Motivation. Der Unterschied zwischen den Preisen im Kartellmarkt und im Vergleichsmarkt ist nicht statistisch signifikant.
|
|
- Elvira Dittmar
- vor 5 Jahren
- Abrufe
Transkript
1 Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Grundlagen der Wettbewerbsökonomie für Juristen Methoden und Anwendungen Prof. Dr. Roman Inderst Goethe University Frankfurt am Main RCS. Research & Consulting Services GmbH RCS Research and Consulting Services FIW-Ferienkurs
2 Motivation Der Unterschied zwischen den Preisen im Kartellmarkt und im Vergleichsmarkt ist nicht statistisch signifikant. Mittels der nur zur Verfügung stehenden kurzen Zeitreihe kann der Zusammenhang zwischen Kosten und Preisen nicht valide geschätzt werden. Es wird ein Preis von 5 Euro nach der Fusion geschätzt, wobei das 95% Konfidenzintervall zwischen 3 Euro und 6 Euro liegt. Das ökonomische Modell hat wenig Erklärungsgehalt, da der R 2 Wert (Bestimmtheitsmaß) nur 5% beträgt. Empirische RCS Research and Consulting Services FIW-Ferienkurs
3 Roadmap und Zielsetzung Erläuterung einiger wesentlicher Konzepte der empirischen Ökonomie Regression & Prognose Signifikanz & Konfidenzintervall Anwendungsfall : Schadensermittlung Ausgangspunkt: Mittelwertvergleich mit Vergleichsmarkt Frage 1: Signifikanter Unterschied? Frage 2: Kausalität? Beschränkungen: Keine grundlegende Einführung in Methoden der (Kartell-) Schadensermittlung Keine empirischen Methoden zur Marktabgrenzung, Schätzung unilateraler Effekte RCS Research and Consulting Services FIW-Ferienkurs
4 Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Teil 1: RCS Research and Consulting Services FIW-Ferienkurs
5 Hypothetisches Fallbeispiel Regionaler Markt für ein homogenes Gut Wesentlicher Kostenfaktor: Bewässerung Andere Marktstrukturmerkmale spielen hier keine Rolle Kartellierter Markt vs. Vergleichsmarkt Wöchentliche Preisreihe bis zu 2 Jahren vorhanden Vergleichsmärkte Ost und RCS Research and Consulting Services FIW-Ferienkurs
6 Vorgehen 1. Mittelwertvergleich: Kartellmarkt vs. Vergleichsmarkt Signifikanter Preisunterschied? Wovon hängt statistische Signifikanz ab? Bezug zur Berechnung von Konfidenzintervallen Alternativen zum Mittelwert 2. Regression: Herausrechnen struktureller Unterschiede Hier: Möglicherweise unterschiedliche Niederschlagsmengen im Kartellmarkt und Vergleichsmarkt Einführung in die Regressionsanalyse Anwendung: Ermittlung des kartellbedingten Preisaufschlages mittels Prognosemethode und RCS Research and Consulting Services FIW-Ferienkurs
7 Niederschläge und Preise im Kartellmarkt und den Vergleichsmärkten Zeit in Wochen Kartellmarkt Vergleichsmarkt Ost Vergleichsmarkt West Niederschlag in Liter Preis in Euro Niederschlag in Liter Preis in Euro Niederschlag in Liter Preis in Euro 1 11,51 41,15 11,36 39,23 11,20 41,27 2 6,89 40,12 8,40 44,12 16,47 35, ,75 40,38 9,68 42,68 7,14 44,73 4 9,10 40,97 16,48 37,22 8,79 37, ,31 48,00 7,60 40,08 7,81 45, ,63 48,00 8,89 46,10 11,78 39, ,56 48,00 7,40 41,31 11,90 42, ,29 48,00 12,71 39,74 8,14 37,26 Datenerhebung: wöchentlich Zeithorizont: 104 Wochen = 2 RCS Research and Consulting Services FIW-Ferienkurs
8 Preis in Niederschlag in Liter Preis und Niederschlag im Vergleichsmarkt Zeit in Wochen Preis Niederschlagsmenge RCS Research and Consulting Services FIW-Ferienkurs
9 Preis in Preis in Preise im Vergleich Vergleichsmarkt Ost Marktpreis Durchschnittspreis Zeit in Wochen Kartellmarkt Kartellpreis Durchschnittspreis Zeit in RCS Research and Consulting Services FIW-Ferienkurs
10 Niederschlag in Liter Niederschlagsmenge Durchschnittlicher Niederschlag Vergleichsmarkt / Kartellmarkt Zeit in Wochen Niederschlag Vergleichsmarkt Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
11 Preis in Preis im Vergleichsmarkt Ost Kartellphase Preis Vergleichsmarkt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
12 Preis in Preis Vergleichsmarkt während der Kartellphase Nur diese Zeitreihe ist bekannt! Nicht der langfristige Durchschnitt! Preis Vergleichsmarkt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
13 Mittelwert T Hier: T=30 Werte: p = 1 30 p = 1 T t=1 p t 43, , ,74 = RCS Research and Consulting Services FIW-Ferienkurs
14 Preis in Preis Vergleichsmarkt während der Kartellphase , Preis Vergleichsmarkt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
15 Preisklassen (Breite = 1) # Beobachtungen pro Preisklasse Absolute Häufigkeit der Preise Zeit in Wochen Preis Vergleichsmarkt 1 4 RCS Research and Consulting Services FIW-Ferienkurs
16 Relative Häufigkeit Relative Häufigkeit der Preise ( Histogramm ) 25 % 20 % 15 % 10 % 5 % 0 % Preis in Relative Häufigkeiten pro Preisklasse (Klassenbreite = RCS Research and Consulting Services FIW-Ferienkurs
17 Relative Häufigkeit Relative Häufigkeit Verwendung als kontrafaktischer Preis hinreichend belastbar? VGM Ost VGM West 25 % 25 % 20 % 20 % 15 % 15 % 10 % 10 % 5 % 5 % 0 % Preis in 0 % Mittelwerte: 40,31 41,95 Preis RCS Research and Consulting Services FIW-Ferienkurs
18 Maß für die Streuung: Varianz Varianz Hier: T=30 Varianz = 1 T T t=1 (p t p ) 2 Werte: VGM Ost: Varianz = 1 30 [ 43,12 40, ,74 40,31 2 ] = 10,33 VGM West: Varianz = 1 30 [ 38,97 41, ,26 41,95 2 ] = RCS Research and Consulting Services FIW-Ferienkurs
19 Maß für die Streuung: Standardabweichung Standardabweichung = Varianz Werte: VGM Ost: Varianz = 10,33 Standardabweichung = 10,33 = 3,21 VGM West: Varianz = 19,55 Standardabweichung = 19,55 = RCS Research and Consulting Services FIW-Ferienkurs
20 Relative Häufigkeit Mittelwert und Standardabweichung: VGM Ost p = 1 43, , ,74 = 40,31 30 Standardabweichung = Varianz = 10,33 = 3,21 25 % 20 % 15 % 10 % 5 % 0 % Relative Häufigkeiten pro Preisklasse (Klassenbreite = 1) -3,21 +3,21 Preis RCS Research and Consulting Services FIW-Ferienkurs
21 Relative Häufigkeit Mittelwert und Standardabweichung: VGM West p = 1 38, , ,26 = 41,95 30 Standardabweichung = Varianz = 19,55 = 4,42 25 % 20 % 15 % 10 % 5 % 0 % ,42 +4,42 Preis RCS Research and Consulting Services FIW-Ferienkurs
22 Datenmodell Ausgangspunkt: Wir kennen nur eine relativ kurze Zeitreihe in jedem Vergleichsmarkt Preise p t Annahme / Datenmodell Beobachtete Preise p t bestimmt durch strukturellen Parameter ( langfristiger Mittelwert ) P und zufällige Abweichungen u t p t = P + u t Ziel: Schätzung von P aus den beobachteten Werten p t Schätzer = Berechneter Mittelwert p Aber: Wie gut ist die Schätzung? RCS Research and Consulting Services FIW-Ferienkurs
23 Schätzung des langfristigen Mittelwertes (1) Sichtweise: Beobachtete Zeitreihe der Preise im Vergleichsmarkt als Stichprobe Aufgrund der Schwankungen der Preise ist auch der Mittelwert der Stichprobe durch den Zufall bestimmt! Erinnerung: Datenmodell für beobachtete Preise p t : p t = P + u t Datenmodell für den beobachteten (Stichproben-)Mittelwert p = P + (u 1 + u u 30 RCS Research and Consulting Services FIW-Ferienkurs
24 Schätzung des langfristigen Mittelwertes (2) Tatsächlicher (langfristiger) Mittelwert (unbekannt!) Mögliche in einer T=30 Stichprobe beobachtete Mittelwerte RCS Research and Consulting Services FIW-Ferienkurs
25 Konfidenzintervall (95%) VGM Ost: Beobachteter Mittelwert der T=30 Stichprobe Werte aus Tabellen oder Software! Kartellpreis 48,0 (34,01) (40,31) (46,61) 95% Wahrscheinlichkeit für tatsächlichen langfristigen RCS Research and Consulting Services FIW-Ferienkurs
26 Konfidenzintervall (99%) VGM Ost: Beobachteter Mittelwert der T=30 Stichprobe Werte aus Tabellen oder Software! Kartellpreis 48,0 (32,03) (40,31) (48,59) 99% Wahrscheinlichkeit für tatsächlichen langfristigen RCS Research and Consulting Services FIW-Ferienkurs
27 Konfidenzintervalle VGM Ost VGM Ost: (40,31) 48,0 (35,02) (45,60) 90% KI (34,01) (46,61) 95% KI (32,03) (48,59) 99% RCS Research and Consulting Services FIW-Ferienkurs
28 Konfidenzintervalle VGM West VGM West: (41,95) 48,0 (34,68) (49,23) 90% KI (33,29) (50,62) 95% KI (30,56) (53,34) 99% RCS Research and Consulting Services FIW-Ferienkurs
29 Zusammenfassung Mittelwertvergleich Anwendungsfall: Berechnung des durchschnittlichen kartellbedingten Preisaufschlages 1. Bildung des (arithmetischen) Mittelwertes: Kartellmarkt und Vergleichsmarkt 2. Berechnung der Differenz zum durchschnittlichen Kartellpreis 3. Statistische Analyse: Wie belastbar ist die Abschätzung? Rolle von: Variation/Varianz (und Anzahl der Beobachtungen) Konfidenzintervalle Caveats Strukturelle Unterschiede zwischen Kartellmarkt und Vergleichsmarkt? Regressionsanalyse! Keine vollständige Schadensermittlung. Es fehlen zum Beispiel Preisüberhöhungsschaden: Menge mal Preis Aufzinsen RCS Research and Consulting Services FIW-Ferienkurs
30 Probleme bei der Verwendung des arithmetischen Mittels 1. Gleiche Gewichtung aller Preise 2. Anfälligkeit für Ausreißer Beispiel: Vergleichsmarkt Ost: Preis in Woche 99 gleich 30 Euro Durchschnittspreis Kartellphase mit Ausreißer: 40,31 Hypothetischer Durchschnittspreis Kartellphase ohne Ausreißer: 40,67 In diesem Fall kein wesentlicher RCS Research and Consulting Services FIW-Ferienkurs
31 Relative Häufigkeit Ausreißer und Mittelwert - Alternative Datenreihe Mittelwert: 39, Prozentanteil pro Klasse Preise RCS Research and Consulting Services FIW-Ferienkurs
32 Median Alternative: Verwendung des Median Definition: Preis bei dem die Hälfte aller Beobachtungen über und die Hälfte aller Beobachtungen unter diesem Schwellenwert liegen. Typischer Wert : Im Vergleichsmarkt Ost in der Kartellphase gleich 40,27 Verwendung vor allem als Check: Falls Median deutlich vom Mittelwert abweicht Mögliche Ausreißer? Grund für Ausreißer? Robustheitsanalyse (mit/ohne RCS Research and Consulting Services FIW-Ferienkurs
33 Relative Häufigkeit Relative Häufigkeit Ausreißer und Mittelwert in den zwei Datenreihen 25 Median: 40,27 Mittelwert: 40,31 25 Median: 40,27 Mittelwert: 39, Preise in Preise in Prozentanteil pro Klasse Prozentanteil pro RCS Research and Consulting Services FIW-Ferienkurs
34 Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Teil 2: Einführung in die RCS Research and Consulting Services FIW-Ferienkurs
35 Wie gut ist ein Vergleichsmarkt? Räumlicher (oder sachlicher) Vergleichsmarkt Wesentliche (strukturelle) Unterschiede zum Kartellmarkt? Andere Nachteile wie mögliche Preisschirmeffekte Vorteile: Ggf. gleicher Zeittrend (etwa in Produktionskosten) Zeitlicher Vergleichsmarkt vorher-während, während-nachher oder vorher-während-nachher Vorteil: Gleiche/Ähnliche Angebotsseite und Nachfrageseite? Nachteil: Nicht kartellbedingte zeitliche Änderungen? Trends (Herausrechnen durch Extrapolation/Interpolation oder Zeitreihenmethoden) Änderungen in Produktionskosten oder RCS Research and Consulting Services FIW-Ferienkurs
36 Regressionsanalyse Generelle Zielsetzung des Verfahrens: Isolierung eines Effektes sowie Test auf Signifikanz und Quantifizierung Hintergrund / Problemstellung: Kontrolle für mögliche Unterschiede im Kartellmarkt und im Vergleichsmarkt? Hier nur Wetter / Niederschlag, allgemeiner Nachfrageseite (Höhe der Nachfrage getrieben durch Einkommensunterschiede, Verhandlungsmacht der Nachfrager, Verfügbarkeit und Preise von Substituten etc.) Angebotsseite (Preisniveau und Preisänderung von Produktionsfaktoren, Unterschiede und Änderung in Kapazität oder Anzahl der Unternehmen, rechtliche Rahmenbedingungen RCS Research and Consulting Services FIW-Ferienkurs
37 Vorgehensweise 1. Für den Vergleichsmarkt (Ost) wird die Beziehung zwischen Regen und Preisen isoliert und quantifiziert. Dafür: wird ein bestimmter funktionaler Zusammenhang (hier: linear) unterstellt; die entsprechende Gerade wird bestmöglich gewählt; und der entsprechende Koeffizient beschreibt dann den geschätzten Zusammenhang. 2. Anwendung für eine Prognose des kontrafaktischen Preises im Kartellmarkt 3. Alternative Methode: Daten des Kartellmarktes und des Vergleichsmarktes werden gleichzeitig in der Regression genutzt ( Dummy-Methode RCS Research and Consulting Services FIW-Ferienkurs
38 Streudiagramm Vergleichsmarkt Ost (T=30) Preis p 50 Beispiel: Woche: 84 Niederschlag: 14,50 Preis: 43, Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
39 Unterstellter linearer Zusammenhang (1) Preis p 50 p t = α + β x t α p β = p x < 0 x Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
40 Unterstellter linearer Zusammenhang (2) Preis p 50 p t = α + β x t α p β = p x x Ausreißer Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
41 Residuen Preis p u 10 = 43,02 38,09 = 4, u 16 = 35,28 41,69 = 6,41 30 Residuen: u t = p t p t Ausreißer Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
42 Kleinste-Quadrate Schätzmethode Bestimme α und β so, dass die Quadratsumme der Residuen minimal ist: Minimiere T t=1 u t 2 = u 1 ² + u 2 ² + u 3 ² + + u T 2 Minimiere 30 t=1 u t 2 = 0,60² + ( 0,06)² + 1,79² + RCS Research and Consulting Services FIW-Ferienkurs
43 Geschätzte Gerade Preis p 50 α = 46, β = -0, p t = 46,52 0,58 x t Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
44 Güte der Schätzung Bestimmtheitsmaß: R 2 = erklärte Varianz gesamte Varianz p = 40,31 p t = tatsächlicher Preis p t = geschätzter Preis [p t = α + β x t ] T (p t p )² erklärte Varianz: (geschätzte Werte) t=1 30 t=1 (42,52 40,31)² + + (39,13 40,31)² gesamte Varianz: (p t p )² (wahre Werte) T t=1 30 t=1 (43,12 40,31)² + + (39,74 RCS Research and Consulting Services FIW-Ferienkurs
45 Ergebnis Gesamte Streuung Erklärte Streuung Woche Preis p p (p p)² Woche Schätzung p p (p p)² 75 43,12 40,31 7, ,52 40,31 4, ,81 40,31 0, ,87 40,31 0, ,66 40,31 18, ,86 40,31 6, ,24 40,31 0, ,91 40,31 0, ,08 40,31 0, ,10 40,31 3, ,10 40,31 33, ,35 40,31 1, ,31 40,31 1, ,22 40,31 3, ,74 40,31 0, ,13 40,31 1,39 Gesamte Streuung: 309,83 Erklärte Streuung: 68,26 R² = T 4,88 1,39 t=1 p t p 2 = 42,52 40, ,13 40,31 2 T t=1 (p t p ) 2 = 43,12 40,31 2 = 0, (39,74 40,31)² 7,90 RCS Research and Consulting Services FIW-Ferienkurs
46 Erinnerung: Gegenüberstellung zweier Vergleichsmärkte VGM Ost VGM West 25 % 25 % 20 % 20 % 15 % 15 % 10 % 10 % 5 % 5 % 0 % % RCS Research and Consulting Services FIW-Ferienkurs
47 Streudiagramm: Vergleichsmarkt West (T=30) Preis p Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
48 Lineare Regression für Vergleichsmarkt West Preis p α = 48, β = - 0, p t = 48,02 0,58 x t Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
49 Ergebnis Gesamte Streuung Erklärte Streuung Woche Preis p p (p p)² Woche Schätzung p p (p p)² 75 38,97 41,95 8, ,26 41,95 0, ,56 41,95 1, ,69 41,95 0, ,00 41,95 1, ,38 41,95 0, ,61 41,95 0, ,87 41,95 0, ,51 41,95 12, ,47 41,95 2, ,56 41,95 5, ,15 41,95 0, ,24 41,95 0, ,08 41,95 0, ,26 41,95 22, ,27 41,95 1,74 Gesamte Streuung: 586,54 Erklärte Streuung: 50,96 R² = T 0,48 1,74 t=1 p t p 2 = 41,26 41, ,27 41,95 2 T t=1 (p t p ) 2 = 38,97 41, (37,26 41,95)² 8,88 22,00 = RCS Research and Consulting Services FIW-Ferienkurs
50 Preis in Erinnerung: Zwei Zeiträume im Vergleichsmarkt Preis Vergleichsmarkt Durchschnittspreis Zeit in RCS Research and Consulting Services FIW-Ferienkurs
51 Streudiagramm: Vergleichsmarkt Ost (T=104) Preis p Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
52 Unterstellter linearer Zusammenhang: Vergleichsmarkt Ost (T=104) Preis p α = 46, β = - 0,56 30 p t = 46,43 0,56 x t Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
53 Ergebnis α 46,43 AUSGABE: ZUSAMMENFASSUNG Regressions-Statistik β -0,56 Bestimmtheitsmaß 0, Beobachtungen 104 R² 0,36 Koeffizienten Schnittpunkt α 46, Steigungsparameter β -0, AUSGABE: RESIDUENPLOT Beobachtung Schätzwert Residuen 1 40, , , , , , RCS Research and Consulting Services FIW-Ferienkurs
54 Vergleich der drei Regressionen VGM Ost Kartellphase VGM West Kartellphase VGM Ost Gesamtzeitraum α 46,52 α 48,02 α 46,43 β -0,58 β -0,58 β -0,56 R² 0,22 R² 0,09 R² 0,36 T=30 T=30 RCS Research and Consulting Services FIW-Ferienkurs
55 Vorgehensweise ( Wo stehen wir ) 1. Für den Vergleichsmarkt (Ost) wird die Beziehung zwischen Regen und Preisen isoliert und quantifiziert. Dafür: wird ein bestimmter funktionaler Zusammenhang (hier: linear) unterstellt; die entsprechende Gerade wird bestmöglich gewählt; und der entsprechende Koeffizient beschreibt dann den geschätzten Zusammenhang. 2. Anwendung für eine Prognose des kontrafaktischen RCS Research and Consulting Services FIW-Ferienkurs
56 Prognosemethode: Anwendung auf Kartellmarkt Formel: p t K = α + β x t K p t K = Prognosepreis x t K = Regenmenge Kartellmarkt Beispiel: p t K = 46,52 0,58 6,24 = 42,90 Geschätzte Koeffizienten Zeit t Regen x(t) α+β*x(t) VGM Ost (T=30) 75 6,24 42,90 α 46, ,76 36,80 β -0, ,23 43,49 R² 0, ,31 41, ,68 42, ,31 38, ,63 43, ,56 38, ,29 RCS Research and Consulting Services FIW-Ferienkurs
57 Prognosemethode: Preisaufschlag Bildung der Differenz aus Kartellpreis und prognostiziertem kontrafaktischem Preis: Preisaufschlag: p t K p t K Geschätzte Koeffizienten Zeit t Preis Kartellmarkt Prognosepreis Differenz VGM Ost (T=30) ,90 5,10 α 46, ,80 11,20 β -0, ,49 4,51 R² 0, ,12 6, ,07 5, ,80 9, ,83 4, ,66 9, ,91 RCS Research and Consulting Services FIW-Ferienkurs
58 Preis in Prognosemethode: Ermittelte Preisaufschläge Zeit in Wochen prognostizierter Kartellpreis Preis RCS Research and Consulting Services FIW-Ferienkurs
59 Zusammenfassung: Prognosemethode 1. Für den Vergleichsmarkt (Ost) wird die Beziehung zwischen Regen und Preisen isoliert und quantifiziert 2. Anwendung für eine Prognose des kontrafaktischen Preises Weiter: Preisüberhöhungsschaden berechnen Mit abgesetzter / bezogener Menge (wöchentlich) multiplizieren Aufzinsen Anmerkung: Im Gegensatz zur Verwendung eines nur durchschnittlichen Preisaufschlages ist jetzt der Preisüberhöhungsschaden RCS Research and Consulting Services FIW-Ferienkurs
60 Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Teil 3: Anwendung und Vertiefung der Regressionsanalyse [Dummy-Variablen RCS Research and Consulting Services FIW-Ferienkurs
61 Modifiziertes Beispiel: Datenreihe für den Kartellmarkt Zeit in Kartellmarkt Vergleichsmarkt Ost Wochen Niederschlag Preis Niederschlag Preis 1 11,51 41,15 11,36 39,23 2 6,89 40,12 8,40 44, ,75 40,38 9,68 42,68 4 9,10 40,97 16,48 37,22 5 7,17 41,57 10,40 37, ,68 43,70 25,08 34, ,31 39,77 19,60 34, ,63 45,47 20,89 39, ,56 38,07 19,40 35, ,29 38,29 24,71 RCS Research and Consulting Services FIW-Ferienkurs
62 Preis in Modifiziertes Beispiel: Datenreihe für den Kartellmarkt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
63 Preis in Modifiziertes Beispiel: Datenreihe für den Kartellmarkt Kartellphase Durchschnitt Vergleichszeitraum Durchschnitt Kartellzeitraum Zeit in RCS Research and Consulting Services FIW-Ferienkurs
64 Niederschlag in Liter Niederschlag im Kartellmarkt Niederschlag Durchschnitt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
65 Niederschlag in Liter 30 Notwendigkeit für Niederschlag zu kontrollieren Kartellphase Niederschlag Durchschnitt Zeit in RCS Research and Consulting Services FIW-Ferienkurs
66 Vorgehensweise (1) 1. Prognosemethode (wie gehabt!): Jetzt allerdings: Zeitlicher Vergleichsmarkt ( vor-während ) Schritt 1: Schätzung des Zusammenhanges Niederschlag Preise im Wettbewerbsfall. Schritt 2: Anwendung auf den Kartellzeitraum mittels der dort beobachteten Niederschlagsmengen, um das kontrafaktische Preisniveau zu berechnen ( Prognose ) Schritt 3: Preisaufschlag als Differenz zum Kartellpreis RCS Research and Consulting Services FIW-Ferienkurs
67 Vorgehensweise (2) 2. Alternative: Dummy-Variablen Methode Verfahren: Eine Regression nutzt gleichzeitig Daten aus Kartellzeitraum und Vergleichszeitraum Vorteil: Verwendung möglichst aller Daten zur Schätzung des Zusammenhanges Niederschlag Preise Anmerkung: Relevanz? Wiederholung / Anwendung der Regressionsanalyse Häufig verwendetes Verfahren auch in anderen Zusammenhängen (z.b. später bei Schockanalyse zur RCS Research and Consulting Services FIW-Ferienkurs
68 Dummy-Variablen-Modell Schätzung eines konstanten kartellbedingten Preisaufschlags: p t = α + β x t + δ D t Dummy-Variable D t ist 1 für den Kartellzeitraum D t ist 0 für den Vergleichszeitraum δ misst den konstanten RCS Research and Consulting Services FIW-Ferienkurs
69 Preisbeobachtungen (Streudiagramm) Preis p D t = 0 D t = vor Kartellbildung Kartellphase Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
70 Preisbeobachtungen (Streudiagramm) Preis p 60 p t = α + β x t + δ D t 55 α+δ 50 α 45 β β 40 D t = 0 D t = vor Kartellbildung Kartellphase Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
71 Dummy-Variablen-Modell: Ergebnis Variable Koeffizient Kartell-Dummy δ 8,54 Niederschlag β -0,56 Schnittpunkt α 46,38 Anzahl Beobachtungen 104 R² 0,65 Daher: Geschätzter konstanter Preisaufschlag für alle Wochen des Kartell- Zeitraums gleich 8,54 RCS Research and Consulting Services FIW-Ferienkurs
72 Niederschlag in Liter Preis in Zur Erinnerung: Preise und Niederschlag Kartellpreis Preis Durchschnittspreis vor Kartell Durchschnittspreis im Kartell Zeit in Wochen Zeit in Wochen Niederschlag RCS Research and Consulting Services FIW-Ferienkurs
73 Konfidenzintervall für δ 99% 95% 90% Geschätztes δ = RCS Research and Consulting Services FIW-Ferienkurs
74 Zusammenfassung: Dummy-Methode Ausgangspunkt: Zeitlicher Vergleichsmarkt (Besonderheit: Niveauunterschied Produktionskosten (Niederschlag) vor und während der Kartellphase) Gleichzeitiges Schätzen von 1. strukturellem Zusammenhang Niederschlag Preis 2. konstantem kartellbedingten Preisaufschlag p t = α + β x t + δ D t Belastbar? Signifikanztest und Konfidenzintervalle für RCS Research and Consulting Services FIW-Ferienkurs
75 Gegenüberstellung der Ergebnisse Hier: Für den zeitlichen Vergleichsmarkt 1. Reiner Durchschnittsvergleich Kartellzeitraum: 42,34 Wettbewerbszeitraum: 40,63 Differenz 1,71 2. Dummy-Variablen Methode Geschätzter Preisaufschlag (δ) von 8,54 3. Prognosemethode Durchschnittlicher geschätzter Preisaufschlag = 7,68 Allerdings: Wöchentliche Preisaufschlagsschätzungen können verwendet RCS Research and Consulting Services FIW-Ferienkurs
76 Addendum: Differenz-der-Differenzen Methode (1) Ausgangspunkt: Zeitlicher Vergleichsmarkt vorhanden Räumlicher (sachlicher) Vergleichsmarkt (mit Mittelwert) vorhanden Allerdings: Räumlicher Vergleichsmarkt unterscheidet sich (z.b. Zahl der Unternehmen) sowie zeitliche Veränderungen (etwa in Produktionskosten) Vorgehensweise bei der DdD -Methode 1. Ermittlung der Preisveränderung über die Zeit im Kartellmarkt 2. Ermittlung der Preisveränderung über die Zeit im räumlichen Vergleichsmarkt 3. Vergleich der beiden Preisveränderungen: RCS Research and Consulting Services FIW-Ferienkurs
77 Addendum: Differenz-der-Differenzen Methode (2) DdD Berechnung aus Mittelwerten: (B A) (D C) RCS Research and Consulting Services FIW-Ferienkurs
78 Niederschlag in Liter Niederschlag in Liter Niederschläge Kartellmarkt Zeit in Wochen Niederschlag Durchschnitt Vergleichszeitraum Durchschnitt Kartellzeitraum Vergleichsmarkt Zeit in Wochen Niederschlag Durchschnitt Vergleichszeitraum Durchschnitt RCS Research and Consulting Services FIW-Ferienkurs
79 Preis in Preis in Preise Kartellmarkt Zeit in Wochen Kartellmarkt Durchschnitt Vergleichszeitraum Durchschnitt Kartellzeitraum Vergleichsmarkt Zeit in Wochen VGM Ost Durchschnitt Vergleichszeitraum Durchschnitt RCS Research and Consulting Services FIW-Ferienkurs
80 Differenz-der-Differenzen Methode: Ergebnisse Vergleichszeitraum Kartellzeitraum Kartellmarkt A = 40,63 B = 42,34 1. Vergleichsmarkt C = 38,05 D = 31,96 2. [A, B, C, D = entsprechende Mittelwerte] Geschätzter Preisaufschlag: 42,34 40,63 31,96 38,05 = 7, RCS Research and Consulting Services FIW-Ferienkurs
81 Empirische Methoden: Abschließende Bemerkungen (1) Zielsetzung: Vermittlung grundlegender Begriffe und Konzepte der empirischen (Wettbewerbs-) Ökonomie Schätzung, Signifikanz und Regression Anwendungsfall: Schadensermittlung Mittelwertvergleich, Prognosemethode, Dummy-Methode Praktische Anwendung Kommunikation mit Ökonomen Selbstständiges Lesen und Hinterfragen ökonomischer RCS Research and Consulting Services FIW-Ferienkurs
82 Empirische Methoden: Abschließende Bemerkungen (2) Die vermittelten Methoden bieten die Grundlagen für spezifischere Techniken etwa bei der Marktabgrenzung Schätzungen von Elastizitäten (für SSNIP Test) Schockanalysen Auswertung von Kundenbefragung, Conjoint Analysen etc. Etc. Behandlung in einer möglichen Neuauflage des Frankfurter Workshop RCS Research and Consulting Services FIW-Ferienkurs
83 Empirische Methoden: Abschließende Bemerkungen (3) Die vermittelten Methoden bieten auch die Grundlage zur Kartellschadensermittlung Es fehlen allerdings: Konkrete Ausgestaltungen der einfachen und regressionsbasierten Methoden Alternativen (Kosten- und Profitabilitätsvergleich, industrieökonomische Modelle/Simulation etc.) Praktische Aspekte: Datenanforderungen und Datenquellen etc. Und es fehlt die Aufbereitung spezifischer Themen wie Pass-on, Preisschirmeffekte, Nachwirkungen etc. Geplanter Workshop (Frühjahr/Sommer RCS Research and Consulting Services FIW-Ferienkurs
84 Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Grundlagen der Wettbewerbsökonomie für Juristen Methoden und Anwendungen Prof. Dr. Roman Inderst Goethe University Frankfurt am Main RCS. Research & Consulting Services GmbH RCS Research and Consulting Services FIW-Ferienkurs
Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs
Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Prof. Dr. Roman Inderst 2014, 2015, 2016 Prof. R. Inderst / Goethe Univ. Frankfurt Ökonometrische Grundlagen 0 Motivation Der Unterschied
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
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
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrWann endet die Kartellwirkung? - Antworten für die Praxis
Wann endet die Kartellwirkung? - Antworten für die Praxis L&A-Wettbewerbstag 2018 Dr. Gunnar Oldehaver Hamburg, den 18. Januar 2018 Friedrich-Ebert-Damm 311 22159 Hamburg Fon +49 40 64 55 77 90 Fax +49
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrTest von Hypothesen: Signifikanz des Zusammenhangs (F-Test)
Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrGrundlagen der schließenden Statistik
Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen
MehrZusammenfassung 11. Sara dos Reis.
Zusammenfassung 11 Sara dos Reis sdosreis@student.ethz.ch Diese Zusammenfassungen wollen nicht ein Ersatz des Skriptes oder der Slides sein, sie sind nur eine Sammlung von Hinweise zur Theorie, die benötigt
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 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
MehrMehrfache Lineare Regression 1/9
Mehrfache Lineare Regression 1/9 Ziel: In diesem Fallbeispiel soll die Durchführung einer mehrfachen linearen Regressionsanalyse auf der Basis vorhandener Prozessdaten (Felddaten) beschrieben werden. Nach
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
Mehrsimple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall
Regression Korrelation simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall Zusammenhänge zw. Variablen Betrachtet man mehr als eine Variable, so besteht immer auch
MehrErmittlung der Schadenshöhe bei Verstößen gegen das Kartellverbot
Ermittlung der Schadenshöhe bei Verstößen gegen das Kartellverbot Prof. Dr. Roman Inderst Lehrstuhl für Finanzen und Ökonomie Johann Wolfgang Goethe-Universität Frankfurt am Main Prof. Dr. Stefan Thomas
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
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
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
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
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
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
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrEinführung in Quantitative Methoden
in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr in Quantitative Methoden- 2.VO 1/47 Historisches Regression geht auf Galton
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrStatistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrPkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:
Klausurbeispiel zu den Vorlesungen Statistik für Ingenieure/Stochastik sowie Datenanalyse und Statistik (Herbstsemester 00/003) Die Lösungen der Aufgaben sind jeweils in dieser grünen Farbe dargestellt!
MehrTeekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).
Aufgabe 1 (5 Punkte) Gegeben sei ein lineares Regressionsmodell in der Form. Dabei ist y t = x t1 β 1 + x t β + e t, t = 1,..., 10 (1) y t : x t1 : x t : Teekonsum in den USA (in 1000 Tonnen), Nimmt den
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
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
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...
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrLineare Regression. Kapitel Regressionsgerade
Kapitel 5 Lineare Regression 5 Regressionsgerade Eine reelle Zielgröße y hänge von einer reellen Einflussgröße x ab: y = yx) ; zb: Verkauf y eines Produkts in Stückzahl] hängt vom Preis in e] ab Das Modell
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrPrivate Enforcement: Kartellrechtliche Herausforderungen nach der 9. GWB Novelle und wettbewerbsökonomische Grundzüge der Schadensschätzung
Private Enforcement: Kartellrechtliche Herausforderungen nach der 9. GWB Novelle und wettbewerbsökonomische Grundzüge der Schadensschätzung 53. FIW-Ferienkurs Düsseldorf, 21. September 2016 Dr. Jens Rubart,
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrStatistik II: Signifikanztests /2
Medien Institut : Signifikanztests /2 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Korrelation 2. Exkurs: Kausalität 3. Regressionsanalyse 4. Key Facts 2 I
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrWolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 3., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme 3 1.1 Kleine Einführung
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Andere Anwendungen Inventarmanagment Produktionsplanung
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrTeil XIII. Multiple lineare Regression. Woche 11: Multiple lineare Regression. Zusammenfassung Einfache lineare Regression.
Woche 11: Multiple lineare Regression Patric Müller Teil XIII Multiple lineare Regression ETHZ WBL 17/19, 10.07.017 Wahrscheinlichkeit und Statistik Patric Müller WBL
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
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrSchätzung im multiplen linearen Modell VI
Schätzung im multiplen linearen Modell VI Wie im einfachen linearen Regressionsmodell definiert man zu den KQ/OLS-geschätzten Parametern β = ( β 0, β 1,..., β K ) mit ŷ i := β 0 + β 1 x 1i +... β K x Ki,
MehrInstrument zur Untersuchung eines linearen Zusammenhangs zwischen zwei (oder mehr) Merkmalen.
Gliederung Grundidee Einfaches lineares Modell KQ-Methode (Suche nach der besten Geraden) Einfluss von Ausreißern Güte des Modells (Bestimmtheitsmaß R²) Multiple Regression Noch Fragen? Lineare Regression
Mehr11. Sitzung Auswertungsstrategien; Darstellung von Forschungsergebnissen
11. Sitzung Auswertungsstrategien; Darstellung von Forschungsergebnissen 1 Gliederung der Vorlesung 1. Probleme der Auswertung bei quantitativem Vorgehen 2. Probleme der Auswertung bei qualitativem Vorgehen
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrB. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
MehrEinführung in die Induktive Statistik: Regressionsanalyse
Einführung in die Induktive Statistik: Regressionsanalyse Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Regressionsanalyse Ziel: Analyse
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
Mehr2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz.
Statistik II Übung : Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (6-24 Jahre alt) und der Anzahl der unter
MehrStatistik für. von. Prof. Dr. Josef Bleymüller. und. Prof. Dr. Rafael Weißbach. sowie. Dr. Günther Gehlert. und. Prof. Dr.
Statistik für Wirtschaftswissenschaftler von Prof. Dr. Josef Bleymüller und Prof. Dr. Rafael Weißbach sowie Dr. Günther Gehlert und Prof. Dr. Herbert Gülicher bei früheren Auflagen 17., überarbeitete Auflage
MehrNachwirkungen von Kartellen. Roman Inderst 5. Juli 2012
Nachwirkungen von Kartellen Roman Inderst 5. Juli 2012 Zementkartell (stilisiert) Nachwirkungen von Kartellen 5.06.2012 2 Zwei Fragestellungen 1. Nachwirkungen & Anpassungsprozess nach Ende der Kartellphase
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
Mehr2.5 Lineare Regressionsmodelle
2.5.1 Wiederholung aus Statistik I Gegeben Datenpunkte (Y i, X i ) schätze die beste Gerade Y i = β 0 + β 1 X i, i = 1,..., n. 2 Induktive Statistik 409 Bsp. 2.30. [Kaffeeverkauf auf drei Flohmärkten]
Mehr