Arbeitsmarktökonomie. Fragestunde. Universität Basel HS 2014 Christoph Sajons, Ph.D.
|
|
- Meta Mann
- vor 7 Jahren
- Abrufe
Transkript
1 Arbeitsmarktökonomie Fragestunde Universität Basel HS 2014 Christoph Sajons, Ph.D. 1
2 Heute A. Ganz kurz: Empirie Migration B. Allgemeines zur Klausur C. Fragen 2
3 A. Empirie Migration Siehe Do- und Log-file 12_Migration 3
4 B. Allgemeines zur Klausur Stoff: Nicht beschränkt auf die zweite Hälfte Vor allem: Probleme bei der Schätzung kausaler Effekte Kenntnisse über die verschiedenen Methoden Interpretation von statistischen Ergebnissen Nicht: Schreiben von eigenen Stata-Codes Hintergrundliteratur Einsicht von Gruppenarbeit und Klausur: Ende Januar/Anfang Februar Benachrichtigung per 4
5 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 5
6 Allgemein Hauptziel: Bestimmung des kausalen Effekts Problem: Selektion von Individuen in ein Treatment, die besonders großen Nutzen davon haben Daten nicht ausreichend gut, um für diese Selektion zu kontrollieren Verzerrung des Schätzers in Richtung stärkerer Effekt Verschiedene Methoden dies zu umgehen: Experimente Regression Discontinuity Design (RDD) Differenzen in Differenzen (DiD) Instrumentenvariablen (IV) 6
7 1. Der Regression Discontinuity Ansatz Idee: Institutionelle Regelungen beinhalten häufig relativ willkürlich gesetzte Grenzwerte Beispiele: Über 0,5 Promille nicht Autofahren Über 40 Einschreibungen Klassen teilen Staatsbürgerschaft für Migrantenkinder ab in Deutschland ab Unter gewissen Umständen können diese Grenzwerte benutzt werden, um kausale Effekte zu schätzen 7
8 Voraussetzungen für den RD Ansatz 1. Exogen festgelegte Grenzwerte 2. Keine genaue Manipulation möglich 3. Überschreiten des Grenzwerts hat handfeste Folgen 4. Keine anderen Folgen ausgelöst durch Überschreitung Wenn erfüllt, dann: Verteilung der Beobachtungen um den Grenzwert wie zufällig Situation wie in einem kontrollierten Experiment 8
9 Sharp vs. fuzzy RDD Unterschied: Sprung in der Intensität des Treatments unterschiedlich stark Genauer: Sharp RDD = Intensität des Treatments geht am Grenzwert von 0 auf 100% Fuzzy RDD = Treatment-Intensität steigt am Grenzwert sprunghaft nach oben, aber nicht von 0 auf 100% 9
10 Graphische Darstellung Unterschiede im Sprung der Treatment-Intensität Führerscheinentzug Kleine Klassen (unter 25 Schülern) ,5 Promille Einschreibungen Sharp RDD Fuzzy RDD 10
11 Graphische Intuition fuzzy RDD Scharfer Sprung in der Berechtigung zum Erhalt des Treatments Deutlich kleinerer Sprung im reellen oder gemeldeten Bezug des Treatments Recht auf Zuschuss zur Diät Tatsächliche Teilnahme ,5 Gewicht 0 88,5 Gewicht 11
12 Beispiel: Klassengröße Überschreiten der Grenze von 40 Einschreibungen führt nur zu einem Sprung im Anteil von kleinen Klassen von 36.17% auf 70.79%. Fuzzy RDD 12
13 Graphische Intuition: Ergebnisse RDD Gewichtsveränderung in 5 Monaten [in kg] ,5 Gewicht Diskontinuität in der Ergebnisvariablen 13
14 Kontrolle Auswirkungen der Diskontinuität auf Kontrollvariablen? Durchschn. Alter ,5 Gewicht Optimal: Kein Sprung bei Kontrollvariablen keine Selektion, keine anderen Wirkungskanäle 14
15 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 15
16 2. EITC und Einkommens- und Subst.effekt Earned Income Tax Credit: = Abzug von der Steuer, der bei geringerer Steuer beim Lohnsteuerjahresausgleich auch ausgezahlt wird 16
17 Fiktive Beispiele Beispiel 1: Einkommen: 10,000 Nachzuzahlende ESt: 500 Auszahlung von EITC: 3,500 3,000 Beispiel 2: Einkommen: 20,000 Nachzuzahlende ESt: 2,000 EITC: 700 Nur 1,300 nachzuzahlen 17
18 Einkommens- und Substitutionseffekt Wichtig: Beide definiert im Hinblick auf ihre Effekte auf das Arbeitsangebot! Einkommenseffekt: (durch Veränderung im Einkommen) Mehr verfügbares Einkommen bei geg. Zahl von Arbeitsstunden Wunsch nach mehr Konsum und mehr Freizeit Arbeits-AT sinkt negativer Effekt Substitutionseffekt: (durch Veränderung der relativen Preise) Änderung des Reallohns (w/p) Veränderte relative Preise der zwei Güter Konsum und Freizeit Substitution vom dann teureren Gut weg zum dann billigeren 18
19 EE und SE beim EITC 19
20 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 20
21 3. EITC und DiD Definitionen: Vorher-Nachher-Schätzer: Vergleich der Durchschnitte in der Treatmentgruppe vor und nach dem Treatment Differenzenschätzer: Vergleich der Durchschnitte von Treatment- und Kontrollgruppe nach dem Treatment Differenzen in Differenzen: Vergleich der Entwicklungen von Treatment- und Kontrollgruppe von vor dem Treatment zu danach 21
22 Schätzungen des Effekts der EITC-Erhöhung 1. Vorher-Nachher:. reg empl after secondary tertiary age age2 stat1-stat6 stat8-stat51 if kid1==1, rob Linear regression Number of obs = F( 55, 15345) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after secondary tertiary age Ergebnis: Nach 1996 haben alleinerziehende Mütter mit einem Kind etwas mehr gearbeitet als vor 1996 (Referenzgruppe) (+2.7%p höhere Beschäftigungsrate) Aber: Kausaler Effekt der EITC-Erhöhung? 22
23 Schätzungen des Effekts der EITC-Erhöhung (2) 2. Differenzen:. reg empl kid1 kids secondary tertiary age age2 stat1-stat6 stat8-stat51 if after==1, rob Linear regression Number of obs = F( 56, 27806) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] kid kids secondary Ergebnisse: Nach 1996 gab es keinen Unterschied in der Beschäftigungsrate von alleinerziehende Mütter mit einem Kind und alleinstehenden Müttern (Referenzgruppe) Alleinerziehenden Müttern mit mehr als einem Kind hatten eine um 4.7%p niedrigere Beschäftigungsrate Aber: Kausaler Effekt der EITC-Erhöhung? 23
24 Robustheitstests = Sinnvolle Variationen der Analyse, die mehr oder weniger das gleiche Ergebnis ermitteln (gleiches Vorzeichen, gleiche Größenordnung, Signifikanz) Verschiedene Möglichkeiten, z.b.: 1. Verschiedene Gruppen anschauen (z.b. nur geringe Einkommen, Schwarze) Sollte im Vergleich zur Basisanalyse eher stärker Ergebnisse liefern 2. Verschiedene Jahre für die Zeit davor und danach verwenden Sollte die Ergebnisse nicht stark verändern 24
25 Robustheitstests: EITC Basisanalyse: (1988, 1990, 1993, 1999, 2003) reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-st > at51, rob Linear regression Number of obs = F( 59, 65777) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids vs. 1999:. reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1993 year==1999, rob Linear regression Number of obs = F( 59, 23599) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids
26 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 26
27 Placebo-Experimente = Möglichkeit zur Überprüfung der Validität der gewählten Untersuchungsmethode Was machen wir? Gleiche Analyse zu einem anderen Zeitpunkt, für eine andere Gruppe, etc. Aber: Für diesen Zeitpunkt oder diese Gruppe gab es kein Treatment Unser Placebo-Test sollte also keinen Effekt ermitteln, wo es keine Veränderung gab 27
28 Beispiel 1: EITC Placebo 1: (1988 vs. 1990). reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1988 year==1990, rob Linear regression Number of obs = F( 59, 25104) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids Placebo 2: (1999 vs. 2003). reg empl after kid1 kids afterkid1 afterkids secondary tertiary age age2 stat1-stat6 stat8-stat51 if year==1999 year==2003, rob Linear regression Number of obs = F( 59, 27803) = Prob > F = R-squared = Root MSE = Robust empl Coef. Std. Err. t P> t [95% Conf. Interval] after kid kids afterkid afterkids
29 Beispiel 2: Mariel boatlift Ergebnis: Kein Effekt, wo einer hätte sein können Effekt, wo es gar kein Treatment gab Was messen wir eigentlich? 29
30 C. Fragen Themenbereiche: 1. Regression Discontinuity Design (RDD) 2. EITC und Einkommens- und Substitutionseffekt 3. EITC und Differenzen-in-Differenzen (DiD) Ansatz 4. Placebo-Experimente 5. Mindestlöhne und DiD 30
31 5. Mindestlöhne und DiD Berechnung des DiD-Effekts: 31
32 Mindestlöhne und DiD (2) Regression ohne Kovariate: 32
33 Mindestlöhne und DiD (3) 33
Arbeitsmarktökonomie. Migration. Universität Basel HS 2014 Christoph Sajons, Ph.D.
Arbeitsmarktökonomie Migration Universität Basel HS 2014 Christoph Sajons, Ph.D. 1 Überblick Themen 1. Arbeitsanreize von Unterstützungsleistungen 2. Anreize zur Frühverrentung 3. Arbeitsproduktivität
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
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
MehrAbschlussklausur 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
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
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
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:
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
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
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
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Organisatorisches Vorlesung Montags 15.45 17.15 Uhr HS I vorwiegend theoretischer Teil Computerübung Montags 17.30 19.00 Uhr Pool 2 HG Umsetzung der Theorie am Computer
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
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:
MehrMusterlösung zur Einsendearbeit: Kurs 00694KE1, Einkommensteuer und Arbeitsangebot
Musterlösung zur Einsendearbeit: Kurs 0094KE1, Einkommensteuer und Arbeitsangebot Aufgabe 1 Das repräsentative Individuum einer Volkswirtschaft habe die Nutzenfunktion U(y n, F ) = ln(y n ) + ln(f ), wobei
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
MehrModellspezifikationen Nichtlinearitäten
Modellspezifikationen Nichtlinearitäten Agenda Dummy-Variablen Interaktionseffekte (quadratische Effekte / Polynome) Dummy Interaktion Logarithmierte Variablen Wachstumsraten / Semielastizitäten Elastizitäten
MehrAbschlussklausur zur Vorlesung Empirical Banking and Finance
Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Abschlussklausur zur Vorlesung Empirical Banking and Finance Sommersemester 2010, 26072010, 15:00 17:00 Uhr Hinweise zur Klausur Die Klausur
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrDer Ablauf bei der Erstellung empirischer Arbeiten
1 Prof. Dr. Werner Smolny SS 2002 Einführung in die empirische Wirtschaftsforschung Der Ablauf bei der Erstellung empirischer Arbeiten A Die wirtschaftliche Fragestellung und das theoretische Modell 1.
MehrInstitut für Soziologie Benjamin Gedon. Methoden 2. Kausalanalyse
Institut für Soziologie Methoden 2 Kausalanalyse Inhalt 1. Kausalanalyse 2. Anwendungsbeispiel 3. Wiederholung 4. Übungsaufgabe # 2 Kausalanalyse Kausalität: Identifizieren von Ursache-Wirkungs-Beziehungen
MehrANOVA und Transformationen. Statistik II
und Statistik II Wiederholung 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 für nächste
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
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
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
MehrEinführung in die Finanzwissenschaft
Einführung in die Finanzwissenschaft Lösung zum Übungsblatt 6 Torben Klarl Universität Augsburg 8. Juni 2013 Torben Klarl (Universität Augsburg) Einführung in die Finanzwissenschaft 8. Juni 2013 1 / 12
MehrLehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im SS 2012
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im SS 2012 Aufgabe 1 (20 Punkte) Sei y = Xβ + ε ein N 1 Vektor und X eine N K Matrix.
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,
MehrKapitel 3: Die Nachfrage
Kapitel 3: Die Nachfrage Hauptidee: Die Nachfrage beschreibt den optimalen Konsum in Abhängigkeit von Preisen und Einkommen. 3.1 Nachfrage Die Nachfrage eines Konsumenten beschreibt das optimale Güterbündel
MehrMultiple Lineare Regression. Statistik (Biol./Pharm.) Herbst 2012
Multiple Lineare Regression Statistik (Biol./Pharm.) Herbst 2012 Wdh: Einfache lineare Regression Modell: Y i = β 0 + β 1 x i + ε i, ε i ~N 0, σ 2 i. i. d Finde β 0, β 1 : Methode der kleinsten Quadrate
MehrÜbung 1: Arbeitsangebot
Übung 1: Arbeitsangebot Aufgabe 1 Wie beeinflusst eine Erhöhung des Lohnes w im neoklassischen Arbeitsangebotsmodell 1. den Reservationslohn w? 2. die Wahrscheinlichkeit, am Arbeitsmarkt teilzunehmen?
MehrArbeitsmarktökonomie
Arbeitsmarktökonomie Arbeitsangebot Prof. Dr. Conny Wunsch https://wwz.unibas.ch/arbeitsmarktoekonomie/lehre/ 1 / 31 Überblick 1. Sozialleistungen 2. Kinderbetreuungskosten 3. Pendeln 4. Arbeitsangebot
MehrMobilität auf dem Arbeitsmarkt für Ältere die Rolle der Betriebe
Derik Burgert Mobilität auf dem Arbeitsmarkt für Ältere die Rolle der Betriebe Nomos VII Tabellenverzeichnis XI Abbildungsverzeichnis XIII Abkürzungsverzeichnis XV Einleitung 1 A Austritt aus dem Erwerbsleben:
MehrTreatment Evaluation. Samantha Stiemke Statistische Herausforderungen sozialwissenschaftlicher Studien Betreuer: Professor Augustin
Treatment Evaluation Samantha Stiemke 26.01.2011 Statistische Herausforderungen sozialwissenschaftlicher Studien Betreuer: Professor Augustin Gliederung Einleitung Roy-Rubin-Modell Allgemeines Evaluationsproblem
MehrÜbung Kausalanalyse. Das kontrafaktische Kausalmodell. Kausalanalyse. Das Ziel der erklärenden Sozialwissenschaften
Übung Kausalanalyse Das kontrafaktische Kausalmodell Prof. Dr. Josef Brüderl WS 22/3 Kausalanalyse Das Ziel der erklärenden Sozialwissenschaften Die kausale Erklärung von Ereignissen und sozialen Strukturen
Mehr2.3. Anwendung: Deutsches Steuer- und Transfersystem. Bisher vernachlässigt: Einkommensabhängige Steuern und Transfers
2.3. Anwendung: Deutsches Steuer- und Transfersystem Bisher vernachlässigt: Einkommensabhängige Steuern und Transfers Modifizierte Budgetrestriktion C = wh + R T (wh, R) T Nettosteuer, d.h. Steuer abzüglich
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 /
MehrMethodenlehre. Vorlesung 6. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 6 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
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
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
MehrZeitreihen. Statistik II. Literatur. Zeitreihen-Daten Modelle Probleme Trends und Saisonalität Fehlerstruktur. 1 Wiederholung.
Statistik II 1 Literatur 2 -Daten Trends und Saisonalität Fehlerstruktur 3 Statistik II (1/31) Literatur Zum Nachlesen Wooldridge ch 101 & 102 Statistik II (2/31) Literatur Für nächste Woche Einfache für
MehrMultiple Lineare Regression. Statistik (Biol./Pharm./HST) Herbst 2013
Multiple Lineare Regression Statistik (Biol./Pharm./HST) Herbst 2013 Wdh: Einfache lineare Regression Modell: Y i = β 0 + β 1 x i + ε i, ε i ~N 0, σ 2 i. i. d Finde β 0, β 1 : Methode der kleinsten Quadrate
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
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz und Jens Kolbe Econ Boot Camp 2013 SFB 649 Ökonomisches Risiko Immo ist wichtig 2 Economist, 2002 Krise, 2008 Immo
MehrMultiple Regression. Statistik II
Statistik II Übersicht Wiederholung Literatur Regression Assoziation und Kausalität Statistische Kontrolle Multivariate Beziehungen Inferenz Das Multivariate Modell Beispiel: Bildung und Verbrechen Fit
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
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
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2017/18 27. Juni 2017 1 / 14 Übersicht Bis jetzt fixiert: Advanced Econometrics (WS 2017/18)
MehrDer Healthy Migrant Effect im Alter? Physische und mentale Gesundheit von Migranten in 11 europäischen Ländern.
Der Healthy Migrant Effect im Alter? Physische und mentale Gesundheit von Migranten in 11 europäischen Ländern. Keren Ladin, Department of Health Policy, Harvard University Steffen Reinhold, MEA, Universität
MehrWie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
MehrFormen progressiver Tarife, Ehegattensplitting
Frage 1 Grafik 1 Formen progressiver Tarife, Ehegattensplitting ist progressiv, wenn die Stufen zunehmend schmal oder zunehmend hoch sind (dann steigt der Durchschnittssteuersatz allmählich an) innerhalb
MehrSteuern. Reiner Eichenberger
Steuern Reiner Eichenberger 0. Die Schweizer Steuerrealität Steuerparadies Schweiz? - weltweit einmalig: grösse Unterschiede zw. Kantonen/Gemeinden - Gewicht direkte Steuern - Besteuerung Inländer vs.
MehrDie erleichterte Befristung älterer Arbeitnehmer/- innen - Eine Evaluation mit Daten des Mikrozensus
Die erleichterte Befristung älterer Arbeitnehmer/- innen - Eine Evaluation mit Daten des Mikrozensus Michael Fertig Lena Jacobi Rheinisch-Westfälisches Institut für Wirtschaftsforschung Essen 1.09.2006
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
MehrEinführung in die Kausalanalyse
Kapitel 4. Einführung in die Kausalanalyse Kontrafaktische Theoride der Kausalität - Basiert auf Arbeiten von David K. Lewis (Philosoph) - Es existieren selbstverständlich alternative Definition von Kausalität
MehrSteuern. Reiner Eichenberger
Steuern Reiner Eichenberger A. Steuerwirkung Verteilungs- vs. Allokationswirkung Kosten der Besteuerung - Steuerliche Überlegungen beeinflussen Ressourceneinsatz Preis p A 1 - Dead Weight Losses ABC p
Mehr1. Grundlagen linearer Panelmodelle
1. Grundlagen linearer Panelmodelle 1.1 Aggregierte (gepoolte) Querschnittsdaten Viele Befragungen von Personen, Haushalten oder Unternehmen werden regelmäßig wiederholt. Beispiele sind die jährliche Current
MehrRegression III. Statistik I. Sommersemester Wiederholung. Zwei unabhängige Variablen Multivariate Zusammenhänge Interaktion.
Regression III Statistik I Sommersemester 2009 Statistik I Regression III (1/36) FN 2004 25 20 15 10 5 10 15 20 Zuwandererquote Statistik I Regression III (2/36) Zum Nachlesen Agresti/Finlay Kapitel 10.2,
MehrEinteilung von Forschungsdesigns
Grundfrage Wie muß eine Untersuchung angelegt sein, damit ich den kausalen Einfluß einer unabhängigen Variablen (Stimulus) auf eine abhängige Variable überprüfen kann? 1 Einteilung von Forschungsdesigns
MehrDer Einfluss von Kindererziehungszeiten in der GRV auf die Erwerbstätigkeit von. Andreas Thiemann
Der Einfluss von Kindererziehungszeiten in der GRV auf die Erwerbstätigkeit von Müttern Andreas Thiemann DIW Berlin Graduate Center 3. Juli 2014 Übersicht 1 Einleitung 2 Institutioneller Rahmen 3 Identifikation
MehrÜbung Arbeitsmarktökonomik
Übung Arbeitsmarktökonomik Universität zu Köln Dirk Neumann CGS, Universität zu Köln Sommersemester 2009 2. Übung: 28. April 2009 Dirk Neumann (CGS) Übung Arbeitsmarktökonomik Sommersemester 2009 1 / 40
MehrKanton St.Gallen Tarif 2010
Kanton St.Gallen Tarif 2010 Ist das steuerbare Einkommen höher als Fr. 500'000 für und alleinerziehende Personen, so beträgt die einfache Steuer für das ganze Einkommen 8.5 Prozent. (Für alleinstehende
MehrArbeitsökonomie. Arbeitsangebot: Das Grundmodell. Michael Gerfin. Universität Bern FS 2016
Arbeitsökonomie Arbeitsangebot: Das Grundmodell Michael Gerfin Universität Bern FS 2016 Inhalt 1. Einleitung 2. 3. Komparative Statik 4. Arbeitsangebotsfunktion 5. Empirische Analyse 2 / 42 Arbeitsangebot
MehrKurze Einführung in die Ökonometrie-Software E-Views
Kurze Einführung in die Ökonometrie-Software E-Views Folie 2 Workfile Kurze Einführung in die Ökonometrie-Software E-Views 4. November 2008 Typischerweise liegen die Daten in einem Spreadsheet -Format
MehrI.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03
I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 12.11.2002 He uses statistics as a drunken man use lampposts - for support rather than for illumination. Andrew Lang Dr. Wolfgang Langer
MehrCountdata, Postestimation und Modellvergleich
Countdata, Statistik II 1 Literatur 2 3 4 Statistik II Countdata (1/29) Literatur Zum Nachlesen Für heute: Scott/Freese ch. 8 Für nächste Woche: Wooldridge Kapitel 10.1 und 10.2 (im Reader) Statistik II
MehrMacht Krankheit arm? Evidenz auf Basis von Wegunfällen
Macht Krankheit arm? Evidenz auf Basis von Wegunfällen Martin Halla & Martina Zweimüller Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz Arbeitsmarkt und Wohlfahrtsstaat, 19. April
MehrKategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrInstitut für Soziologie Andreas Schneck. Methoden 2. Regressionsanalyse II: Lineare multiple Regression
Institut für Soziologie Methoden 2 Regressionsanalyse II: Lineare multiple Regression Hinweise zur Hausarbeit Abgabe bis 07.08.2017 bis 23 Uhr als PDF-Datei per E-Mail an methoden2@soziologie.uni-muenchen.de
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik. Axel Werwatz Econ Boot Camp 2012 SFB 649 Ökonomisches Risiko
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz Econ Boot Camp 2012 SFB 649 Ökonomisches Risiko Gute Vorsätze: Herz & Kopf & Hand Lernziel: Immotheorie + Daten
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
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
MehrMatching. Outline. VL Forschungsmethoden. Matching: Basics Matching: Praxis 3 Zusammenfassung. 1 Einführung/Wiederholung 2 Matching?
Matching VL Forschungsmethoden Outline 1 2 3 VL Forschungsmethoden (Matching 1/22) Wiederholung: Kontrafaktische Definition von Kausalität Gedankenexperiment: 1 Beobachte Wert Y i0 an Objekt i in Welt
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...
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrElastizitäten und staatliche Interventionen
IK Ökonomische Entscheidungen & Märkte Elastizitäten und staatliche Interventionen (Kapitel 2/II) Nicole Schneeweis (JKU Linz) IK Ökonomische Entscheidungen & Märkte 1 / 27 Qualitative Analyse: Angebot
MehrRegressionsanalysen mit Stata
Regressionsanalysen mit Stata Wiederholung: Deskriptive Analysen - Univariate deskriptive Analysen (Häufigkeitsauszählungen einer Variablen) - Multivariate deskriptive Analysen (Untersuchung gemeinsamer
MehrKapitel 4 Die Nachfragetheorie
Kapitel 4 Die Nachfragetheorie Lekt. Dr. Irina-Marilena Ban earson Studium 214 214 Literatur indyck, R.S; Rubinfeld, D.L. (29), Mikroökonomie, 7. Auflage, earson Studium, S. 161-184; 65-71. 2 earson Studium
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
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz und Martin Wersing Econ Boot Camp 2010 SFB 649 Ökonomisches Risiko Gute Vorsätze: Herz & Kopf & Hand Lernziel: Immotheorie
Mehrmethodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA
15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function
MehrFallbeispiel 5: Humankapital und Returns to Education. Seite 1
Fallbeispiel 5: Humankapital und Returns to Education Seite 1 Gliederung Einführung: Wirkungsanalysen in der Wirtschaftspolitik I. Theoretischer Teil 1 Humankapital 2 Returns to Education: Schooling Model
MehrLERN Bildungspolitisches Forum 2018 Potenziale früher Bildung: Früh übt sich. Wirkungen früher Bildung auf kognitive und nichtkognitive Fähigkeiten
LERN Bildungspolitisches Forum 2018 Potenziale früher Bildung: Früh übt sich Wirkungen früher Bildung auf kognitive und nichtkognitive Fähigkeiten Frauke Peter LERN Bildungspolitisches Forum, 25.09.2018
MehrKapitaleinkommen. Einheit 9. Karin Mayr
Besteuerung von Kapitaleinkommen IK Steuern und Staatsausgaben Einheit 9 Karin Mayr Soll Kapitaleinkommen besteuert werden? Äquivalenzüberlegungen Äquivalenz von: - proportionaler Konsumsteuer - proportionaler
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
Mehr. // Ben Jann, 2. Mai version clear all. . set linesize set type double. . set more off
// Ben Jann, jann@sozunibech, 2 Mai 2014 version 121 clear all set linesize 100 set type double set more off /*---------------------------------------------------------------------------*/ /* Experiment
MehrWas versteht man unter Konsumenten- und Produzentenrente? Zeigen Sie diese Größen in einem Preis-Mengen-Diagramm.
Klausuraufgaben für das Mikro 1 Tutorium Sitzung 1 WS 03/04 Aufgabe 1 Was versteht man unter Konsumenten- und Produzentenrente? Zeigen Sie diese Größen in einem Preis-Mengen-Diagramm. WS 04/05 Aufgabe
MehrUmfang und Organisation privater Haushaltsarbeit Ergebnisse der Zeitbudgeterhebungen 1991/92 und 2001/02
Umfang und Organisation privater Haushaltsarbeit Ergebnisse der Zeitbudgeterhebungen 1991/92 und 2001/02 Wencke Gwozdz, Universität Hohenheim, Stuttgart 17. Mai 2006 Gliederung des Vortrags Umfang und
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrKapitel 4: Die Marktnachfrage. Einführung Mikroökonomie Professor Dr. Manfred Königstein 1
: Einführung Mikroökonomie Professor Dr. Manfred Königstein 1 Von der individuellen Nachfrage zur Marktnachfrage Individuelle Nachfrage: Nachfrage eines einzelnen Konsumenten Konsument wählt Konsum rational:
MehrIK Ökonomische Entscheidungen und Märkte
IK Ökonomische Entscheidungen und Märkte LVA-Leiterin: Ana-Maria Vasilache Einheit 3: Individuelle Nachfrage und Marktnachfrage (Kapitel 4) gesichertes Wissen Abbildung 1: Die optimale Konsumentscheidung
MehrArbeitsmarktökonomie
Arbeitsmarktökonomie Arbeitsnachfrage Prof. Dr. Conny Wunsch https://wwz.unibas.ch/arbeitsmarktoekonomie/lehre/ 1 / 39 Arbeitsnachfrage Abgeleitete Nachfrage: Arbeit ist ein Inputfaktor, der nachgefragt
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrElastizitäten & Staatliche Interventionen
Elastizitäten & Staatliche Interventionen Ökonomische Entscheidungen und Märkte IK Alexander Ahammer Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz Letztes Update: 13. Oktober 2016,
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.
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
MehrMarktnachfrage. Prof. Dr. M. Adams Wintersemester 2010/11. Universität Hamburg Institut für Recht der Wirtschaft
Individuelle Nachfrage und Marktnachfrage Prof. Dr. M. Adams Wintersemester 2010/11 Individuelle Nachfrage (1) Preisänderungen Mit Hilfe der bereits entwickelten Abbildungen können die Auswirkungen einer
Mehr