Ökonometrie. Prof. Dr. Bernd Süßmuth. Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie

Transkript

1 Ökonometrie Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie

2 Unser Lehrstuhl-Team Prof. Dr. Bernd Süßmuth» Sprechstunde: nach Vereinbarung mit dem Sekretariat Sekretariat: Angela Kortenhof» Sprechstunde: Mo. - Fr., in I 251 Dipl.-Vw. (Int.) Bastian Gawellek» Sprechstunde: nach Vereinbarung per Dr. Marco Sunder David Leuwer, M.Sc. (Economics) 2

3 Unser Lehrangebot B.Sc. Wirtschaftswissenschaften Ökonometrie Ausgewählte Probleme der Ökonometrie 5 LP 10 LP M.Sc. Economics Advanced Econometrics and Statistics Microeconometrics 10 LP Times Series Analysis for Macroeconomics and Finance 10 LP Quantitative Economic History 5 LP Quantitative Economics of Education Seminar Applied Econometrics 10 LP 5 LP 5 LP 3

4 Computerübung Ökonometrie Beginn: Zweite Vorlesungswoche Parallelgruppen: C Mo Uhr PC-Pool 2 A Di Uhr PC-Pool 3 D Di Uhr PC-Pool 4 B Di Uhr PC-Pool 3 F Mi Uhr PC-Pool 2 E Do Uhr PC-Pool 4 4

5 Internet Vorlesungsfolien Datenmaterial Videotutorials EViews-Beispielarbeitsdateien (*.wf1) statmath.wu-wien.ac.at/~hackl/#forschungsinteressen 5

6 Internet Unkonventionell zugängliche Makro-Daten

7 Literatur Aufbau und Inhalt des Moduls Ökonometrie sind eng auf das folgende Lehrbuch abgestimmt: Komlos, J. und B. Süssmuth (2010): Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen, Springer, Heidelberg. 210 S. ISBN Preis: 24,90 7

8 Ergänzende Literatur Asteriou,D.undS.G.Hall(2007),Applied Econometrics: A Modern Approach, Palgrave Macmillan Hackl, P. (2005), Einführung in die Ökonometrie, Pearson Studium Es lohnt sich auch ein Blick in die englischsprachigen Lehrbücher von R. C. Hill, W. E. Griffiths und George G. Judge (Undergraduate ) R. Pindyck und D. L. Rubinfeld (Econometric Models and ) B. Vogelvang (Econometrics: Theory and Applications ) I G. Ngurah Agung (Time Series Data Analysis ) 8

9 Grobgliederung der Vorlesung Teil I: Grundlagen Teil II: Regressionsmodelle Teil III: Qualitativvariablen und Zeitreihen 9

10 Teil I Grundlagen 10

11 1. Einführung Ökonometrie Kernkompetenz, Humankapital, interdisziplinär Vielschichtigkeit Daten Statistik Computertechnologie Modelle 11

12 Ökonometrie Mikroökonometrie Unternehmen, Haushalte, Individualdaten Makroökonometrie Ökonomien, VGR-Komponenten, Aggregatdaten Zeitreihenanalyse Analyse/Prognose von Makro-/Finanzmarkt-Reihen 12

13 Ökonometrie Theoretische Ökonometrie Axiomatisierung, mathematische Fundierung Angewandte Ökonometrie reine Wissenschaft Kombination aus Kreativität Handwerk Wissenschaft 13

14 Stichproben Repräsentativität Wen oder was wollen wir erfassen? Verzerrtheit Wer oder was wurde tatsächlich erfasst? (Selektivitätsproblem, Reaktivität u.v.m.) Beispiel Körpergröße französische Männer in der Mitte des 18. Jahrhunderts 14

15 Stichproben Häufigkeitsverteilung der Körpergröße französischer Soldaten, die zwischen 1740 und 1762 rekrutiert wurden (die Stichprobe hat einen Umfang von N = ) 25 Was sagt uns das? 20 Prozent , ,5 71 Körpergröße (in französischen Zoll) 1 französischer Zoll = 2,7 cm 15

16 Modelle Engel sches Gesetz I: Anteil der Ausgaben für Nahrungsmittel f(x) Engel sches Gesetz II: Gesamtausgaben für Nahrungsmittel F(x) f(x) F(x) Ausgaben (Einkommen abzgl. Steuern und Ersparnis) x verfügbares Einkommen x 16

17 Modelle Engel sches Gesetz III: Anteil der Ausgaben für Nahrungsmittel f(x) f(x) Abweichungen: Systematik oder Rauschen? Grundsätzlich geht es nicht um exakte Beweise, sondern um probabilistische Aussagen, ob eine Hypothese haltbar ist oder nicht. Ausgaben (Einkommen abzgl. Steuern und Ersparnis) x 17

18 Modelle Intuition ist unerlässlich bei der Auswahl des Datenmaterials Aufstellung der Hypothesen Auswahl der zu untersuchenden Modelle Beispiel I Wenn N potentielle erklärende Variablen zur Verfügung stehen, sind (2 N 1) verschiedene Modelle möglich, von denen jedes mindestens eine und höchstens N erklärende Variablen enthält. 18

19 Modelle Zahl der Variablen Modelle Variablen 19

20 Modelle Beispiel II In der empirischen Makro (Wachstumsempirie) geht es oft darum, Teilgruppen erklärender Variablen, die nur eine beschränkte Variablenanzahl umfassen, abzuwägen. Wir erhalten das übliche 6 aus 49 -Problem: n k n! k!( n k)! 20

21 Modelle und die dunkle Seite der Macht Quelle: Süssmuth (2006), Beauty in the Classroom: Are German students less blinded?, Applied Economics 38,