Statistische Grundbegriffe
|
|
- Helene Holzmann
- vor 7 Jahren
- Abrufe
Transkript
1 1.2 Statistische Grundbegriffe und Datenarten Statistische Grundbegriffe Merkmalsträger (Beobachtungseinheit) o Individuen, Haushalte, Unternehmen, Länder Merkmal (Variable) o Alter, Einkommen, Gewinn, BIP Merkmalsausprägung (Wert der Variable) o 25 Jahre, e im Jahr, 4 Mrd. e im Jahr, 551 Mrd. e im 4. Quartal
2 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Skalierungsniveau Nominalskala: Ist A verschieden von B? o Ausprägungen können lediglich unterschieden werden (Beispiel: Kaufentscheidung modelliert mit Hilfe von Dummyvariable: Kauf = 1 und kein Kauf = 0) Ordinalskala (Rangskala): Ist A größer als B? o Ausprägungen können zusätzlich auch in eine Rangordnung gebracht werden (Beispiel: Kundenzufriedenheit) 2
3 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Skalierungsniveau Kardinalskala o Ausmaß der Unterschiede kann angegeben und interpretiert werden o Intervallskala: Um wieviel differieren A und B? Abstände können verglichen werden (Beispiel: Temperaturdifferenz, aber 0 Grad Celsius bedeutet nicht,,keine Temperatur ) o Verhältnisskala: Um das wie vielfache ist A größer als B? zusätzlich natürlicher Nullpunkt (Beispiele: Preis, Länge, Gewicht) 3
4 Datenarten 1.2 Statistische Grundbegriffe und Datenarten Diskrete vs. stetige Merkmale o Diskret: nominalskalierte Merkmale sowie alle Merkmale, denen ein Zählvorgang zugrunde liegt (Beispiel: Besucherzahl) o Stetig: beliebig genauer (fiktiver) Messvorgang (Beispiele: Körpergröße, Gewinn) Aggregationsebene o Gesamtwirtschaftlich/Makrodaten (Beispiele: BIP, Inflation) o Individualdaten/ Mikrodaten (Beispiele: Lohn eines Arbeitnehmer, Produktpreis) 4
5 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Querschnitts- und Zeitreihendaten Querschnittsdaten o Daten bzgl. verschiedener Einheiten (Beispiele: Individuen, Haushalte, Firmen) zu einem gegebenen Zeitpunkt o Häufig: Annahme einer Zufallsstichprobe/Unabhängigkeit (Beispiel: Stichprobe von 1000 Arbeitnehmer,,gezogen aus der Grundgesamtheit aller Arbeitnehmer ) o Reihenfolge der Daten nicht bedeutend o Symbol: x i, i = 1,..., n, d.h. es gibt n Querschnittseinheiten 5
6 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Querschnitts- und Zeitreihendaten Zeitreihendaten o Daten für eine oder mehrere Variablen über die Zeit (Beispiele: Inflationsrate vom 1. Quartal 1990 bis 4. Quartal 1999, Dax-Index vom ) o Häufig: hohe Abhängigkeit (Korrelation) über die Zeit (Beispiel: BIP) o Reihenfolge der Daten ist bedeutsam o Symbol: x t, t = 1,..., T, d.h. es gibt T Beobachtungspunkte o Datenfrequenz: täglich, wöchentlich, monatlich, vierteljährlich, jährlich o Saisonale Effekte 6
7 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Gepoolte Querschnitts- und Paneldaten Gepoolte Querschnittsdaten o Daten von verschiedenen Querschnittseinheiten für mehrere Zeitpunkte (Beispiel: Haushaltsstichproben in den Jahren 1996 und 1998) o Gemeinsame Analyse mehrerer Zufallsstichproben: Höhere Anzahl von Beobachtungen Analyse von Veränderungen über die Zeit (Beispiel: Analyse der Effekte der Gesundheitsreform von 1997 mit Hilfe von Daten aus 1996 und 1998) 7
8 1.2 Statistische Grundbegriffe und Datenarten Datenarten: Gepoolte Querschnitts- und Paneldaten Paneldaten o Daten von gleichen Querschnittseinheiten für mehrere Zeitpunkte (Beispiel: Sozio-ökonomische Panel (SOEP) des DIW) o Paneldaten erlauben Kontrolle von so genannten,,unbeobachteten Individualeffekten Analyse von zeitverzögerten Effekten (Beispiel: Investition in Abhängigkeit von Firmencharakteristika aus Vorperioden) 8
9 1.3 Datenquellen, -erhebung, und -transformationen Datenquellen Amtliche Statistik o Statistisches Bundesamt, Eurostat, EZB, Bundesbank, Bundesagentur für Arbeit Nichtamtliche Statistik o Sachverständigenrat zur Begutachtung der gesamtwirtschaftlichen Entwicklung, VGR des DIW, OECD, UNO, IWF, Weltbank Haushalts- und Unternehmensbefragungen o SOEP, Konjunkturindikatoren (z.b. Geschäftsklimaindex des ifo Instituts), Befragung von Finanzmarktexperten durch das ZEW Spieltheoretische und andere Experimente 9
10 1.3 Datenquellen, -erhebung, und -transformationen Datenerhebung Befragungen o Beispiele: Haushalts- und Unternehmenspanel, Umfragen Meldepflichten von Unternehmen und Institutionen o Beispiele: Amtliche Statistiken, EZB/Bundesbank, Finanzbehörden Automatische (computergestützte) Erfassung o Beispiele: Finanzmarktdaten (Börsenkurse, Optionspreise etc.) Sonstige Erhebungen o Beispiele: Firmeninterne Erfassung von Daten, Einzelhandelspreise als Basis für Preisindexberechnung Wichtige theoretische Basis: Stichprobentheorie 10
11 1.3 Datenquellen, -erhebung, und -transformationen Auswahl geeigneter Daten: Probleme Messen die Daten die ökonomisch relevante Größe? o Beispiel: Wirtschaftsaktivität vs. BIP Datenqualität: Sind Messfehler wahrscheinlich? o Beispiele: Falsche Angabe von Einkommen bei Haushaltsbefragungen, Tipp- und Schreibfehler Dürfen wir Variablen im ökonometrischen Modell aufgrund mangelnder Datenverfügbarkeit auslassen? o Beispiele: Fähigkeit/Intelligenz in Lohnmodellen, Tag der Prüfung im Rahmen von Leistungsstudien (z.b. PISA) 11
12 1.3 Datenquellen, -erhebung, und -transformationen Auswahl geeigneter Daten: Probleme Enstprechen die ökonometrischen Modellannahmen den Dateneigenschaften? o Beispiel: Unabhängigkeit der Stichprobe Konsequenzen für empirische/ökonometrische Analyse? o Bestimmung der Effekte von z.b. Messfehlern o Entwicklung und Anwendung von adäquaten ökonometrischen Methoden 12
13 Elementare Datentransformationen 1.3 Datenquellen, -erhebung, und -transformationen Querschnittsdaten: Quotenbildung o Beispiel: Bruttowertschöpfung in Sektor k, x k, k = 1,..., K x k Anteil von Sektor k: q k = K j=1 x k = 1,..., K j, Zeitreihendaten: Bildung von Indexreihe o Beispiel: Bruttowertschöpfung in Sektor k, x kt, für die Jahre , t = 1,..., 10 Indexreihe für x kt für Basisjahr 1991, d.h. Index=100 in 1991 i kt = (x kt /x k1 ) 100, t = 1,..., 10, i k1 = 100, 13
14 Elementare Datentransformationen 1.3 Datenquellen, -erhebung, und -transformationen Zeitreihendaten: Wachstumsraten o Beispiel: vierteljährliches BIP-Wachstum zwischen 1991:1-1999:4 BIP-Zeitreihe: x t, t = 1,..., 40 Zeitreihe der BIP-Wachstumsraten: r t = x t x t 1 x t 1, t = 2,..., 40 Bestimmung der Wachstumsraten erst ab der zweiten Beobachtung möglich! Wachstumsrate über mehrere Perioden entspricht nicht der Summe der einperiodigen Wachstumsraten: wegen Zinseszinseffekt 14
15 Elementare Datentransformationen 1.3 Datenquellen, -erhebung, und -transformationen Log-Transformation o Basisvariable x, log-transformation: ln(x) o Regressionsmodelle: Interpretation der Koeffizienten als Semielastizität bzw. Elastizität bei Verwendung von logarithmierten Variablen o Varianzglättung, falls Varianz mit Niveau der Variable ansteigt o Bildung von (Log-)Wachstumsraten als Differenz von Logarithmen: Zeitreihe der BIP-(Log-)Wachstumsraten: rl t = ln(x t ) ln(x t 1 ) Beachte: rl t = ln(x t ) ln(x t 1 ) r t, falls r t klein ist Log-Wachstumsrate über mehrere Perioden ergibt sich als Summe der einperiodigen Log-Wachstumsraten 15
16 Reale vs. nominale Variablen 1.3 Datenquellen, -erhebung, und -transformationen Nominale Variable y und Preisindex p Reale Variable x = (y/p) 100 Typische Anwendung für Zeitreihenvariablen: Nominales und reales BIP o Nominale BIP-Zeitreihe: y t, t = 1,..., T o Preisindexzeitreihe: p t, t = 1,..., T, mit p 1 = 100 o Reale BIP-Zeitreihe: x t = (y t /p t ) 100, t = 1,..., T 16
17 Datenzugang 1.4 Computergestütze Datenanalyse Die meisten Daten sind in elektronischer Form verfügbar o Makro- und Finanzmarktdaten via CD oder Internetdatenbanken: Eurostat, Statistisches Bundesamt, EZB, International Statistical Yearbook (IMF), Main Economic Indicators (OECD), Thomson Datastream, EcoWin, Yahoo-Finanzen etc.. o Mikrodatensätze mit Haushalts- oder Unternehmensdaten Datenschutz: eingeschränkter Zugang Beispiele für nichtelektronischen Datenzugang o Viele der o.g. Institutionen veröffentlichen Daten auch in gedruckter Form o,,historische Statistiken wie z.b. Handelstatistik des Deutschen Reiches 17
18 Software 1.4 Computergestütze Datenanalyse Tabellenkalkulationsprogramme: Deskriptive Analyse Statistik- und Ökonometrieprogramme: STATA, EViews, R, GAUSS o Dateneinlesen o Umfangreiche Datenanalyse: Regressionsanalyse u.a. komplexe statistische und ökonometrische Methoden o Programmierung von nicht implementierten Methoden o Simulationen zur Evaluation von statistischen Verfahren, z.b. Tests 18
19 Zufallsvariablen 1.4 Rolle der Stochastik Annahme: Betrachtete Variablen sind zufällig, d.h. stochstisch Beispiel Lohngleichung für Arbeitnehmer Motivation I o Stichprobe von 1000 Arbeitnehmer aus Grundgesamtheit aller Arbeitnehmer o Stichprobe bezüglich Lohn: {W 1,..., W 1000 } o Zufällige Auswahl Lohn von Arbeitnehmer i, W i, ist eine Zufallsvariable 19
20 Zufallsvariablen: Motivation II 1.4 Rolle der Stochastik Ökonomisches Lohnmodell W = f(ausbildung, Berufserfahrung, Umfang von Qualifizierung, Fähigkeit) Ökonometrisches Lohnmodell W = β 0 + β 1 ausb + β 2 befahr + β 3 quali + U Gründe für Berücksichtigung von Fehlerterm U o Intrinsische Zufälligkeit: ökonomisches Modell gilt nicht exakt o Messfehler, schlechte Proxyvariablen (z.b. Ausbildungszeit) o ausgelassene Variablen (z.b. Fähigkeit) o falsche funktionale Form (z.b. lineare Form) 20
21 Zufallsvariablen: Motivation II 1.4 Rolle der Stochastik Sinnvolle/Notwendige Annahme: Effekte des Fehlerterms sind nicht systematisch, sondern zufällig U ist eine Zufallsvariable, z.b. mit U (0, σ 2 ) Wenn U eine Zufallsvariable ist, dann ist auch W eine Zufallsvariable, wegen W = β 0 + β 1 ausb + β 2 befahr + β 3 quali + U Unterschiedliche Annahmen bzgl. erklärender Variablen ausb, bef ahr, quali o Realistisch: auch Zufallsvariablen o Häufig: deterministisch Variablen, um Eigenschaften von ökonometrischen Methoden (Schätzer, Tests) einfacher herleiten zu können 21
22 Stochastischer Modellrahmen 1.4 Rolle der Stochastik Welche Konsequenz hat der stochastische Modellrahmen? Wie können wir den stochastische Modellrahmen nutzen, um etwas über die Grundgesamtheit zu lernen? 22
23 1.4 Rolle der Stochastik Stochastischer Modellrahmen: Konsequenz Unterscheide Zufallsvariablen und Daten Beispiel: Zufallsexperiment zu Durchschnittsalter der EVWL-Studenten o Grundgesamtheit: Alle EVWL-Studenten o Zufällige Auswahl von 10 Studenten Jeder Student hat gleiche Chance, einzelne Auswahlentscheidungen sind unabhängig =,,Ziehen mit Zurücklegen o Zufallsstichprobe: {Y 1,..., Y 10 } mit Y i = Alter von Student i, Y i ist eine Zufallsvariable o Nach Auswahl: Daten bzw. Realisationen (y 1,..., y 10 ) liegen vor; Sie sind nicht zufällig! o Daten variieren je nach Stichprobe 23
24 1.4 Rolle der Stochastik Stochastischer Modellrahmen: Inferenz Wir verwenden Daten um auf Eigenschaften der Grundgesamtheit (hier: Durchschnittsalter µ) zu schließen: Inferenz Schätzer/Schätzregel: Arithmetisches Mittel der Stichprobenvariablen o Ȳ = 1 10 i=1 10 Y i o Ȳ ist eine Zufallsvariable, da es eine Funktion von Zufallsvariablen ist Schätzwert/Schätzung: Arithmetisches Mittel der Daten o ȳ = 1 10 i=1 10 y i o ȳ ist keine Zufallsvariable, sondern ein Zahlenwert 24
25 1.4 Rolle der Stochastik Stochastischer Modellrahmen: Inferenz Stochastischer Modellrahmen erlaubt Evaluation ökonometrischer Verfahren, z.b. von Schätzern (aber auch Entwicklung von Verfahren) Relevante Frage: Ist unser(e) Schätzer/Schätzregel gut? o Idee: Können unendlich viele Stichproben ziehen unendlich viele Schätzwerte o Machen wir im Mittel einen Fehler, d.h. gilt E[Ȳ ] = µ oder nicht? o Abstrakte Eigenschaft: oft nur eine Stichprobe verfügbar o Ableitung der Eigenschaften von Schätzern ist eine der Hauptaufgaben der Ökonometrie: verlangt Kenntnisse über Wahrscheinlichkeitstheorie und induktiver Statistik Konkreter Schätzwert ist richtig oder falsch! Wir wissen es aber nie! o Es gilt immer: E[ȳ] = ȳ, da ȳ nicht zufällig 25
1. Einleitung. 1.1 Phasen einer ökonometrischen Analyse
1. Einleitung 1.1 Phasen einer ökonometrischen Analyse Empirische ökonomische bzw. ökonometrische Analyse: Nutzung von Schätz- und Testmethoden zur Überprüfung ökonomischer Hypothesen oder Quantifizierung
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
Mehr1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrStatistik II. I. Einführung. Martin Huber
Statistik II I. Einführung Martin Huber 1 / 24 Übersicht Inhalt des Kurses Erste Schritte in der empirischen Analyse 2 / 24 Inhalt 1 Einführung 2 Univariates lineares Regressionsmodell 3 Multivariates
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
MehrEinführung in die Statistik mit R
Einführung in die Statistik mit R Bernd Weiler syntegris information solutions GmbH Neu Isenburg Schlüsselworte Statistik, R Einleitung Es ist seit längerer Zeit möglich statistische Berechnungen mit der
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrUnivariates Datenmaterial
Univariates Datenmaterial 1.6.1 Deskriptive Statistik Zufallstichprobe: Umfang n, d.h. Stichprobe von n Zufallsvariablen o Merkmal/Zufallsvariablen: Y = {Y 1, Y 2,..., Y n } o Realisationen/Daten: x =
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
MehrStatistik Grundbegriffe
Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene
MehrEinführung in die Methoden der Empirischen Wirtschaftsforschung
Einführung in die Methoden der Empirischen Wirtschaftsforschung Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 1 / 37 Übersicht 1 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.2
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrUwe Hassler. Statistik im. Bachelor-Studium. Eine Einführung. für Wirtschaftswissenschaftler. ^ Springer Gabler
Uwe Hassler Statistik im Bachelor-Studium Eine Einführung für Wirtschaftswissenschaftler ^ Springer Gabler 1 Einführung 1 2 Beschreibende Methoden univariater Datenanalyse 5 2.1 Grundbegriffe 5 2.2 Häufigkeitsverteilungen
MehrJohn Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer
John Komlos Bernd Süssmuth Empirische Ökonomie Eine Einführung in Methoden und Anwendungen 4y Springer 1 Einführung 1 1.1 Ökonometrie 1 2 Vorüberlegungen und Grundbegriffe 7 2.1 Statistik als Grundlage
Mehr1 Einführung Ökonometrie... 1
Inhalt 1 Einführung... 1 1.1 Ökonometrie... 1 2 Vorüberlegungen und Grundbegriffe... 7 2.1 Statistik als Grundlage der Empirischen Ökonomie... 7 2.2 Abgrenzung und Parallelen zu den Naturwissenschaften...
MehrWahrscheinlichkeitsrechnung und Statistik
9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge
MehrMan kann also nicht erwarten, dass man immer den richtigen Wert trifft.
2.2.2 Gütekriterien Beurteile die Schätzfunktionen, also das Verfahren an sich, nicht den einzelnen Schätzwert. Besonders bei komplexeren Schätzproblemen sind klar festgelegte Güteeigenschaften wichtig.
MehrÜbung III/ IV. 1 Prognose. 2 Daten und Datenverfügbarkeit. Dipl. Vw. Matthias Kirbach Sommersemester 2005
Dipl. Vw. Matthias Kirbach Sommersemester 2005 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT DOCENDO CURANDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
MehrStatistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II
Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
Mehr2.5 Lineare Regressionsmodelle
2.5.1 Wiederholung aus Statistik I Gegeben Datenpunkte (Y i, X i ) schätze die beste Gerade Y i = β 0 + β 1 X i, i = 1,..., n. 2 Induktive Statistik 409 Bsp. 2.30. [Kaffeeverkauf auf drei Flohmärkten]
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrRepetitorium Statistik
Peter P. Eckstein Repetitorium Statistik Deskriptive Statistik - Stochastik - Induktive Statistik Mit Klausuraufgaben und Lösungen 6., aktualisierte Auflage GABLER VII I Deskriptive Statistik 1 1 Statistik
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrEmpirische Wirtschaftsforschung
Thomas K. Bauer Michael Fertig Christoph M. Schmidt Empirische Wirtschaftsforschung Eine Einführung ß 361738 4y Springer Inhaltsverzeichnis 1 Wichtige Konzepte der Statistik - Eine Einführung 1 1.1 Die
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
Mehr1. Eigenschaften einer Zufallsstichprobe
1. Eigenschaften einer Zufallsstichprobe 1.1 Grundkonzepte Definition 1.1.1: Man nennt die Zufallsvariablen X 1,..., X n zufällige Stichprobe oder Zufallsstichprobe vom Umfang n aus der Population (Grundgesamtheit)
MehrWebsite. Vorlesung Statistisches Lernen. Dozenten. Termine. Einheit 1: Einführung
Website Vorlesung Statistisches Lernen Einheit 1: Einführung Dr. rer. nat. Christine Pausch Institut für Medizinische Informatik, Statistik und Epidemiologie Universität Leipzig (Aktuelle) Informationen
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrVorlesung Statistisches Lernen
Vorlesung Statistisches Lernen Einheit 1: Einführung Dr. rer. nat. Christine Pausch Institut für Medizinische Informatik, Statistik und Epidemiologie Universität Leipzig WS 2014/2015 1 / 20 Organisatorisches
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrProxies, Endogenität, Instrumentvariablenschätzung
1 4.2 Multivariate lineare Regression: Fehler in den Variablen, Proxies, Endogenität, Instrumentvariablenschätzung Literatur: Wooldridge, Kapitel 15, Appendix C.3 und Kapitel 9.4 Wahrscheinlichkeitslimes
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrAnalyse von Querschnittsdaten. Statistische Inferenz
Analyse von Querschnittsdaten Statistische Inferenz Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004 03.11.2004
MehrStatistik Grundbegriffe
Statistik Grundbegriffe 2 2.1 Überblick Im Kap. 2 werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene Skalenniveaus voneinander abgrenzen.
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrInhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2016/17 28. Juni 2016 1 / 16 Übersicht Sicher sind nur: Zeitreihenanalyse (WS 2016/17) und Ökonometrie
MehrJOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2
MehrEmpirische Wirtschaftsforschung und Ökonometrie I
Empirische Wirtschaftsforschung und Ökonometrie I Prof. Dr. Johannes Jaenicke Juniorprofessur für Ökonometrie Staatswissenschaftliche Fakultät Universität Erfurt http://www.uni-erfurt.de/oekonometrie2
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrStatistische Datenanalyse
Werner A. Stahel Statistische Datenanalyse Eine Einführung für Naturwissenschaftler 3., durchgesehene Auflage vieweg VII 1 Einleitung 1 1.1 Was ist Statistische Datenanalyse? 1 1.2 Ziele 6 1.3 Hinweise
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrKapitel 1 Einführung. Angewandte Ökonometrie WS 2012/13. Nikolaus Hautsch Humboldt-Universität zu Berlin
Kapitel 1 Einführung Angewandte Ökonometrie WS 2012/13 Nikolaus Hautsch Humboldt-Universität zu Berlin 1. Allgemeine Informationen 2 17 1. Allgemeine Informationen Vorlesung: Mo 12-14, SPA1, 23 Vorlesung
MehrKapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.
Kapitel 5 Prognose Josef Leydold c 2006 Mathematische Methoden V Prognose 1 / 14 Lernziele Aufgabe der Prognose Problemtypen Ablauf einer Prognoseaufgabe Zeitreihe Josef Leydold c 2006 Mathematische Methoden
MehrÜber dieses Buch Die Anfänge Wichtige Begriffe... 21
Inhalt Über dieses Buch... 12 TEIL I Deskriptive Statistik 1.1 Die Anfänge... 17 1.2 Wichtige Begriffe... 21 1.2.1 Das Linda-Problem... 22 1.2.2 Merkmale und Merkmalsausprägungen... 23 1.2.3 Klassifikation
MehrComputerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.
Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrVorlesung 3: Schätzverfahren
Vorlesung 3: Schätzverfahren 1. Beispiel: General Social Survey 1978 2. Auswahl einer Zufallsstichprobe und Illustration des Stichprobenfehlers 3. Stichprobenverteilung eines Regressionskoeffizienten 4.
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrEinführung in die Induktive Statistik: Regressionsanalyse
Einführung in die Induktive Statistik: Regressionsanalyse Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Regressionsanalyse Ziel: Analyse
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
Mehr1 Einführung in die Statistik
1 Einführung in die Statistik 1 1 Einführung in die Statistik 1.1 Eingrenzungen des Begriffs Statistik 1.1.1 Komprimierende Kennwerte 1.1.2 Staatswissenschaftliche Disziplin 1.1.3 Wahrscheinlichkeitstheoretisch
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrEmpirische Wirtschaftsforschung und Ökonometrie
Peter Winker Empirische Wirtschaftsforschung und Ökonometrie 2., vollständig überarbeitete Auflage Mit 99 Abbildungen und 13 Tabellen Springer Inhaltsverzeichnis Vorwort V Teill Einleitung 1 Aufgabe und
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
Mehr2. Stochastische ökonometrische Modelle. - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen
.1. Stochastische ökonometrische Modelle.1 Einführung Ziele: - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen - Numerische Konkretisierung ökonomischer Modelle und deren Analse. . Variierende
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrEmpirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 2., aktualisierte Auflage FERDINAND SCHÖNINGH Inhaltsverzeichnis Einleitung 13 Methoden im empirischen Forschungsprozess
Mehr