftritt. iv. Wahr oder falsch: Wenn die Störterme in einem Regressionsmodell für Zeitreihen ARCH-Effekte enthalten, müssen sie notwendigerweise autokorreliert sein? v. Gegeben ist ein Zeitreihen-Modell, in dem instationäre Variablen auftreten ( Modell in Leveln ); als Alternative wird ein Modell betrachtet, in dem alle Variablen durch ihre ersten Differenzen ersetzt sind ( Modell in Differenzen ). Wahr oder falsch: Das R 2 der OLS-Schätzung des Modells in Differenzen ist notwendigerweise kleiner als das R 2 der OLS-Schätzung des Modells in Leveln? Gegeben ist ein Zeitreihen-Modell, in dem ARCH-Effekte auftreten. Das Modell wird einmal mit OLS geschätzt und einmal mit Maximum-Likelihood basierend auf einem GARCH(1,1)-Residualmodell. Wahr oder falsch: Das R 2 der GARCH-Schätzung ist notwendigerweise kleiner (oder gleich) dem R 2 der OLS-Schätzung? (Das R 2 der GARCH-Schätzung sei dabei definiert als 1 var(u)/ var(y) mit var(u) = 1 T t û2 t als empirischer Residualvarianz und var(y) als empirischer Varianz in y.)

4 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 4 Aufgabe 2: Der Rohölweltmarkt wird von zwei Rohölsorten dominiert, einerseits das nordamerikanische West Texas Intermediate und andererseits das europäische Brent-Rohöl. Wir interessieren uns für die Wechselwirkung der Preise beider Sorten (Dollar pro Barrel, WTI t bzw. Brent t ) und den Effekt von Preisdiskrepanzen in der Vorperiode. Dabei liegen uns wöchentliche Daten für die Jahre 1993 bis 1996 vor. In die Modelle gehen logarithmierte Preise wti = log(wti), brent = log(brent) ein, so dass die ersten Differenzen als relative Wachstumsraten interpretiert werden können. Außerdem wird die Differenz der logarithmierten Preise ci := brent wti = log(brent/wti) (relative Abweichung der Preise) verwendet. Im Folgenden wird unterstellt, dass für diagnostische Tests, die Lags der erklärten Variable verwenden (z.b. ADF, Breusch-Godfrey), jeweils genau ein Lag korrekt ist. i. Was legen die folgenden Regressionen bzgl. der Präsenz einer Unit-Root und/oder eines deterministischen Trends in der jeweiligen Zeitreihe nahe? (gwti = wti, gbrent = brent, ci = brent wti) wti t = wti t wti t t (0.063) (0.022) (0.07) ( ) T = 209, R 2 = brent t = brent t brent t t (0.054) (0.020) (0.07) ( ) T = 209, R 2 = gwti t = gwti t gwti t t (0.0047) (0.10) (0.07) ( ) T = 209, R 2 = 0.52 gbrent t = gbrent t gbrent t t (0.0042) (0.09) (0.07) ( ) T = 209, R 2 = 0.46 ci t = ci t ci t t (0.006) (0.070) (0.056) ( ) T = 209, R 2 = 0.19 (Hinweis: Kritischer Wert des ADF-Tests mit Interzept u. Trend auf 5%-Niveau bei T = 209: 3.4) ii. Wir betrachten im Folgenden das Modell: wti t = β 0 +β 1 ci t 1 +β 2 wti t 1 +β 3 brent t 1 +u t. Warum können wir recht sicher sein, dass aus Stationaritätsgesichtspunkten eine OLS-Schätzung dieses Modells unproblematisch ist? Welches Vorzeichen wird β 1 voraussichtlich haben? Durchführung der OLS-Schätzung ergibt: wti t = (brent wti) t wti t brent t 1 (0.009) (0.10) (0.126) (0.14) T = 209, R 2 = Wenn der Preis von Brent-Rohöl denjenigen von WTI um 1% übersteigt, ist dann c.p. ein Anstieg oder ein Abfall des WTI-Preises in der Folgewoche zu erwarten? Um wieviel Prozent? Ist dieser Effekt (einer Preisdiskrepanz zwischen Brent- und WTI-Öl auf die WTI-Preisanpassung in der Folgewoche) signifikant auf dem 5%-Niveau? iii. Beantworten Sie die Fragen aus ii. wenn wti durch brent ersetzt wird, d.h. wenn das Modell brent t = β 0 + β 1 ci t 1 + β 2 wti t 1 + β 3 brent t 1 + u t lautet. Dessen OLS-Schätzung ergibt: brent t = (brent wti) t wti t brent t 1 (0.008) (0.10) (0.11) (0.12) T = 209, R 2 = Welchem der beiden Preise käme demzufolge eher eine Lead-Rolle, welchem eine Lag-Rolle zu?

5 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 5 iv. a) Mit den Residuen û t der Schätzung aus ii. wird folgende OLS-Schätzung durchgeführt: û t = û t ci t wti t brent t 1 (0.023) (1.00) (0.27) (0.75) (0.28) T = 209, R 2 = Die Verletzung welcher Gauß-Markov-Annahme wird mit dieser Schätzung adressiert? Besteht hier Evidenz (auf 5%-Niveau) für eine Verletzung der betreffenden Gauß-Markov-Annahme? b) Mit den Quadraten der Residuen, û 2 t, von ii. wird folgende OLS-Schätzung durchgeführt: û 2 t = (brent wti) t 1 (0.0003) (0.004) T = 209, R 2 = Die Verletzung welcher Gauß-Markov-Annahme wird mit dieser Schätzung adressiert? Besteht hier Evidenz (auf 5%-Niveau) für eine Verletzung der betreffenden Gauß-Markov-Annahme? c) Schließlich wird folgende OLS-Schätzung durchgeführt: û 2 t = û 2 t 1 ( ) (0.07) T = 209, R 2 = Welche Effekte lassen sich mit dieser Schätzung testen? Lässt sich die Präsenz entsprechender Effekte hier auf dem 5%-Niveau bestätigen? v. Erläutern Sie knapp, auf welche Schwierigkeiten eine Verletzung der in den Teilen iv. getesteten Annahmen im Hinblick auf a) die Effizienz der OLS-Schätzung und b) die statistische Inferenz mit der OLS-Schätzung führt. vi. Weiterführende diagnostische Tests lassen ARCH-Effekte hoher Ordnung in den Residuen der Fehler-Korrektur-Modelle aus ii. bzw. iii vermuten. Wir schätzen die Modelle daher bei unterstellter GARCH(1,1)-Heteroskedastie mit Maximum Likelihood bei bedingter Normalverteilung u t I t 1 N (0, σ 2 t ): wti t = (brent wti) t wti t brent t 1 (0.007) (0.10) (0.147) (0.165) T = 209, R 2 = σ t 2 = û 2 t ( ) (0.05) (0.09) σt 1 2 brent t = (brent wti) t wti t brent t 1 (0.006) (0.08) (0.13) (0.15) T = 209, R 2 = σ t 2 = û 2 t ( ) (0.08) (0.12) σt 1 2 Wie würden sich demzufolge die Lead/Lag-Rollen zwischen den beiden Preisen verteilen? Bei welchem der beiden Preise haben demzufolge Schocks (die nicht durch die erklärenden Variablen abgefangen sind) einen stärkeren Effekt auf die Volatilität? (Ohne Signifikanztest) Die Schätzung von Outcome-Modellen unter ARCH oder GARCH-Heteroskedastie lassen sich näherungsweise als gewichtete OLS-Schätzungen (WLS-Schätzungen) interpretieren, wobei die Gewichtung umgekehrt proportional zur jeweiligen Volatilität ist (d.h. Zeitpunkte hoher Volatilität σ t gehen mit verringertem Gewicht ein, Zeitpunkte geringer Volatilität mit erhöhtem Gewicht). Erläutern Sie unter diesem Aspekt, dass die Schätzergebnisse mit folgender Aussage konsistent sind: In Phasen geringer Volatilität reagiert der Brent-Preis stärker auf eine Diskrepanz zwischen WTIund Brent-Preis, in Phasen hoher Volatilität dagegen der WTI-Preis. Schlagen Sie ein Modell vor, mit dem man solche Aussagen testen könnte.

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

1 Statistische Grundlagen

1 Statistische Grundlagen Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.

Mehr

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang. Lehrstuhl für Statistik und empirische Wirtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail Studiengang

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten

Mehr

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell: Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Statistik Einführung // Lineare Regression 9 p.2/72

Statistik Einführung // Lineare Regression 9 p.2/72 Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression

Mehr

Aufgabenstellung Aufgabe 1: Betrachten Sie das folgende ökonometrische Modell: y t = α + βx t + u t (1)

Aufgabenstellung Aufgabe 1: Betrachten Sie das folgende ökonometrische Modell: y t = α + βx t + u t (1) Klausur: Einführung in die Ökonometrie Prüfer: Prof. Dr. Karl-Heinz Paqué Dr.Ludwigv.Auer Semester: WS 1999/00 Als Hilfsmittel sind zugelassen: nicht-programmierbarer Taschenrechner Diese Klausur besteht

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Abschlussklausur (60 Minuten), 15. Juli 2014

Abschlussklausur (60 Minuten), 15. Juli 2014 Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Nachholklausur STATISTIK II

Nachholklausur STATISTIK II Nachholklausur STATISTIK II Name, Vorname: Matrikel-Nr.: Die Klausur enthält zwei Typen von Aufgaben: T e i l A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine

Mehr

I. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.

Mehr

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen Modelle mit Interationsvariablen I Modelle mit Interationsvariablen II In der beim White-Test verwendeten Regressionsfuntion y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4 x 2 2 + β 5 x 1 x 2, ist anders

Mehr

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Klausur Sommersemester 2010

Klausur Sommersemester 2010 Klausur Sommersemester 2010 Lehrstuhl: Wirtschaftspolitik Prüfungsfach: Empirische Wirtschaftsforschung Prüfer: Prof. Dr. K. Kraft Datum: 04.08.2010 Hilfsmittel: Nicht-programmierbarer Taschenrechner Klausurdauer:

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Regression mit Gretl Eine erste Einführung 1

Regression mit Gretl Eine erste Einführung 1 Kurzeinführung in Gretl S. 1 Regression mit Gretl Eine erste Einführung 1 Installation: Gretl für das entsprechende Betriebssystem herunterladen und die Setup-Datei ausführen. Hinweis: Für die Benutzung

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Prüfung im Fach Ökonometrie im WS 2011/12 Aufgabenteil. Name, Vorname. Matrikelnr. Studiengang. E-Mail-Adresse. Unterschrift

Prüfung im Fach Ökonometrie im WS 2011/12 Aufgabenteil. Name, Vorname. Matrikelnr. Studiengang. E-Mail-Adresse. Unterschrift Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Aufgabenteil Name, Vorname Matrikelnr. Studiengang E-Mail-Adresse Unterschrift

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions

Mehr

3. Einführung in die Zeitreihenanalyse

3. Einführung in die Zeitreihenanalyse 3. Einführung in die Zeitreihenanalyse Dr. Johann Burgstaller Finance Department, JKU Linz (Dieser Foliensatz wurde zuletzt aktualisiert am 25. Dezember 2007.) Dr. Johann Burgstaller IK Empirische Kapitalmarktforschung

Mehr

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25 Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14 VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Anne Neumann 21. Oktober 2015 Anne Neumann EWF 21. Oktober 2015 1 / 9 Inhaltsverzeichnis 1 Grobgliederung 2 Grundlagen Anne Neumann EWF 21. Oktober 2015 2 / 9 Grobgliederung

Mehr

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17 Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................

Mehr

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift: 20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1

Mehr

Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle

Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle Motivation Grundbegriffe Autoregressionen (AR-Modelle) Dynamische Regressionsmodelle (ADL-Modelle) Nichstationarität Ausblick 12.1 Motivation

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0 Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren

Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung

Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz und Bankwirtschaft Matrikelnummer Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung Prof. Dr. Marco Wilkens

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging

Mehr

DOE am Beispiel Laserpointer

DOE am Beispiel Laserpointer DOE am Beispiel Laserpointer Swen Günther Ein wesentliches Ziel im Rahmen der Neuproduktentwicklung ist die aus Kundesicht bestmögliche, d.h. nutzenmaximale Konzeption des Produktes zu bestimmen (vgl.

Mehr

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang. Lehrstuhl für Statistik und empirische irtschaftsforschung, SS 2009 ach: Prüfer: Bachelorprüfung Praxis der empirischen irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

6.2 Regressionsanalyse

6.2 Regressionsanalyse c-kennzahlensystem (ROCI) 6. Regressionsanalyse Die Regressionsanalyse zählt zu den wichtigsten Analysemethoden des Kommunikationscontrollings und hat ihre tiefen Wurzeln in der Statistik. Im Rahmen des

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Incentive or Increased Contributions?

Incentive or Increased Contributions? RATIONAL CHOICE: THEORY AND EMPIRICAL APPLICATIONS Incentive or Increased Contributions? Has the Praxisgebühr Succeeded in Reducing the Number of Consultations? Thomas Wimmer 2006 Einige Informationen

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

Mehr

Statistik II Übung 2: Multivariate lineare Regression

Statistik II Übung 2: Multivariate lineare Regression Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

Mehr

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Zeitreihen. Statistik II

Zeitreihen. Statistik II Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf

Mehr

Institut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion

Institut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion Institut für Soziologie Methoden 2 Regressionsanalyse IV: Transformation und Interaktion Inhalt 1. Zusammenfassung letzte Sitzung 2. Weitere Annahmen und Diagnostik 3. Transformationen zur besseren Interpretierbarkeit

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Die Hysteresis-Hypothese und der Arbeitsmarkt der Bundesrepublik Deutschland

Die Hysteresis-Hypothese und der Arbeitsmarkt der Bundesrepublik Deutschland Wolfgang Hauschulz Die Hysteresis-Hypothese und der Arbeitsmarkt der Bundesrepublik Deutschland Eine Analyse anhand des Coi nteg rationsansatzes HAAG + HERCHEN Verlag Inhaltsverzeichnis 1 Einleitung und

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Prüfung eines Datenbestandes

Prüfung eines Datenbestandes Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)

Mehr

Einfache statistische Testverfahren

Einfache statistische Testverfahren Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung

Mehr

Stochastik Abitur 2009 Stochastik

Stochastik Abitur 2009 Stochastik Abitur 2009 Stochastik Beilage ea (erhöhtes Anforderungsniveau) ga (grundlegendes Anforderungsniveau) ISBN 978-3-8120-0108-3 und ISBN 978-3-8120-0223-3 1 Aufgabe 2 (ea) Rauchen ist das größte vermeidbare

Mehr

Modulklausur Multivariate Verfahren

Modulklausur Multivariate Verfahren Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 28. März 2014, 9.00-11.00 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur

Mehr

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch 1 2 - Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch Badewannenkurve. -mit der Badewannenkurve lässt

Mehr

Phrasensammlung für wissenschaftliches Arbeiten

Phrasensammlung für wissenschaftliches Arbeiten Phrasensammlung für wissenschaftliches Arbeiten Einleitung In diesem Aufsatz/dieser Abhandlung/dieser Arbeit werde ich... untersuchen/ermitteln/bewerten/analysieren... Um diese Frage zu beantworten, beginnen

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Theorie und Empirie der Kaufkraftparität (23.5.)

Theorie und Empirie der Kaufkraftparität (23.5.) Theorie und Empirie der Kaufkraftparität (23.5.) Text: Taylor, A., Taylor M. (2004): The Purchasing Power Debate, NBER Working Paper No. 10607 (June 2004) Fragen: 1. Beschreiben Sie in ein, zwei Sätzen,

Mehr

Zeitreihenanalyse. Teil III: Nichtlineare Zeitreihenmodelle. Prof. Dr. W. Zucchini, Dr. O. Nenadić, A. Schlegel. Göttingen, Januar 2008 DAX

Zeitreihenanalyse. Teil III: Nichtlineare Zeitreihenmodelle. Prof. Dr. W. Zucchini, Dr. O. Nenadić, A. Schlegel. Göttingen, Januar 2008 DAX Zeitreihenanalyse Teil III: Nichtlineare Zeitreihenmodelle Prof. Dr. W. Zucchini, Dr. O. Nenadić, A. Schlegel DAX -10-5 0 5 10 0 200 400 600 800 1000 trading day Göttingen, Januar 2008 Inhaltsverzeichnis

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

12.1 Wie funktioniert ein Signifikanztest?

12.1 Wie funktioniert ein Signifikanztest? Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen

Mehr

Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich.

Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich. Übungsaufgaben zur Weiterbildung Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich. 1. Was ist unter formeller und informeller Weiterbildung zu verstehen?

Mehr

Kategoriale abhängige Variablen:

Kategoriale abhängige Variablen: Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II

Mehr

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten

Mehr

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

Mehr

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

Mehr

ChangePoint-Analysen - ein Überblick

ChangePoint-Analysen - ein Überblick ChangePoint-Analysen - ein Überblick Gliederung Motivation Anwendungsgebiete Chow Test Quandt-Andrews Test Fluktuations-Tests Binary Segmentation Recursive circular and binary segmentation algorithm Bayesscher

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

Kap. 9: Regression mit einer binären abhängigen Variablen

Kap. 9: Regression mit einer binären abhängigen Variablen Kap. 9: Regression mit einer binären abhängigen Variablen Motivation Lineares Wahrscheinlichkeitsmodell Probit- und Logit-Regression Maximum Likelihood Empirisches Beispiel: Analyse der HMDA-Daten Ausblick:

Mehr

2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:

2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese: 2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Beta-Schätzung: Schätzzeitraum und Renditeintervall unter statistischen Gesichtspunkten 1

Beta-Schätzung: Schätzzeitraum und Renditeintervall unter statistischen Gesichtspunkten 1 WP StB Dr. Jörn Stellbrink/Dr. Carsten Brückner, CFA Beta-Schätzung: Schätzzeitraum und Renditeintervall unter statistischen Gesichtspunkten 1 WP StB Dr. Jörn Stellbrink ist Manager und Prokurist der BDO

Mehr

Methoden-Validierung in der Analytik Version 2.1

Methoden-Validierung in der Analytik Version 2.1 Die Software Methoden-Validierung in der Analytik MVA dient der Auswertung von Validierungsdaten. Der Umfang orientiert sich im Wesentlichen an den Richtlinien der ICH (International Conference on the

Mehr

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze Lehrstuhl für Statistik und empirische irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im ach Ökonometrie im S 20/2 Lösungsskizze Aufgabe (.5 Punkte) Sie verfügen über einen Datensatz, der Informationen

Mehr