Abschlussklausur zur Vorlesung Empirical Banking and Finance
|
|
- Oswalda Hoch
- vor 7 Jahren
- Abrufe
Transkript
1 Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Abschlussklausur zur Vorlesung Empirical Banking and Finance Sommersemester 2010, , 15:00 17:00 Uhr Hinweise zur Klausur Die Klausur besteht aus 2 Aufgaben, die beide zu beantworten sind Füllen Sie zunächst das Deckblatt des Lösungsbogens aus Tragen Sie Ihre Lösungen auf dem zur Verfügung gestellten Lösungsbogen an der vorgesehenen Stelle ein Sollten Sie mit dem Platz nicht auskommen, verwenden Sie bitte die Rückseite des Blattes Sie müssen hierbei deutlich machen, auf welche Teilaufgabe Sie sich beziehen Jeder darf nur genau einen Lösungsbogen abgeben Bitte bemühen Sie sich bei der Beantwortung der Fragen um knappe und präzise Formulierungen Geben Sie Ihre Lösungswege mit an Ansonsten können keine Punkte vergeben werden Aufgabe 1 beruht auf den in der Vorlesung besprochenen Zeitschriftenaufsätzen Bringen Sie diese Aufsätze bitte in die Klausur mit Sie dürfen sämtliche Vorlesungsunterlagen sowie eigene Aufzeichnungen mit in die Klausur bringen Bemühen Sie sich bitte, Ihre Kommillitonen durch das Blättern nicht zu stören Sie dürfen einen nicht-programmierbaren Taschenrechner benutzen Bringen Sie auch ein Lineal/Geodreieck mit zur Klausur Verwenden Sie bitte keinen Rotstift In der Klausur sind maximal 120 Punkte zu erzielen Punkte ist bei den einzelnen Aufgaben angegeben Die Verteilung der Die Bearbeitungszeit der Klausur beträgt 120 Minuten Wir wünschen Ihnen für die Klausur viel Erfolg!
2 Empirical Banking and Finance 2 1 Fragen zu Zeitschriftenaufsätzen (85 Punkte) Diese Aufgabe bezieht sich auf die in der Vorlesung besprochenen Zeitschriftenaufsätze (a) Rajan/Zingales (1998): (a1) Erläutern Sie den zentralen Vorteil der Schätzmethode von Rajan und Zingales gegenüber einer Querschnittsregression auf Länderebene () (a2) Wie ist ein positiver und signifikanter Koeffizient des Rajan-Zingales- Interaktionsterms zu interpretieren? (2 Punkte) (a3) Welche Arten von Dummyvariablen werden in das Modell eingeschlossen? Erläutern Sie, für welche Arten von Faktoren durch diese Dummyvariablen kontrolliert werden kann Geben Sie je ein Beispiel für solche Faktoren für jeden Dummy-Typ (4 Punkte) (a4) Erläutern Sie, wie das differential in real growth rate berechnet wird (4 Punkte) (a5) Wie ist der Wert des differential in real growth rate von 1,3 in der ersten Zahlenspalte von Tabelle 4 auf Seite 575 zu interpretieren? Beziehen Sie sich hierbei auf konkrete Länder und Industrien (4 Punkte) (b) Friedrich/Schnabel/Zettelmeyer (2010): (b1) Wodurch unterscheidet sich das Schätzmodell in Gleichung 1 auf Seite 12 von dem Schätzmodell von Rajan und Zingales (1998)? (2 Punkte) (b2) Interpretieren Sie das Vorzeichen des Koeffizienten -1,029 ( Differential sectoral growth effect (Emerging Europe) in der ersten Zahlenspalte von Tabelle 2 auf Seite 18 () (b3) Erläutern Sie das Vorzeichen des Koeffizienten -0,673 ( Memo: Sectoral growth effect, depending on external finance (Emerging Europe) ) in der ersten Zahlenspalte von Tabelle 2 () (b4) Welche Art von Test würden Sie durchführen, um die Signifikanz des Koeffizienten aus (b3) zu überprüfen? Wie lauten die Nullhypothese und die Alternativhypothese des Tests? Kann die Nullhypothese verworfen werden? Verwenden Sie die Notation aus Gleichung 1 Geben Sie auch an, welchen Stata-Befehl Sie für diesen Test verwenden würden (5 Punkte) (b5) Erläutern Sie, was man unter winsorizing versteht Warum wird dies durchgeführt? (4 Punkte)
3 Empirical Banking and Finance 3 (c) Dell Ariccia/Detragiache/Rajan (2008): (c1) Wodurch unterscheidet sich das Schätzmodell auf Seite 94 von dem Schätzmodell von Rajan und Zingales (1998)? () (c2) Welche Arten von Dummyvariablen werden in das Modell eingeschlossen? Erläutern Sie, für welche Arten von Faktoren durch diese Dummyvariablen kontrolliert werden kann Geben Sie je ein Beispiel für solche Faktoren für jeden Dummy-Typ (6 Punkte) (c3) Interpretieren Sie das Vorzeichen des Koeffizienten -2,74 ( Crisis3 * Dep ) in der ersten Zahlenspalte von Tabelle 2 auf Seite 97 (4 Punkte) (c4) Warum ist es wichtig, für Rezessionen zu kontrollieren? (4 Punkte) (d) Beck/Demirgüc-Kunt/Maksimovic (2008): (d1) Erläutern Sie, warum zur Schätzung ein Tobit-Modell verwendet wird und nicht ein Modell für zensierte oder gestutzte Daten () (d2) Welche Probleme würden auftreten, wenn man das Modell mit OLS schätzt? (2 Punkte) (d3) Im Lösungsbogen finden Sie eine fiktive Punktwolke Bitte skizzieren Sie (bitte beschriften!) (i) die Vorhersage einer OLS-Schätzung (2 Punkte), (ii) den unbedingten Erwartungswert E(y x), der sich bei einer zweiseitigen Tobit-Schätzung in etwa ergeben würde (), (iii) den geschätzten Steigungsparameter der x-variablen aus der Tobitschätzung () (d4) Interpretieren Sie das Vorzeichen des Koeffizienten 24,476 ( Small ) in der zweiten Zahlenspalte von Tabelle 4 auf Seite 477 (4 Punkte) (e) Keys/Mukherjee/Seru/Vig (2010): (e1) Was wollen die Autoren mit Graphik 2 auf Seite 40 zeigen? () (e2) Wie werden die durchgezogenen Linien in den Graphiken 6A bis 6F (Seite 44 46) geschätzt? (4 Punkte) (e3) Deuten die Graphiken 6A bis 6F auf einen Sprung in der Ausfallwahrscheinlichkeit hin? () (e4) Wieso handelt es sich eher um ein fuzzy als um ein sharp regression discontinuity design? (4 Punkte) (e5) Diskutieren Sie die interne und externe Validität des geschätzten kausalen Effektes ()
4 Empirical Banking and Finance 4 2 Paneldaten (35 Punkte) Betrachten Sie den Regressionsoutput, der sich an die erste Anwendung zum Thema Paneldaten anlehnt, und beantworten Sie die folgenden Fragen (a) Betrachten Sie Regression 1 und interpretieren Sie die Werte der geschätzten Koeffizienten Sie brauchen nicht auf die statistische Signifikanz einzugehen (10 Punkte) (b) Betrachten Sie Regression 2 Erläutern Sie, warum einige Variablen aus der Regression entfernt wurden () (c) Betrachten Sie Regression 3 Erläutern Sie, warum einige Variablen aus der Regression entfernt wurden () (d) Betrachten Sie Regression 4 Erläutern Sie, warum einige Variablen aus der Regression entfernt wurden () (e) Betrachten Sie den Hausman-Test unterhalb von Regression 5 (e1) Erläutern Sie die grundsätzliche Testidee Wie lauten die Nullhypothese und die Alternativhypothese des Tests? (5 Punkte) (e2) Wie lautet das Testergebnis? () (e3) Welchen Schätzer sollten Sie laut dieser Schätzungverwenden? Begründen Sie Ihr Ergebnis () (f) Welche der 5 Regressionen (Regression 1 bis Regression 5) führen zu konsistenten Schätzern, wenn der individuelle Effekt (a i )mitdenx-variablen korreliert ist? Begründen Sie Ihr Ergebnis (5 Punkte)
5 log: c:\empwifo\tentamensmcl log type: smcl opened on: 23 Jul 2010, 08:04:12 use c:\empwifo\airfare2dta ** Deskriptive Statistiken su Variable Obs Mean Std Dev Min Max year origin 0 destin 0 id dist fare concen ** Generierung neuer Variablen ge lfare = ln(fare) ge ldist = ln(dist) ge ldist2 = ldist^2 ge d1997 = (year==1997) ge d1998 = (year==1998) ge d1999 = (year==1999) ge d2000 = (year==2000) *** Regression 1 *** reg lfare concen ldist ldist2 d1998 d1999 d2000, cluster(id) Linear regression Number of obs = 4596 F( 6, 1148) = Prob > F = R-squared = Root MSE = (Std Err adjusted for 1149 clusters in id) Robust lfare Coef Std Err t P> t [95% Conf Interval] concen ldist ldist d d d _cons
6 *** Regression 2 *** sort id year ge Dlfare = lfare - lfare[_n-1] if id == id[_n-1] (1149 missing values generated) ge Dconcen = concen - concen[_n-1] if id == id[_n-1] (1149 missing values generated) ge Dldist = ldist - ldist[_n-1] if id == id[_n-1] (1149 missing values generated) ge Dldist2 = ldist2 - ldist2[_n-1] if id == id[_n-1] (1149 missing values generated) reg Dlfare Dconcen Dldist Dldist2 d1998 d1999 d2000, cluster(id) Linear regression Number of obs = 3447 F( 3, 1148) = 3436 Prob > F = R-squared = Root MSE = (Std Err adjusted for 1149 clusters in id) Robust Dlfare Coef Std Err t P> t [95% Conf Interval] Dconcen Dldist (dropped) Dldist2 (dropped) d d1999 (dropped) d _cons *** Regression 3 *** ** Festlegung der Dimensionen des Panels xtset id year panel variable: id (strongly balanced) time variable: year, 1997 to 2000 delta: 1 unit xtreg lfare concen ldist ldist2 d1998 d1999 d2000, fe robust Fixed-effects (within) regression Number of obs = 4596 Group variable: id Number of groups = 1149 R-sq: within = Obs per group: min = 4 between = avg = 40 overall = max = 4 F(4,1148) = corr(u_i, Xb) = Prob > F = (Std Err adjusted for 1149 clusters in id) Robust lfare Coef Std Err t P> t [95% Conf Interval] concen ldist (dropped) ldist2 (dropped) d d d _cons sigma_u sigma_e rho (fraction of variance due to u_i)
7 *** Regression 4 *** xtreg lfare concen ldist ldist2 d1998 d1999 d2000, be Between regression (regression on group means) Number of obs = 4596 Group variable: id Number of groups = 1149 R-sq: within = Obs per group: min = 4 between = avg = 40 overall = max = 4 F(3,1145) = sd(u_i + avg(e_i))= Prob > F = lfare Coef Std Err t P> t [95% Conf Interval] concen ldist ldist d1998 (dropped) d1999 (dropped) d2000 (dropped) _cons *** Regression 5 *** xtreg lfare concen ldist ldist2 d1998 d1999 d2000, re robust Random-effects GLS regression Number of obs = 4596 Group variable: id Number of groups = 1149 R-sq: within = Obs per group: min = 4 between = avg = 40 overall = max = 4 Random effects u_i ~ Gaussian Wald chi2(7) = corr(u_i, X) = 0 (assumed) Prob > chi2 = (Std Err adjusted for clustering on id) Robust lfare Coef Std Err z P> z [95% Conf Interval] concen ldist ldist d d d _cons sigma_u sigma_e rho (fraction of variance due to u_i)
8 *** Hausman-Test *** quietly: xtreg lfare concen ldist ldist2 d1998 d1999 d2000, fe estimates store fixed quietly: xtreg lfare concen ldist ldist2 d1998 d1999 d2000, re estimates store random hausman fixed random ---- Coefficients ---- (b) (B) (b-b) sqrt(diag(v_b-v_b)) fixed random Difference SE concen d d d b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(4) = (b-b)'[(v_b-v_b)^(-1)](b-b) = 1000 Prob>chi2 = (V_b-V_B is not positive definite) log close log: c:\empwifo\tentamensmcl log type: smcl closed on: 23 Jul 2010, 08:04:
9 Prof Dr Isabel Schnabel Fachbereich Rechts- und Wirtschaftswissenschaften Johannes Gutenberg-Universität Mainz Lösungsbogen Klausur Empirical Banking and Finance Sommersemester , Uhr Bitte füllen Sie die folgenden Felder sorgfältig in DRUCKBUCHSTABEN aus: Name: Vorname: Matrikelnummer: Ich möchte nicht, dass meine Matrikelnummer und Note kennwortgeschützt auf der Homepage des Lehrstuhls bekannt gegeben werden Ich bin mir bewusst, dass ich bei Ankreuzen dieses Feldes auf die Notenbekanntgabe durch das Prüfungsamt warten muss Unterschrift: Dieser Teil wird vom Prüfer ausgefüllt: Aufgabe Punkte Maximale Punktzahl Summe 120 Note
10 1 Fragen zu Zeitschriftenaufsätzen (a) Rajan/Zingales (1998) (a1) (a2) 2 Punkte (a3) 4 Punkte 1
11 (a4) 4 Punkte (a5) 4 Punkte (b) Friedrich/Schnabel/Zettelmeyer (b1) 2 Punkte 2
12 (b2) (b3) (b4) 5 Punkte 3
13 (b5) 4 Punkte (c) Dell Ariccia/Detragiache/Rajan (2008) (c1) (c2) 6 Punkte 4
14 (c3) 4 Punkte (c4) 4 Punkte 5
15 (d) Beck/Demirgüc-Kunt/Maksimovic (2008) (d1) (d2) 2 Punkte (d3) 8 Punkte y x 6
16 (d4) 4 Punkte (e) Keys/Mukherjee/Seru/Vig (2010) (e1) (e2) 4 Punkte 7
17 (e3) (e4) 4 Punkte (e5) 8
18 2 Paneldaten (a) 10 Punkte Geschätzter Koeffizient von Interpretation concen ldist ldist2 d1998 (d1999, d2000) _cons 9
19 (b) (c) (d) 10
20 (e1) 5 Punkte (e2) 11
21 (e3) (f) 5 Punkte 12
Abschlussklausur zur Vorlesung Empirische Wirtschaftsforschung
Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Abschlussklausur zur Vorlesung Empirische Wirtschaftsforschung Sommersemester 2007, 14082007, 16:30 18:30 Uhr Hinweise zur Klausur Die Klausur besteht
MehrPrüfung im Fach Mikroökonometrie im Wintersemester 2012/13 Aufgaben
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Mikroökonometrie im Wintersemester 2012/13 Aufgaben Vorbemerkungen: Anzahl der Aufgaben: Bewertung:
MehrStatistische Methoden der Lebensverlaufsforschung. Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften
Statistische Methoden der Lebensverlaufsforschung Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften Lebensverlauf Deutschland, ca 1870 Johannes Giesecke Statistische
MehrPanelregression (und Mehrebenenanwendungen)
Panelregression (und Mehrebenenanwendungen) Henning Lohmann Universität zu Köln Lehrstuhl für Empirische Sozial- und Wirtschaftsforschung SOEP@Campus 2007, Universität Duisburg-Essen, 11. Oktober 2007
MehrKlausur: Angewandte Ökonometrie. Termin: , 14:00 16:00. Prüfer: Prof. Dr. Hans-Jörg Schmerer. Datum:
Fakultät für Wirtschaftswissenschaft Lehrstuhl für Volkswirtschaftslehre, insb. Internationale Ökonomie Univ.-Prof. Dr. Hans-Jörg Schmerer Name: Vorname: Matrikel-Nr.: Klausur: 42270 Angewandte Ökonometrie
MehrMikro-Ökonometrie, WS 2017/2018 Musterlösungen Aufgabenblatt 8
Mikro-Ökonometrie, WS 2017/2018 Musterlösungen Aufgabenblatt 8 Aufgabe 8: Die Datei FEMLABOUR.DTA enthält ein Panel mit ca. 12 000 Beobachtungen erwerbstätiger Frauen aus den Jahren 1980 bis 1987. Ein
MehrMasterprüfung. Die Klausur besteht aus 3 Aufgaben, die alle bearbeitet werden müssen.
Fach: Prüfer: Mikroökonometrie Prof. Regina T. Riphahn, Ph.D. Masterprüfung Vorbemerkungen: Bearbeitungszeit: 60 Minuten. Anzahl der Aufgaben: Bewertung: Erlaubte Hilfsmittel: Wichtige Hinweise: Die Klausur
MehrMikro-Ökonometrie, WS 2015/2016 Musterlösung der zusätzlichen Aufgabe zu. Panel Daten
Mikro-Ökonometrie, WS 2015/2016 Musterlösung der zusätzlichen Aufgabe zu Panel Daten Aufgabe P: Die Datei CIGARETTE.DTA enthält Panel-Daten (insbes. zum Konsum von Zigaretten) von 48 (d.h. fast allen)
MehrPrüfung im Fach Panel- und Evaluationsverfahren im WS 2017/18
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Panel- und Evaluationsverfahren im WS 2017/18 Aufgabe 1 (10,5 Punkte) Ihnen steht ein Paneldatensatz
Mehr2. Statische lineare Panelmodelle
2. Statische lineare Panelmodelle 2.1 Fixed effects Schätzung Eine gegenüber der first-differenced OLS-Schätzung oft vorteilhaftere Vorgehensweise zur Beseitigung der fixen Effekte α i in linearen fixed
MehrPrüfung im Fach Mikroökonometrie im Sommersemester 2014 Aufgaben
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Mikroökonometrie im Sommersemester 014 Aufgaben Vorbemerkungen: Anzahl der Aufgaben: Bewertung:
MehrWiederholungsklausur zur Vorlesung Informationsökonomik
Prof. Dr. Isabel Schnabel Johannes Gutenberg-Universität Mainz Wiederholungsklausur zur Vorlesung Informationsökonomik Sommersemester 2011, 15.08.2011, 13:00 14:30 Uhr Hinweise zur Klausur Die Klausur
MehrEinführung II. Kontext und Mehr-Ebenen-Datensätze. Wiederholung Statistische Mehr-Ebenen-Modelle Politisches Vertrauen in Europa Fazit/Ausblick
Einführung II Kontext und Mehr-Ebenen-Datensätze Kontext und Mehr-Ebenen-Datensätze Einführung II (1/28) Warum? Wiederholung Moderne Erklärungen = Mehr-Ebenen-Erklärungen Viele Datensätze sind strukturiert
MehrArbeitsmarktökonomie. Fragestunde. Universität Basel HS 2014 Christoph Sajons, Ph.D.
Arbeitsmarktökonomie Fragestunde Universität Basel HS 2014 Christoph Sajons, Ph.D. 1 Heute A. Ganz kurz: Empirie Migration B. Allgemeines zur Klausur C. Fragen 2 A. Empirie Migration Siehe Do- und Log-file
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrKlausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik. 7. Februar 2008
L. Fahrmeir, G. Walter Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 7. Februar 8 Hinweise:. Überprüfen
MehrAbschlussklausur zur Vorlesung Empirische Wirtschaftsforschung
Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Abschlussklausur zur Vorlesung Empirische Wirtschaftsforschung Sommersemester 2012, 24072012, 8:00 9:30 Uhr Hinweise zur Klausur Die Klausur
Mehr3. Dynamische lineare Panelmodelle
3. Dynamische lineare Panelmodelle 3.1 Ansatz und Problemstellung Die wesentliche Annahme bei fixed effects und random effects Schätzungen in linearen Panelmodellen ist, dass die erklärenden Variablen
MehrWiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor)
Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Wiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor) Sommersemester 2012, 07092012, 12:00 13:30 Uhr Hinweise zur Klausur
MehrWiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor)
Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Wiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor) Sommersemester 2010, 16092010, 15:00 16:30 Uhr Hinweise zur Klausur
MehrFragestunde zur Übung
Prof. Bernd Fitzenberger, Ph.D. Dr. Roland Füss Aderonke Osikominu Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2007/08 Fragestunde zur Übung
MehrProf. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft
Prof. Dr. Marc Gürtler WS 015/016 Prof. Dr. Marc Gürtler Klausur zur 10/1 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Lösungsskizze Prof. Dr. Marc Gürtler WS 015/016 Aufgabe 1: (11+5+1+8=56
MehrMasterprüfung. Fach: Mikroökonometrie Prüfer: Prof. Regina T. Riphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung:
Masterprüfung Fach: Mikroökonometrie Prüfer: Prof. Regina T. Riphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung: Erlaubte Hilfsmittel: Wichtige Hinweise: Die Klausur besteht aus 4 Aufgaben,
MehrGebhard Flaig (LMU München)/ Horst Rottmann (HAW Amberg/Weiden) Ifo Institut. Vortrag am ifo Institut München,
Gebhard Flaig (LMU München)/ (HAW Amberg/Weiden) Ifo Institut Vortrag am ifo Institut München, 04.02.2000 Zentrale Fragestellung: Erklärung der langfristigen Entwicklung der Arbeitslosenquote über die
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrMasterprüfung SS 2016
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Fach: Mikroökonometrie Semester: Sommersemester 2016 Prüfer: Prof. Regina T. Riphahn, Ph.D. Masterprüfung SS 2016
MehrKlausur zur Veranstaltung Empirische Wirtschaftspolitik
Seite 1 von 11 Prof. Frank Westermann, Ph.D. Fachgebiet Internationale Wirtschaftspolitik Rolandstraße 8, 49069 Osnabrück Klausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2016/2017
MehrDas Lineare Regressionsmodell
Das Lineare Regressionsmodell Bivariates Regressionsmodell Verbrauch eines Pkw hängt vom Gewicht des Fahrzeugs ab Hypothese / Theorie: Je schwerer ein Auto, desto mehr wird es verbrauchen Annahme eines
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 97 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 15 45
MehrSpezifikationsprobleme Omitted Variable Bias
Spezifikationsprobleme Omitted Variable Bias Spezifikationsprobleme In der Grundgesamtheit gilt der wahre (aber unbekannte) Zusammenhang y = 0 + 1x 1 + : : : kx k dieser Zusammenhang soll anhand einer
MehrProf. Regina T. Riphahn, Ph.D. WS 04/05 Abschlussklausur zur Veranstaltung "Einführung in die Ökonometrie" am 24. Februar 2005,
Prof. Regina T. Riphahn, Ph.D. WS 4/5 Abschlussklausur zur Veranstaltung "Einführung in die Ökonometrie" am 24. Februar 25, 9.-1.3 Uhr Erlaubte Hilfsmittel: Tabelle der statistischen Verteilungen, 4 DIN
MehrFRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1
FRAGESTUNDE Dr. Christian Schwarz 1 #2 - Allgemein Q: Müssen wir den Standard Error händisch berechnen können? R: Nein. Q: Hat das Monte Carlo Experiment irgendeine Bedeutung für uns im Hinblick auf die
MehrÜbungsblatt 10: Lineare Regression (Sitzung 11)
1 Übungsblatt 10: Lineare Regression (Sitzung 11) Aufgabe 1 a) Nach welchem Kriterium wird die Regressionsgerade zur Vorhersage von Y-Werten festgelegt? b) Was sind die Gemeinsamkeiten und Unterschiede
MehrEmpirical Banking and Finance
Empirical Banking and Finance Vorlesung zur Volkswirtschaftspolitik Prof. Dr. Isabel Schnabel Lehrstuhl für Volkswirtschaftslehre, insb. Financial Economics Johannes Gutenberg-Universität Mainz Wintersemester
MehrProbeklausur EW II. Für jede der folgenden Antworten können je 2 Punkte erzielt werden!
Probeklausur EW II Bitte schreiben Sie Ihre Antworten in die Antwortfelder bzw. markieren Sie die zutreffenden Antworten deutlich in den dafür vorgesehenen Kästchen. Wenn Sie bei einer Aufgabe eine nicht-zutreffende
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrZahl der Kreditpunkte, die Sie erwerben möchten: 3 CP 4 CP 6 CP
Klausur in Mikroökonometrie am 26.07.2006 Hinweise: (1) Teil 1 (90 Punkte) muss von allen gelöst werden, Teil 2 (30 Punkte) nur von denjenigen, die 4 oder 6 CP erwerben wollen. (2) Die Punktverteilung
Mehr8. 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:
MehrPanel-Daten I (Grundlagen; Fixed- und Random-Effects)
Panel-Daten I (Grundlagen; Fixed- und Random-Effects) 27 Januar 216 Panel-Daten entstehen, wenn man eine Anzahl von Individuen i (Personen, Haushalte, Unternehmen, Länder usw) über einen Zeitraum zu mehreren
MehrEntwicklung der kommunalen Steuereinnahmen und Anpassungsbedarf IHK Nürnberg für Mittelfranken
Entwicklung der kommunalen Steuereinnahmen und Anpassungsbedarf 7.12.2016 IHK Nürnberg für Mittelfranken Prof. Dr. Thiess Büttner Lehrstuhl für Volkswirtschaftslehre, inbs. Finanzwissenschaft Friedrich-Alexander
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Reale Außenwirtschaftstheorie und -politik Sommersemester 2004 (2. Prüfungstermin) Bearbeitungszeit:
MehrName: Vorname: Unterschrift:
Fakultät für Wirtschaftswissenschaft Matrikelnummer Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin: 12. März 2018, 11 30 13 30 Uhr Prüfer: Prof.
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrLogistische Regression
Logistische Regression Teil 2: Beispiel Dirk Enzmann Fortgeschrittene quantitative Methoden der Kriminologie 29.04.206 Universität Hamburg Dirk Enzmann (Hamburg) Logistische Regression UHH, 29.04.206 /
MehrModulklausur 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
MehrKlausur in Mikroökonometrie Dauer: 90 Minuten
Prof. Regina T. Riphahn, Ph.D. Wintersemester 2003/04 Klausur in Mikroökonometrie Dauer: 90 Minuten Hinweis: Die Punktverteilung der Aufgaben entspricht dem empfohlenen zeitlichen Gewicht bei der Beantwortung.
MehrFernUniversität in Hagen März 2017 Fakultät für Wirtschaftswissenschaft
FernUniversität in Hagen März 2017 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die erreichte
MehrTeekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).
Aufgabe 1 (5 Punkte) Gegeben sei ein lineares Regressionsmodell in der Form. Dabei ist y t = x t1 β 1 + x t β + e t, t = 1,..., 10 (1) y t : x t1 : x t : Teekonsum in den USA (in 1000 Tonnen), Nimmt den
MehrKapitel 10. Multikollinearität. Exakte Multikollinearität Beinahe Multikollinearität
Kapitel 0 Multikollinearität Exakte Multikollinearität Beinahe Multikollinearität Exakte Multikollinearität Unser Modell lautet y = Xb + u, Dimension von X: n x k Annahme : rg(x) = k Wenn sich eine oder
MehrName: Vorname: Modul-Abschlussklausur zum. C-Modul Nr Supply Chain Management. Aufgabe Datum: Unterschrift des Prüfers
Fakultät für Wirtschaftswissenschaft Matrikelnummer Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Termin: 26. September 2013, 11 30 13 30 Uhr Prüfer: Prof. Dr. Dr. h.c. G. Fandel
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrName (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
MehrProf. Regina T. Riphahn, Ph.D. SS Klausur in Mikroökonometrie am
Prof. Regina T. Riphahn, Ph.D. SS 2005 Hinweise: Klausur in Mikroökonometrie am 13.07.2005 (1) Teil 1 (90 Punkte) muss von allen gelöst werden, Teil 2 (30 Punkte) nur von denjenigen, die 4 oder 6 CP erwerben
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrKlausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung. Prof. Bernd Fitzenberger, Ph.D. WS 2010/11. Mittwoch, 16.
Klausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung Prof. Bernd Fitzenberger, Ph.D. WS 2010/11 Mittwoch, 16. Februar 2011 Die folgenden drei Aufgaben sind alle zu bearbeiten. Die insgesamt
MehrIch bestätige, dass ich obige Hinweise zur Kenntnis genommen habe und sie befolgen werde.
60-minütige Klausur zur Vorlesung Statistik II für Studierende der Wirtschaftswissenschaften aus dem Sommersemester 2017 Prof. Dr. Helmut Küchenhoff Ludwig-Maximilians-Universität München, Institut für
MehrPobeklausur: Einführung in die Ökonometrie. 1. (20 Punkte) Wir betrachten 2 (in den Koeffizienten) lineare Modelle mit folgenden Variablen:
Gesamtpunktzahl: 96 Pobeklausur: Einführung in die Ökonometrie 1. (20 Punkte) Wir betrachten 2 (in den Koeffizienten) lineare Modelle mit folgenden Variablen: cigs: gerauchte Zigaretten pro Tag educ: Bildung
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Reale Außenwirtschaftstheorie und -politik Sommersemester 2004 (1. Prüfungstermin) Bearbeitungszeit:
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS / MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 4 26..,
MehrAUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR THEORIE DER LEISTUNGSERSTELLUNG 17. SEPTEMBER 2009, UHR
FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR. 31531 THEORIE DER LEISTUNGSERSTELLUNG TERMIN: PRÜFER: 17. SEPTEMBER 2009, 09 00 11 00 UHR PROF. DR. DR. H.C. G.
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrDiplomprüfung im Fach Ökonometrie im SS 08 - Aufgabenteil
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Diplomprüfung im Fach Ökonometrie im SS 08 - Aufgabenteil Name, Vorname Matrikelnr. Studiengang Semester Datum
MehrKlausur: Modul Grundlagen der Internationale Wirtschaftsbeziehungen. Termin: , 11:30 13:30. Prüfer: Prof. Dr. Hans-Jörg Schmerer
Fakultät für Wirtschaftswissenschaft Lehrstuhl für Volkswirtschaftslehre, insb. Internationale Ökonomie Univ.-Prof. Dr. Hans-Jörg Schmerer Name: Vorname: Matrikel-Nr.: Klausur: Modul 31931 Grundlagen der
MehrEinführung in Panel-Verfahren
Einführung in Panel-Verfahren Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Drei Arten von Datensätzen Cross-Section
MehrPrüfung 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
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Makroökonomik II Wintersemester 2004/05 (. Prüfungstermin) Bearbeitungszeit: 60 Minuten Zur Beachtung:.
MehrANOVA und Transformationen
und Statistik II Literatur Statistik II und (1/28) Literatur Zum Nachlesen Agresti ch. 12 (nur bis Seite 381) Agresti ch. 13 (nur bis Seite 428) Statistik II und (2/28) Literatur Literatur für nächste
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrFragen zum zweiten Teil der Vorlesung
Albert-Ludwigs-Universität Freiburg Ökonometrie (Bachelor) Lehrstuhl Prof. Fitzenberger, Ph.D. WS 2011/12 Fragen zum zweiten Teil der Vorlesung 1. Es soll geprüt werden, ob das obere Quartil (das 75%-Quantil)
MehrDipl. Vw. Matthias Kirbach Sommersemester Übung VII/ VIII. Makroökonometrische Modellierung nach der Vereinigung
Dipl. Vw. Matthias Kirbach Sommersemester 2005 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT CURANDO DOCENDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrKurs Empirische Wirtschaftsforschung
Kurs Empirische Wirtschaftsforschung 5. Bivariates Regressionsmodell 1 Martin Halla Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz 1 Lehrbuch: Bauer/Fertig/Schmidt (2009), Empirische
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Note Termin: 24. März 2017, 11.30-13.30 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrKlausur ÖKONOMETRIE für Bachelor VWL
Klausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrDiplomprüfung im Fach Ökonometrie im SS Aufgabenteil
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Diplomprüfung im Fach Ökonometrie im SS 2009 - Aufgabenteil Name, Vorname Matrikelnr. Studiengang Semester Datum
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrProf. Dr. Marc Gürtler WS 2014/2015. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft
Prof. Dr. Marc Gürtler WS 04/05 Prof. Dr. Marc Gürtler Klausur zur 0/ SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Lösungsskizze Prof. Dr. Marc Gürtler WS 04/05 Aufgabe : (37 Punkte) ) Die
MehrPrüfung im Fach Ökonometrie im SS 2011 Aufgabenteil. Name, Vorname. Matrikelnr. Studiengang. -Adresse. Unterschrift
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im SS 2011 Aufgabenteil Name, Vorname Matrikelnr. Studiengang E-Mail-Adresse Unterschrift
MehrMikro-Ökonometrie, WS 15/16 Musterlösung Aufgabenblatt 3
Mikro-Ökonometrie, WS 15/16 Musterlösung Aufgabenblatt 3 Aufgabe 3: Die Datei WAGE2.DTA enthält Daten einer Stichprobe von 935 männlichen US-amerikanischen Arbeitnehmern im Alter von 28 bis 38 Jahren.
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
Mehrx t2 y t = 160, y = 8, y y = 3400 t=1
Aufgabe 1 (25 Punkte) 1. Eine Online Druckerei möchte die Abhängigkeit des Absatzes gedruckter Fotos vom Preis untersuchen. Dazu verwendet die Firma das folgende lineare Regressionsmodell: wobei y t =
MehrBachelorprüfung im Wintersemester 2014/15
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Bachelorprüfung im Wintersemester 2014/15 Fach: Prüfer: Empirische Wirtschaftsforschung II Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnummer
Mehr= 2 ( 3250,3 ( 3251,5)) = 1,1662 F(2,800) = 2,4 χ2
Pobeklausur: Einführung in die Ökonometrie (Lösung) Gesamtpunktzahl: 96 1. (20 Punkte) a) Anmerkung: statt im Durchschnitt kann auch der/die/das erwartete... stehen. educ : Wenn die Bildung um 1 Jahr steigt,
MehrÜbungsblatt 7: Schätzung eines Mietspiegels
Prof. Bernd Fitzenberger, Ph.D. Ute Leuschner Stefanie Schäfer Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2010/11 Übungsblatt 7: Schätzung
MehrFernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft
FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die
MehrNachschreibklausur im Anschluss an das SS 2009
Nachschreibklausur im Anschluss an das SS 2009 08. Oktober 2009 Lehrstuhl: Prüfungsfach: Prüfer: Hilfsmittel: Klausurdauer: Wirtschaftspolitik Empirische Wirtschaftsforschung Prof. Dr. K. Kraft Nicht-programmierbarer
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Internationale Finanzierung Sommersemester 2004 (2. Prüfungstermin) Bearbeitungszeit: 60 Minuten Zur
MehrModellspezifikationen Nichtlinearitäten
Modellspezifikationen Nichtlinearitäten Agenda Dummy-Variablen Interaktionseffekte (quadratische Effekte / Polynome) Dummy Interaktion Logarithmierte Variablen Wachstumsraten / Semielastizitäten Elastizitäten
MehrFernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft
FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die
MehrFAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER: NAME: VORNAME: UNTERSCHRIFT: KLAUSUR: TERMIN: PRÜFER: Marktversagen 21. 09. 2009 9-11 Uhr Prof. Dr. A. Endres Aufgabe A B Summe
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
FH Karlsruhe - Hochschule Technik Name: 3. Februar 2005, 10.30-12.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1,5 Zeitstunden Skriptum, Taschenrechner Schreiben Sie
MehrFernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft
FernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die erreichte
MehrMissing Data. Regressionsmodelle für Politikwissenschaftler. Wiederholung Missing Data
Regressionsmodelle für Politikwissenschaftler TSCS Regression in Stata Struktur definieren:. xtset id year panel variable: time variable: delta: id (strongly balanced) year, 1996 to 2004, but with gaps
MehrNachholklausur ÖKONOMETRIE für Bachelor VWL
Nachholklausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
Mehr