Abschlussklausur zur Vorlesung Empirical Banking and Finance

Größe: px
Ab Seite anzeigen:

Download "Abschlussklausur zur Vorlesung Empirical Banking and Finance"

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

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

Mehr

Prüfung im Fach Mikroökonometrie im Wintersemester 2012/13 Aufgaben

Prüfung 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:

Mehr

Statistische 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 Statistische Methoden der Lebensverlaufsforschung Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften Lebensverlauf Deutschland, ca 1870 Johannes Giesecke Statistische

Mehr

Panelregression (und Mehrebenenanwendungen)

Panelregression (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

Mehr

Klausur: Angewandte Ökonometrie. Termin: , 14:00 16:00. Prüfer: Prof. Dr. Hans-Jörg Schmerer. Datum:

Klausur: 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

Mehr

Mikro-Ökonometrie, WS 2017/2018 Musterlösungen Aufgabenblatt 8

Mikro-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

Mehr

Masterprüfung. Die Klausur besteht aus 3 Aufgaben, die alle bearbeitet werden müssen.

Masterprüfung. 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

Mehr

Mikro-Ökonometrie, WS 2015/2016 Musterlösung der zusätzlichen Aufgabe zu. Panel Daten

Mikro-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)

Mehr

Prüfung im Fach Panel- und Evaluationsverfahren im WS 2017/18

Prüfung 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

Mehr

2. Statische lineare Panelmodelle

2. 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

Mehr

Prüfung im Fach Mikroökonometrie im Sommersemester 2014 Aufgaben

Prüfung 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:

Mehr

Wiederholungsklausur zur Vorlesung Informationsökonomik

Wiederholungsklausur 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

Mehr

Einführung II. Kontext und Mehr-Ebenen-Datensätze. Wiederholung Statistische Mehr-Ebenen-Modelle Politisches Vertrauen in Europa Fazit/Ausblick

Einführung 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

Mehr

Arbeitsmarktökonomie. Fragestunde. Universität Basel HS 2014 Christoph Sajons, Ph.D.

Arbeitsmarktökonomie. 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

Mehr

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung

Institut 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

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik. 7. Februar 2008

Klausur 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

Mehr

Abschlussklausur zur Vorlesung Empirische Wirtschaftsforschung

Abschlussklausur 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

Mehr

3. Dynamische lineare Panelmodelle

3. 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

Mehr

Wiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor)

Wiederholungsklausur 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

Mehr

Wiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor)

Wiederholungsklausur 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

Mehr

Fragestunde zur Übung

Fragestunde 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

Mehr

Prof. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft

Prof. 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

Mehr

Masterprüfung. 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: 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,

Mehr

Gebhard Flaig (LMU München)/ Horst Rottmann (HAW Amberg/Weiden) Ifo Institut. Vortrag am ifo Institut München,

Gebhard 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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Masterprüfung SS 2016

Masterprüfung 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

Mehr

Klausur zur Veranstaltung Empirische Wirtschaftspolitik

Klausur 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

Mehr

Das Lineare Regressionsmodell

Das 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

Mehr

Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik

Klausur 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

Mehr

Spezifikationsprobleme Omitted Variable Bias

Spezifikationsprobleme 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

Mehr

Prof. 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 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

Mehr

FRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1

FRAGESTUNDE 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

Mehr

Übungsblatt 10: Lineare Regression (Sitzung 11)

Übungsblatt 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

Mehr

Empirical Banking and Finance

Empirical 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

Mehr

Probeklausur EW II. Für jede der folgenden Antworten können je 2 Punkte erzielt werden!

Probeklausur 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

Mehr

Statistischer Rückschluss und Testen von Hypothesen

Statistischer 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

Mehr

Zahl der Kreditpunkte, die Sie erwerben möchten: 3 CP 4 CP 6 CP

Zahl 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

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

Panel-Daten I (Grundlagen; Fixed- und Random-Effects)

Panel-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

Mehr

Entwicklung der kommunalen Steuereinnahmen und Anpassungsbedarf IHK Nürnberg für Mittelfranken

Entwicklung 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

Mehr

y t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.

y 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

Mehr

Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Fachbereich 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:

Mehr

Name: Vorname: Unterschrift:

Name: 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.

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Logistische Regression

Logistische 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 /

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

Klausur in Mikroökonometrie Dauer: 90 Minuten

Klausur 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.

Mehr

FernUniversität in Hagen März 2017 Fakultät für Wirtschaftswissenschaft

FernUniversität 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

Mehr

Teekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).

Teekonsum 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

Mehr

Kapitel 10. Multikollinearität. Exakte Multikollinearität Beinahe Multikollinearität

Kapitel 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

Mehr

Name: Vorname: Modul-Abschlussklausur zum. C-Modul Nr Supply Chain Management. Aufgabe Datum: Unterschrift des Prüfers

Name: 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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

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

Prof. Regina T. Riphahn, Ph.D. SS Klausur in Mikroökonometrie am

Prof. 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

Mehr

Übungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg

Übungsklausur 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

Mehr

Klausur 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. 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

Mehr

Ich bestätige, dass ich obige Hinweise zur Kenntnis genommen habe und sie befolgen werde.

Ich 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

Mehr

Pobeklausur: Einführung in die Ökonometrie. 1. (20 Punkte) Wir betrachten 2 (in den Koeffizienten) lineare Modelle mit folgenden Variablen:

Pobeklausur: 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

Mehr

Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Fachbereich 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:

Mehr

Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik

Klausur 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..,

Mehr

AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR THEORIE DER LEISTUNGSERSTELLUNG 17. SEPTEMBER 2009, UHR

AUFGABENTEIL 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.

Mehr

Teilklausur des Moduls Kurs 42221: Vertiefung der Statistik

Teilklausur 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

Mehr

Diplomprüfung im Fach Ökonometrie im SS 08 - Aufgabenteil

Diplomprüfung 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

Mehr

Klausur: Modul Grundlagen der Internationale Wirtschaftsbeziehungen. Termin: , 11:30 13:30. Prüfer: Prof. Dr. Hans-Jörg Schmerer

Klausur: 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

Mehr

Einführung in Panel-Verfahren

Einführung 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

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

Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Fachbereich 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:.

Mehr

ANOVA und Transformationen

ANOVA 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

Mehr

X =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?

X =, 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

Mehr

Fragen zum zweiten Teil der Vorlesung

Fragen 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)

Mehr

Dipl. Vw. Matthias Kirbach Sommersemester Übung VII/ VIII. Makroökonometrische Modellierung nach der Vereinigung

Dipl. 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

Mehr

Seminar zur Energiewirtschaft:

Seminar 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

Mehr

Kurs Empirische Wirtschaftsforschung

Kurs 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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Modulklausur Multivariate Verfahren

Modulklausur 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

Mehr

Klausur ÖKONOMETRIE für Bachelor VWL

Klausur 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

Mehr

Diplomprüfung im Fach Ökonometrie im SS Aufgabenteil

Diplomprüfung 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

Mehr

Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell

Die 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

Mehr

Prof. Dr. Marc Gürtler WS 2014/2015. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft

Prof. 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

Mehr

Prüfung im Fach Ökonometrie im SS 2011 Aufgabenteil. Name, Vorname. Matrikelnr. Studiengang. -Adresse. Unterschrift

Prüfung 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

Mehr

Mikro-Ökonometrie, WS 15/16 Musterlösung Aufgabenblatt 3

Mikro-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.

Mehr

Übung V Lineares Regressionsmodell

Übung 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

Mehr

x t2 y t = 160, y = 8, y y = 3400 t=1

x 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 =

Mehr

Bachelorprüfung im Wintersemester 2014/15

Bachelorprüfung 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

= 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,

Mehr

Übungsblatt 7: Schätzung eines Mietspiegels

Übungsblatt 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

Mehr

FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft

FernUniversität 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

Mehr

Nachschreibklausur im Anschluss an das SS 2009

Nachschreibklausur 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

Mehr

Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Fachbereich 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

Mehr

Modellspezifikationen Nichtlinearitäten

Modellspezifikationen Nichtlinearitäten Modellspezifikationen Nichtlinearitäten Agenda Dummy-Variablen Interaktionseffekte (quadratische Effekte / Polynome) Dummy Interaktion Logarithmierte Variablen Wachstumsraten / Semielastizitäten Elastizitäten

Mehr

FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft

FernUniversität 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

Mehr

FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT

FAKULTÄT 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

Mehr

Klausur zur Vorlesung Wahrscheinlichkeitsrechnung

Klausur 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

Mehr

FernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft

FernUniversität 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

Mehr

Missing Data. Regressionsmodelle für Politikwissenschaftler. Wiederholung Missing Data

Missing 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

Mehr

Nachholklausur ÖKONOMETRIE für Bachelor VWL

Nachholklausur 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

Mehr

Statistik II. Weitere Statistische Tests. Statistik II

Statistik 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