Klausur Sommersemester 2010

Größe: px
Ab Seite anzeigen:

Download "Klausur Sommersemester 2010"

Transkript

1 Klausur Sommersemester 2010 Lehrstuhl: Wirtschaftspolitik Prüfungsfach: Empirische Wirtschaftsforschung Prüfer: Prof. Dr. K. Kraft Datum: Hilfsmittel: Nicht-programmierbarer Taschenrechner Klausurdauer: 60 Min. Vom Prüfungskandidaten auszufüllen: Name, Vorname: Matr.-Nr.: Fakultät: Fachrichtung: Fachsemester: Bitte bearbeiten Sie die Aufgabe 1 und eine der Wahlaufgaben (Aufgabe 2 oder Aufgabe 3). Kreuzen Sie bitte an, welche Aufgaben Sie gelöst haben. Sollten Sie keine Aufgabe ankreuzen, wird die erste von Ihnen gelöste Wahlaufgabe bewertet. Aufgabe 1 Aufgabe 2 Aufgabe 3 X Von der Prüfungsaufsicht auszufüllen: Unterbrechung der Prüfung: Von bis Uhr Von bis Uhr Ende der Prüfung: Uhr

2 Aufgabe 1 - Pflichtaufgabe! (40 Punkte) Der Gesundheitsminister möchte gerne wissen, welche Faktoren die individuellen Ausgaben für Medikamente bestimmen, die nicht von der Krankenkasse übernommen werden und bittet Sie deshalb um Ihre Einschätzung. Wie es sich für einen sehr guten Ökonomen gehört, basieren Ihre Vorschläge auf Regressionsanalysen, die Sie zufälligerweise ein paar Monate zuvor durchgeführt haben. Dazu verwendeten Sie einen Datensatz mit Beobachtungen von 3043 in Deutschland lebenden Rentnern aus dem Jahr Tabelle 1 zeigt das Ergebnis der folgenden Schätzung: T OT EXP i = β 1 + β 2 AGE i + β 3 INCOME i + β 4 HEALT HGOOD i +β 5 F EMALE i + β 6 SUP P LINS i + e i, wobei TOTEXP = jährliche Ausgaben für Medikamente (die nicht von der Krankenkasse übernommen werden) in Euro, AGE = Alter, INCOME = Jahres-Haushaltseinkommen in 1000 Euro. HEALTH GOOD ist eine Dummyvariable, die den Wert 1 annimmt, wenn die Person einen guten oder sehr guten Gesundheitszustand aufweist und 0 sonst. FEMALE ist eine Dummyvariable, die den Wert 1 annimmt, wenn die Person weiblich ist und 0 sonst. SUPPL INS ist eine Dummyvariable, die den Wert 1 annimmt, wenn die Person eine private Zusatzversicherung hat, die die anfallenden Kosten für Medikamente am Ende eines Jahres erstattet und 0 sonst. Wenn eine Person solch eine Zusatzversicherung hat, gibt TOTEXP die Ausgaben VOR der Rückerstattung durch die Versicherung an. Sie ist also nicht automatisch Null, wenn SUPPL INS = 1. Der Index i bezieht sich auf die Person i. Bei den Berechnungen reicht es aus, wenn Sie bis zu 2 Dezimalstellen angeben. a) Berechnen Sie die beiden Werte, die in Tabelle 1 fehlen, d.h. berechnen Sie den Standardfehler von b 2 und die t-statistik für b 5 (Werte NICHT in die Tabelle eintragen). (4 Punkte) b) Wie interpretieren Sie das berechnete R 2? (2 Punkte) 1

3 c) Wie interpretieren Sie jeweils b 1, b 2, b 3 und b 4? Gehen Sie dabei auch kurz auf die Signifikanz ein. Der kritische t-wert sei 1, 96. (16 Punkte) d) Der Gesundheitsminister wüsste vor allem gern die prognostizierten Ausgaben für eine 74-jährige Frau mit einem Haushaltseinkommen von Euro, ohne Zusatzversicherung und mit schlechtem Gesundheitszustand. Wie lautet Ihre Vorhersage? (4 Punkte) e) Berechnen Sie das 95 %-Konfidenzintervall für β 5 und interpretieren Sie es. Der kritische t-wert t c sei auch hier 1, 96. Halten Sie das berechnete Intervall für aussagekräftig? Begründen Sie Ihre Antwort. (8 Punkte) f) Ihre Kursleiterin von Empirische Wirtschaftsforschung erklärt Ihnen, dass Sie in Ihrer Schätzung ein Endogenitätsproblem haben. Es ist sehr wahrscheinlich, dass Personen, die hohe Medikamentenausgaben haben, eher eine private Zusatzversicherung abschließen. Das heißt, TOTEXP beeinflusst SUPPL INS und umgekehrt. Beschreiben Sie, wie man das Problem lösen könnte und was man dabei beachten muss. Lassen Sie sich dabei nicht von dem Umstand irritieren, dass SUPPL INS eine Dummyvariable ist. (6 Punkte) Tabelle 1: Regressionsoutput Aufgabe 1 Variable Koeffizient Standardfehler t-statistik Konstante 2936, ,04 1,16 AGE 76,74 2,31 INCOME -5,17 9,56-0,54 HEALTH GOOD -3055,14 427,62-7,15 FEMALE -671,37 426,80 SUPPL INS 1178,12 433,24 2,72 Anzahl d. Beobachtungen 3043 R 2 0,02 Abhängige Variable TOTEXP 2

4 Aufgabe 2 - Wahlaufgabe (20 Punkte) Gegeben sei das folgende Modell: ln(lohn i ) = β 1 + β 2 ERF i + β 3 HS i + β 4 RS i + β 5 ABI i + e i, wobei ln(lohn) das logarithmierte Monatseinkommen der Person i in Euro angibt und ERF die Berufserfahrung in Jahren. Des Weiteren wird zwischen verschiedenen Schulabschlüssen unterschieden. In der Stichprobe gibt es Personen mit Hauptschulabschluss (HS), Realschulabschluss (RS), Abitur (ABI) und solche ohne einen Abschluss. Das Modell enthält Dummyvariablen für die drei Schulabschlüsse, die jeweils 1 sind, wenn dies der höchste Abschluss ist, den die betrachtete Person gemacht hat. Die Referenzkategorie ist kein Schulabschluss. Das Modell wird für 4505 Personen, die 2008 in Deutschland berufstätig waren, geschätzt. Die geschätzten Koeffizienten und die Standardfehler (in Klammern) sind unter Modell 1 in Tabelle 2 aufgeführt. Es reichen 2 Dezimalstellen bei den Berechnungen. Einen Ausschnitt der F-Verteilung finden Sie am Ende der Aufgabe. a) Interpretieren Sie die Koeffizienten der Dummyvariablen für die Schulabschlüsse. Sie müssen dabei NICHT auf die Signifikanz der Variablen eingehen. (4 Punkte) b) Testen Sie, ob alle Variablen in Modell 1 gemeinsam einen Teil der Variation der Löhne erklären können. Das Signifikanzniveau für diesen Test soll 5 % betragen. (8 Punkte) c) Sie sollen nun untersuchen, ob das Modell für Frauen und Männer gleichermaßen gilt. Führen Sie dazu einen Chow-Test mithilfe der Ergebnisse von Modell 1 und Modell 2 durch (α=0,05). FRAU ist eine Dummyvariable, die den Wert 1 annimmt, wenn die Person weiblich ist. FRAU ERF, FRAU HS, FRAU RS, FRAU ABI sind jeweils Interaktionsterme. (8 Punkte) 3

5 Tabelle 2: Regressionsoutput Aufgabe 2 Variable Modell 1 Modell 2 Konstante 6,9920 7,1451 (0,0771) (0,0844) ERF 0,0252 0,0226 (0,0007) (0,0007) HS 0,1520 0,0936 (0,0776) (0,0844) RS 0,2043 0,1527 (0,0771) (0,0841) ABI 0,6813 0,6813 (0,0775) (0,0847) FRAU -0,5887 (0,1887) FRAU ERF 0,0047 (0,0014) FRAU HS 0,2606 (0,1918) FRAU RS 0,3428 (0,1893) FRAU ABI 0,1634 (0,1900) Residual sum of squares 1199, ,8524 Total sum of squares 1808, ,3928 Standardfehler in Klammern 4

6 Tabelle 3: 95% Quantil der F-Verteilung [P (F (J,N K) X) = 0, 95] (N K)/J ,18 2,79 2,56 2,40 2,29 2, ,15 2,76 2,53 2,37 2,25 2, ,07 2,68 2,45 2,29 2,18 2,09 3,00 2,60 2,37 2,21 2,10 2,01 5

7 Aufgabe 3 - Wahlaufgabe (20 Punkte) Gegeben sei das Schätzmodell ln(rent ) = β 1 + β 2 1 F LAT S + β 3MW AY + β 4 GF LOOR +β 5 T ERRACE + β 6 SQM + β 7 (SQM) 2 + e, wobei ln(ren T ) der logarithmierten Höhe der Monatsmiete einer Wohnung in Euro entspricht. F LAT S gibt an, wie viele weitere Wohnungen sich im Haus befinden. MW AY ist ein Dummy, der den Wert 1 annimmt, wenn die Wohnung sich in Autobahnnähe befindet. GFLOOR und TERRACE sind Dummies, die den Wert 1 annehmen, wenn die betrachtete Wohnung sich im Erdgeschoss (GF LOOR) befindet, bzw. die Erdgeschosswohnungen des Hauses eine eigene Terrasse (T ERRACE) besitzen. SQM gibt an, wie viele Quadratmeter die Wohnung besitzt. a) Wie hoch ist die Mietdifferenz zwischen Wohnungen in Autobahnnähe und Wohnungen, bei denen dies nicht der Fall ist? (4 Punkte) b) Wie groß ist der marginale Effekt auf die Miete, wenn die Wohnfläche (SQM) um eine Einheit steigt, gegeben die Wohnung ist 100 SQM groß. (4 Punkte) c) Wie ändert sich die Miete, wenn F LAT S um eine Einheit steigt? (4 Punkte) d) Heteroskedastie verzerrt Standardfehler und führt somit zu verfälschten Teststatistiken. Mit welcher statistischen Methode würden Sie auf Heteroskedastie testen? Erläutern Sie kurz und allgemein die einzelnen Schritte Ihrer Vorgehensweise. Beschränken Sie sich dabei auf die Beschreibung EINER Testmethode Ihrer Wahl. (8 Punkte) 6

Abschlussklausur (60 Minuten), 15. Juli 2014

Abschlussklausur (60 Minuten), 15. Juli 2014 Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang. Lehrstuhl für Statistik und empirische Wirtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail Studiengang

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

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

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

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 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 29. Mai 2006 Hinweise:

Mehr

Nachholklausur STATISTIK II

Nachholklausur STATISTIK II Nachholklausur STATISTIK II Name, Vorname: Matrikel-Nr.: Die Klausur enthält zwei Typen von Aufgaben: T e i l A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung

Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz und Bankwirtschaft Matrikelnummer Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung Prof. Dr. Marco Wilkens

Mehr

1 Statistische Grundlagen

1 Statistische Grundlagen Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.

Mehr

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang.

Bachelorprüfung. Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname. Matrikelnr. E-Mail. Studiengang. Lehrstuhl für Statistik und empirische irtschaftsforschung, SS 2009 ach: Prüfer: Bachelorprüfung Praxis der empirischen irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Name, Vorname Matrikelnr. E-Mail

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen Modelle mit Interationsvariablen I Modelle mit Interationsvariablen II In der beim White-Test verwendeten Regressionsfuntion y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4 x 2 2 + β 5 x 1 x 2, ist anders

Mehr

Lineare Modelle in R: Einweg-Varianzanalyse

Lineare Modelle in R: Einweg-Varianzanalyse Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der

Mehr

5 Zusammenhangsmaße, Korrelation und Regression

5 Zusammenhangsmaße, Korrelation und Regression 5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer

Mehr

UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG

UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG DATUM: 13. Juli 2009 FACH: TEILGEBIET: KLAUSURDAUER: Allgemeine Betriebswirtschaftslehre SL-Schein Marketing II 60 Minuten PRÜFER:

Mehr

Institut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion

Institut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion Institut für Soziologie Methoden 2 Regressionsanalyse IV: Transformation und Interaktion Inhalt 1. Zusammenfassung letzte Sitzung 2. Weitere Annahmen und Diagnostik 3. Transformationen zur besseren Interpretierbarkeit

Mehr

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die

Mehr

Koeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at

Koeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at Koeffizienten der Logitanalyse Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at 1 Kurt Holm Koeffizienten der Logitanalyse Eine häufig gestellte Frage lautet:

Mehr

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions

Mehr

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben

Mehr

Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich.

Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich. Übungsaufgaben zur Weiterbildung Anmerkung: Die Lösungen enthalten nur einige ausgewählte Antworten; weitere Lösungen sind möglich. 1. Was ist unter formeller und informeller Weiterbildung zu verstehen?

Mehr

Klausur zur Vorlesung Financial Engineering und Structured Finance

Klausur zur Vorlesung Financial Engineering und Structured Finance Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz- und Bankwirtschaft Klausur zur Vorlesung Financial Engineering und Structured Finance Prof. Dr. Marco Wilkens 7. Februar

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

Statistik II. Statistik II, SS 2001, Seite 1 von 5

Statistik II. Statistik II, SS 2001, Seite 1 von 5 Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Eine Einführung für Anwender - Marcel Erlinghagen - Gelsenkirchen, Oktober 2003 Gliederung

Mehr

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze Lehrstuhl für Statistik und empirische irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im ach Ökonometrie im S 20/2 Lösungsskizze Aufgabe (.5 Punkte) Sie verfügen über einen Datensatz, der Informationen

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

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

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Aufgabenstellung Aufgabe 1: Betrachten Sie das folgende ökonometrische Modell: y t = α + βx t + u t (1)

Aufgabenstellung Aufgabe 1: Betrachten Sie das folgende ökonometrische Modell: y t = α + βx t + u t (1) Klausur: Einführung in die Ökonometrie Prüfer: Prof. Dr. Karl-Heinz Paqué Dr.Ludwigv.Auer Semester: WS 1999/00 Als Hilfsmittel sind zugelassen: nicht-programmierbarer Taschenrechner Diese Klausur besteht

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

010 03 Marketing WS 2014/2015

010 03 Marketing WS 2014/2015 Prüfungsnummer: (für Studierende der WiSo-Fakultät) Matrikel-Nummer: (für Studierende anderer Fakultäten) Vorname und Name (nur Initial): 010 03 Marketing WS 2014/2015 24.03.2015 (2. Termin) Prüfer: Prof.

Mehr

Medienart: Print Medientyp: Publikumszeitschriften Auflage: 312'871 Erscheinungsweise: 26x jährlich

Medienart: Print Medientyp: Publikumszeitschriften Auflage: 312'871 Erscheinungsweise: 26x jährlich Ausschnitt Seite: 1/10 Bericht Seite: 8/28 Datum: 28.05.2010 Ausschnitt Seite: 2/10 Bericht Seite: 9/28 Datum: 28.05.2010 Ausschnitt Seite: 3/10 Bericht Seite: 10/28 Datum: 28.05.2010 Ausschnitt Seite:

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Bearbeiten Sie alle sechs Aufgaben A1-A6 und eine der zwei Aufgaben B1-B2!

Bearbeiten Sie alle sechs Aufgaben A1-A6 und eine der zwei Aufgaben B1-B2! Bachelor-Kursprüfung International Finance Schwerpunktmodule Finanzmärkte und Außenwirtschaft 6 Kreditpunkte, Bearbeitungsdauer: 90 Minuten SS 2015, 22.07.2015 Prof. Dr. Lutz Arnold Bitte gut leserlich

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

BA-Klausur im Fach. Soziale Sicherheit

BA-Klausur im Fach. Soziale Sicherheit BA-Klausur im Fach Soziale Sicherheit Wirtschaftswissenschaftliche Fakultät der Friedrich-Schiller-Universität Jena Prof. Dr. Silke Übelmesser Sommersemester 2015 21. Juli 2015 Vorname: Nachname: Studiengang:

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

Kapitel 3: Interpretationen

Kapitel 3: Interpretationen Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...

Mehr

Kapitel 23 Lineare Regression

Kapitel 23 Lineare Regression Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

6.2 Regressionsanalyse

6.2 Regressionsanalyse c-kennzahlensystem (ROCI) 6. Regressionsanalyse Die Regressionsanalyse zählt zu den wichtigsten Analysemethoden des Kommunikationscontrollings und hat ihre tiefen Wurzeln in der Statistik. Im Rahmen des

Mehr

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

VI Einkommensfunktion Teil 1

VI Einkommensfunktion Teil 1 Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (ANOVA: analysis of variance) Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Klausur Wirtschaftsmathematik Lösungshinweise

Klausur Wirtschaftsmathematik Lösungshinweise Klausur Wirtschaftsmathematik Lösungshinweise Prüfungsdatum: 27. Juni 2015 Prüfer: Etschberger Studiengang: Wirtschaftsingenieurwesen Aufgabe 1 16 Punkte Anton Arglos hat von seiner Großmutter 30 000 geschenkt

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

Übungen zur Veranstaltung Statistik 2 mit SPSS

Übungen zur Veranstaltung Statistik 2 mit SPSS Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe

Mehr

Klausur Datenbanksysteme

Klausur Datenbanksysteme Prüfung Datenbanksysteme, 31.Jan. 2003 S. 1 Klausur Datenbanksysteme Name: Matrikel-Nr.: Studiengang: Aufgabenblatt nicht vor Beginn der Prüfung umdrehen! Prüfer: Prof. Dr. Martin Hulin Dauer: 90 Minuten

Mehr

Wirtschaft und Wahlverhalten in Westdeutschland zwischen 1977 und 2007: Wer sind die ökonomischen Wähler?

Wirtschaft und Wahlverhalten in Westdeutschland zwischen 1977 und 2007: Wer sind die ökonomischen Wähler? Wirtschaft und Wahlverhalten in Westdeutschland zwischen 1977 und 2007: Wer sind die ökonomischen Wähler? Nils Steiner / Markus Steinbrecher In: Schmitt-Beck, Rüdiger (Hrsg.), Wählen in Deutschland, Sonderheft

Mehr

Klausur zur Vorlesung VWL II Makroökonomie (SoSe 13)

Klausur zur Vorlesung VWL II Makroökonomie (SoSe 13) Klausur zur Vorlesung VWL II Makroökonomie (SoSe 13) (Prof. Dr. Jochen Michaelis) Persönliche Angaben Vorname: Nachname: Matrikel-Nr.: Studiengang: Punkteverteilung Aufgabe 1 2 3 oder 4 Bonus Punkte /20

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Modulklausur Konstruktion und Analyse ökonomischer Modelle

Modulklausur Konstruktion und Analyse ökonomischer Modelle Modulklausur Konstruktion und Analyse ökonomischer Modelle Aufgabenheft Termin: 04.03.2015, 09:00-11:00 Uhr Prüfer: Univ.-Prof. Dr. J. Grosser Aufbau der Klausur Pflichtaufgabe Maximale Punktzahl: 34 Wahlpflichtaufgabe

Mehr

Fakultät III Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Fakultät III Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach 1 Universität Siegen Fakultät III Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Internationale Finanzierung Sommersemester 2014 LÖSUNG Bearbeitungszeit: 45 Minuten Zur Beachtung:

Mehr

Statistik Einführung // Lineare Regression 9 p.2/72

Statistik Einführung // Lineare Regression 9 p.2/72 Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression

Mehr

K L A U S U R D E C K B L A T T

K L A U S U R D E C K B L A T T K L A U S U R D E C K B L A T T Name der Prüfung: Einführung in die Robotik Datum und Uhrzeit: 25.02.2014 um 11Uhr Bearbeitungszeit: : Institut: Neuroinformatik Prüfer: Oubbati Vom Prüfungsteilnehmer auszufüllen:

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten

Mehr

PLATZNUMMER: Datum: 08.03.2011. Klausur: Personalökonomie. Name: Vorname: Matrikel: Studiengang: Ort der Klausur: Hinweise:

PLATZNUMMER: Datum: 08.03.2011. Klausur: Personalökonomie. Name: Vorname: Matrikel: Studiengang: Ort der Klausur: Hinweise: Universität Duisburg-Essen Mercator School of Management Lehrstuhl für Allgemeine Betriebswirtschaftslehre Prof. Dr. Joachim Prinz Prof. Dr. Jost Adler Datum: 08.03.2011 PLATZNUMMER: Klausur: Personalökonomie

Mehr

Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement

Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement Klausur zu den Teilgebieten Software-Management und Software-Qualitätsmanagement Prof. K.-P. Fähnrich, Prof. H.-G. Gräbe, T. Riechert Institut für Informatik Sommersemester 2012 Allgemeine Bemerkungen

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04

Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Hinweise: Die Klausur

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

Fachhochschule Düsseldorf Wintersemester 2008/09

Fachhochschule Düsseldorf Wintersemester 2008/09 Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige

Mehr

Einführung in statistische Analysen

Einführung in statistische Analysen Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die

Mehr

Studiengang «StudG» Klausur Grundlagen des Marketing WS 2013/14. Studienfach: Abschluss:

Studiengang «StudG» Klausur Grundlagen des Marketing WS 2013/14. Studienfach: Abschluss: Univ.-Prof. Dr. Jost Adler Univ.-Prof. Dr. Gertrud Schmitz Studiengang «StudG» Klausur Grundlagen des Marketing WS 203/4 Datum: «Datum» Beginn/Ort: «Beginn» / «Ort» Bearbeitungszeit: 60 Minuten Hilfsmittel:

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25 Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen

Mehr

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen

Mehr

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004 Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu

Mehr

Arbeitsmarkteffekte sozialpolitischer Maßnahmen Eine Mikro-Evaluation ausgewählter Reformen seit den 1950er Jahren

Arbeitsmarkteffekte sozialpolitischer Maßnahmen Eine Mikro-Evaluation ausgewählter Reformen seit den 1950er Jahren Prof. Dr. Patrick Puhani Katja Sonderhof Arbeitsmarkteffekte sozialpolitischer Maßnahmen Eine Mikro-Evaluation ausgewählter Reformen seit den 1950er Jahren Arbeitstreffen des Forschungsschwerpunktprogramms

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Sommersemester 2010 V1 Montags, 12.15 13.45 Uhr, RW1 Dienstags, 14.00 (s.t.) 15.30 Uhr, RW1 Prof. Dr. Isabel Schnabel Johannes Gutenberg-Universität Mainz Ziel der Vorlesung

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Name:... Vorname:... Matrikel-Nr.:... Fachrichtung:... Semesterzahl:...

Name:... Vorname:... Matrikel-Nr.:... Fachrichtung:... Semesterzahl:... Wirtschaftswissenschaftlicher Prüfungsausschuss der Georg-August-Universität Göttingen Diplomprüfung Klausuren für Volkswirte, Betriebswirte, Handelslehrer und Wirtschaftsinformatiker, BA, MA, Nebenfach

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Abschlussklausur am 12. Juli 2004

Abschlussklausur am 12. Juli 2004 Institut für Geld- und Kapitalverkehr Vorlesung Nr. 03.511 der Universität Hamburg Grundkonzeptionen der Finanzierungstheorie (ABWL / Finanzierung) Dr. Stefan Prigge Sommersemester 2004 Abschlussklausur

Mehr

Gesundheitsmonitor Feld- und Methodenbericht - Welle 21 - Bevölkerungsbefragung. GfK Health Care Im Auftrag der Bertelsmann Stiftung

Gesundheitsmonitor Feld- und Methodenbericht - Welle 21 - Bevölkerungsbefragung. GfK Health Care Im Auftrag der Bertelsmann Stiftung Gesundheitsmonitor Feld- und Methodenbericht - Welle 21 - Bevölkerungsbefragung GfK Health Care Im Auftrag der Bertelsmann Stiftung Projektleitung: Holger Paulsen Telefon: +49 (0)911 395 4540 Telefax:

Mehr

Fakultät III Univ.-Prof. Dr. Jan Franke-Viebach

Fakultät III Univ.-Prof. Dr. Jan Franke-Viebach 1 Universität Siegen Fakultät III Univ.-Prof. Dr. Jan Franke-Viebach Klausur Internationale Finanzierung Sommersemester 2011 (1. Prüfungstermin) Bearbeitungszeit: 60 Minuten Zur Beachtung: 1. Die Klausur

Mehr

Aufgabe 1 2 3 4 5 Gesamt. Maximale Punktzahl 26 8 18 24 24 100

Aufgabe 1 2 3 4 5 Gesamt. Maximale Punktzahl 26 8 18 24 24 100 Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insbesondere Investitionstheorie und Unternehmensbewertung Name : Vorname : Modulklausur: Unternehmensgründung (31581) Termin:

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale 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

Mehr