SPEZIALGEBIETE: ÖKONOMETRIE
|
|
|
- Timo Hoch
- vor 6 Jahren
- Abrufe
Transkript
1 SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2016/ Juni / 16
2 Übersicht Sicher sind nur: Zeitreihenanalyse (WS 2016/17) und Ökonometrie (SS 2017) Was bieten wir an? Zeitreihenanalyse WS 2016/17 Advanced Econometrics Vertiefungen Ökonometrie SS 2017 GMM, Indirekte Inferenz und Bootstrap 2 / 16
3 Was ist Ökonometrie? Die historische Antwort (Ragnar Frisch, 1933): A word of explanation regarding the term econometrics may be in order. Its definition is implied in the statement of the scope of the [Econometric] Society, in Section I of the Constitution, which reads: The Econometric Society is an international society for the advancement of economic theory in its relation to statistics and mathematics... Its main object shall be to promote studies that aim at a unification of the theoretical-quantitative and the empirical-quantitative approach to economic problems... 3 / 16
4 Was ist Ökonometrie? Die praktische Antwort: Entwicklung und Anwendung von statistischen Methoden zur Analyse von ökonomischen Fragestellungen: Datenbeschreibung: Inflationsrate, Einkommensverteilung,...(allg. Konzepte) Quantifizierung von ökonomischen Zusammenhängen: wichtig, da die ökonomische Theorie oft nicht einmal qualitative Aussagen treffen kann. Überprüfung bzw. Testen ökonomischer Theorien. Politikberatung mittels Evaluationen (von Maßnahmen) bzw. Prognosen. 4 / 16
5 Verortung der Ökonometrie im Studium Der wichtigste Modellrahmen in der Ökonometrie ist das lineare Regressionsmodell. Demgemäß ist die Vorlesung Lineare Modelle relativ verwandt - bzw. ein wichtiger Startpunkt. Ökonomische Fragestellungen nötigen uns jedoch oftmals weiterzudenken : 1. Heterogenität 2. Endogenität 3. Abhängigkeit 4. Nichtstationarität (bei Zeitreihendaten) 5 / 16
6 Zeitreihenanalyse Erstmalig von unserem LS im Wintersemester 2016/17: Vorläufiger Inhalt In dieser Veranstaltung behandeln wir einige klassische Themen der Zeitreihenanalyse: Was sind Zeitreihen (und stochastische Prozesse)? Was sind typische Komponenten? Stationäre (ARMA) Prozesse im Zeit- und Frequenzbereich Parameterschätzung und Hypothesentests Prognose (evtl. inklusiver naiver Prognoseverfahren) Strukturbrüche bzw. Stabilität 6 / 16
7 Ökonometrie Sommersemester OLS-Regressionsgerade log(gehalt) Bildung 3 IV-Regressionsgerade log(gehalt) Bildung Figure: Zusammenhang zwischen Bildung und Lohn mit Anzahl der Geschwister als Instrument 7 / 16
8 Advanced Econometrics Was wird der Inhalt von Advanced Econometrics sein? Sie können wählen! Paneldatenökonometrie Mikroökonometrie Zeitreihenökonometrie 8 / 16
9 Advanced Econometrics Paneldatenökonometrie: Befasst sich mit Querschnittsdaten für verschiedene Individuen, die zu mehreren Zeitpunkten vorliegen. Möglichkeit der Berücksichtigung von unbeobachteter individueller Heterogenität. Mikroökonometrie: Beschäftigt sich insbesondere mit der Schätzung und Analyse von Modellen auf der Basis von Individualdaten. Die erklärten Variablen sind dabei häufig von qualitativer Natur: binäre, multinomiale oder ordinale Variablen: Probit- oder Logit-Modelle begrenzt abhängige Variablen: Tobit-Modelle, Überlebenszeitanalyse 9 / 16
10 Advanced Econometrics Biersteuer Anzahl der bei Unfällen Getöteten pro Einwohner Daten aus 1982 Biersteuer Anzahl der bei Unfällen Getöteten pro Einwohner Daten aus 1988 Figure: Zusammenhang zwischen Verkehrstoten und Alkoholsteuer OLS-Schätzung 10 / 16
11 Advanced Econometrics Differenz der bei Unfällen Getöteten pro Einwohner Differenz der Biersteuer (1988 zu 1982) Figure: Zusammenhang zwischen Verkehrstoten und Alkoholsteuer Panel-Schätzung 11 / 16
12 Advanced Econometrics Zeitreihenökonometrie: Anwendungen liegen beispielsweise in der empirischen Makroökonomie, der Finanzwirtschaft, der Klimaforschnug,... Im Unterschied zur Zeitreihenanalyse werden hier speziell Themen behandelt, die für wirtschaftwissenschaftliche Fragestellungen relevant sind: Analyse stationärer Zeitreihen (Wiederholung von Teilen des Inhalts der Zeitreihenanalyse) Modellierung von (bedingter) Heteroskedastizität: ARCH, GARCH,... Analyse univariater integrierter Zeitreihen: Unit Roots und Unit Root Asymptotik Analyse multivariater integrierter Zeitreihen: Kointegrationsanalyse (Regressionssetting und VAR Setting) Strukturelle Vektorautoregressive Modelle VAR Modelle mit Faktoren 12 / 16
13 Advanced Econometrics log(konsum t ) = α + β log(bip t ) + u t log(konsum) log(bip) Abweichung vom Gleichgewicht Figure: Reale US-Daten: Konsum und BIP, 1947(I) 2014(II) 13 / 16
14 Verallgemeinerte Momentenmethode, Indirekte Inferenz und Bootstrap Verallgemeinerte Momentenmethode (GMM): Im Jahre 1982 von Lars Peter Hansen entwickelt (für diese Arbeit gab es 2013 den Wirtschaftsnobelpreis). Kann als Verallgemeinerung vieler bekannter Schätzverfahren interpretiert werden. Oft verwendet bspw. bei endogenen Regressoren oder Modellen mit rationalen Erwartungen. Bootstrap: Simulationsbasiertes Verfahren für Inferenz in kleinen Stichproben und/oder ohne Standardannahmen. Mittlerweile in fast allen Teilgebieten der Statistik weit verbreitet. Somit gibt es auch unzählige Anwendungsmöglichkeiten. 14 / 16
15 Verallgemeinerte Momentenmethode, Indirekte Inferenz und Bootstrap Indirekte Inferenz: (Ökonometrische) Modelle sind aufgrund von Nichtlinearitäten und/oder (verzögerter) endogener Variablen oftmals äußerst schwierig zu schätzen. Beispiele: Nichtlineare Modelle mit zufälligen Koeffizienten Zeitstetige Modelle mit stochastischer Volatilität GARCH-Modelle Idee: Wähle ein einfacheres Hilfsmodell zum Schätzen der Parameter. Aus dieser einfacheren Schätzung kann (unter entsprechenden Annahmen) auch eine Schätzung der Parameter für das eigentlich interessierende Modell gewonnen werden. 15 / 16
16 Übersicht der Veranstaltungen Zeitreihenanalyse: Module: MS V, MS VI, MS VII, MD IX, MD X, BS XIII SWS: 4+2 Wann: Wintersemester 2016/17 Ökonometrie: Module: MS VI, MD IX, MD X, BS XIII SWS: 4+2 Wann: Sommersemester 2017 Advanced Econometrics: Module: MS VI, MD IX, MD X SWS: 4+2 GMM, Indirekte Inferenz und Bootstrap: Module: MS VI, VII, MD IX, X, BS XIII SWS: 2+1 Bei Fragen: econometrics@statistik.tu-dortmund.de 16 / 16
1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
Kapitel 1 Einführung. Angewandte Ökonometrie WS 2012/13. Nikolaus Hautsch Humboldt-Universität zu Berlin
Kapitel 1 Einführung Angewandte Ökonometrie WS 2012/13 Nikolaus Hautsch Humboldt-Universität zu Berlin 1. Allgemeine Informationen 2 17 1. Allgemeine Informationen Vorlesung: Mo 12-14, SPA1, 23 Vorlesung
Einführung in die Methoden der Empirischen Wirtschaftsforschung
Einführung in die Methoden der Empirischen Wirtschaftsforschung Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 1 / 37 Übersicht 1 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.2
Grundlagen der Wechselkursforschung und Darstellung empirischer Methoden 1 1 Einleitung Ziel der Arbeit 3 1.
Tabellenverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis Symbolverzeichnis ix xiii xvii xix I Grundlagen der Wechselkursforschung und Darstellung empirischer Methoden 1 1 Einleitung 3 1.1 Ziel der
Empirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Anne Neumann 21. Oktober 2015 Anne Neumann EWF 21. Oktober 2015 1 / 9 Inhaltsverzeichnis 1 Grobgliederung 2 Grundlagen Anne Neumann EWF 21. Oktober 2015 2 / 9 Grobgliederung
Ökonometrie. Hans Schneeweiß. 3., durchgesehene Auflage. Physica-Verlag Würzburg-Wien 1978 ISBN
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Hans Schneeweiß Ökonometrie 3., durchgesehene Auflage Physica-Verlag
5.6 Empirische Wirtschaftsforschung
5.6.0 Vorbemerkungen Literatur Winker, P. (2010): Empirische Wirtschaftsforschung und Ökonometrie. 3. Auflage. Springer. Insbesondere Kapitel 1, 4 und 10. Volltext-Download im Rahmen des LRZ-Netzes. Rinne,
Ökonometrie für Wirtschaftswissenschaftler
Ökonometrie für Wirtschaftswissenschaftler Sommersemester 2016 Prof. Dr. Martin Wagner Lehrstuhl Statistik und Ökonometrie 21. April 2016 Fakultät Statistik 21. April 2016 1 / 14 Ökonometrie für Wirtschaftswissenschaftler
Hauptseminar zum Thema:
Fakultät Informatik Institut für angewandte Informatik Professur Technische Informationssysteme Hauptseminar zum Thema: Vergleich ARCH- und GARCH- Modelle bei der Analyse von Zeitreihen mit veränderlichen
Empirical Banking and Finance
Empirical Banking and Finance Vorlesung zur Volkswirtschaftspolitik Prof. Dr. Isabel Schnabel Lehrstuhl für Volkswirtschaftslehre, insb. Financial Economics Johannes Gutenberg-Universität Mainz Wintersemester
Übung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
Angewandte Ökonometrie Übung. Endogenität, VAR, Stationarität und Fehlerkorrekturmodell
Angewandte Ökonometrie Übung 3 Endogenität, VAR, Stationarität und Fehlerkorrekturmodell Zeitreihenmodelle Zeitreihenmodelle Endogenität Instrumentvariablenschätzung Schätzung eines VARs Tests auf Anzahl
Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.
Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11
Empirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
Seminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
Datenanalyse mit Excel und Gretl
Dozent: Christoph Hindermann christoph.hindermann@uni-erfurt.de Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 1 Teil 2: Gretl Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 2 Modellannahmen
Analyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Statistische Methoden der VWL und BWL Theorie und Praxis ST?
Statistische Methoden der VWL und BWL Theorie und Praxis ST? Vorwort 13 Teil I Beschreibende Statistik 17 Kapitel 1 Statistische Merkmale und Variablen 19 1.1 Statistische Einheiten und Grundgesamtheiten
Prof. 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
Inhaltsverzeichnis. Vorwort 13. Teil I Beschreibende Statistik 17. Kapitel 1 Statistische Merkmale und Variablen 19
Inhaltsverzeichnis Vorwort 13 Teil I Beschreibende Statistik 17 Kapitel 1 Statistische Merkmale und Variablen 19 1.1 Statistische Einheiten und Grundgesamtheiten 19 1.2 Merkmale und Merkmalsausprägungen
5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
Analyse von Querschnittsdaten. Spezifikation der unabhängigen Variablen
Analyse von Querschnittsdaten Spezifikation der unabhängigen Variablen Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Annahmen gegeben? kategoriale Variablen Datum 3.0.004 0.0.004
Multivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
Teil: 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
Einführung in die empirische Wirtschaftsforschung. Wintersemester 2015/2016 Syllabus
Einführung in die empirische Wirtschaftsforschung Wintersemester 2015/2016 Syllabus Prof. Dr. Almut Balleer Lehr- und Forschungsgebiet Empirische Wirtschaftsforschung RWTH Aachen Kursbeschreibung Dieser
Kointegration. Kapitel 19. Angewandte Ökonometrie / Ökonometrie III Michael Hauser
1 / 28 Kointegration Kapitel 19 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 28 Inhalt I(d), Trends, Beispiele Spurious Regression Kointegration, common trends Fehlerkorrektur-Modell Test
Multivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
Statistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 27
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 27 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
Das (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
Einfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
Deskription, 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
2.3 Nichtlineare Regressionsfunktion
Nichtlineare Regressionsfunktion Bisher: lineares Regressionsmodell o Steigung d. Regressionsgerade ist konstant o Effekt einer Änderung von X auf Y hängt nicht vom Niveau von X oder von anderen Regressoren
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg. PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004 Aufgabe 1 U t bedeute weißes Rauschen und B den Backshift
Analyse von Querschnittsdaten. Einführung
Analyse von Querschnittsdaten Einführung Gliederung 1. Einordnung in das Curriculum 2. Spezialisierungsmöglichkeiten 3. Teilnahmevoraussetzungen 4. Gliederung der Vorlesung 5. Übung Gliederung 1. Einordnung
Theoretische und empirische Aspekte der Prognose wichtiger makroökonomischer Größen
Theoretische und empirische Aspekte der Prognose wichtiger makroökonomischer Größen Dissertation dem Fachbereich Wirtschaftswissenschaften der Justus-Liebig-Universität Gießen zur Erlangung des Grades
technische universität dortmund Makroökonomie an der TU
r Makroökonomie an der TU Makroökonomie Personal Lehrstuhl Makro: Dr. Christian Bredemeier, Dr. Markus Hörmann, Dr. Falko Jüßen, Benjamin Niestroj, Hamza Polattimur, Andreas Schabert Juniorprofessur Makroökonomie:
Einführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
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
Vertiefungsfach Ökonometrie und Statistik
Institut für Statistik Leibniz Universität Hannover 06/01/2015 Übersicht Wieso Ökonometrie und Statistik? Bedeutung Synergien Zielsetzung Berufsfelder Aufbau Motivation Bedeutung Bedeutung der Statistik
I. 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........................
Empirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 2. Vorüberlegungen und Grundbegriffe
Prof. Dr. Volker Clausen März 2016 Universität Duisburg-Essen, Campus Essen VWL, insbes. Internationale Wirtschaftsbeziehungen. Master-Seminar SS 2016
Prof. Dr. Volker Clausen März 2016 Universität Duisburg-Essen, Campus Essen VWL, insbes. Internationale Wirtschaftsbeziehungen Master-Seminar SS 2016 Ökonometrische Modelle internationaler Wirtschaftsbeziehungen
Problemstellung und Lernziele
Nachfrageprognose Problemstellung und Lernziele Inwiefern können Serviceunternehmen durch Nachfrageprognosen einen Wettbewerbsvorteil erwirtschaften? Nach dieser Veranstaltung sollten Sie, die wichtigsten
Über die Autoren 9. Widmung von Roberto 9 Danksagung von Roberto 10. Einleitung 21
Inhaltsverzeichnis Über die Autoren 9 Widmung von Roberto 9 Danksagung von Roberto 10 Einleitung 21 Über dieses Buch 21 Törichte Annahmen über den Leser... 22 Symbole, die in diesem Buch verwendet werden
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
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
y t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
Studienverlaufspläne des Masterstudiengangs Betriebswirtschaftslehre
Studienverlaufspläne des Masterstudiengangs Betriebswirtschaftslehre (Prüfungsordnung 200 - veraltet) mit den Vertiefungslinien Accounting and Finance Business Administration Management and Marketing Bitte
Ökonometrische Methoden III: Die lineare Regression
Ökonometrische Methoden III: Die lineare Regression Vorlesung an der Ruprecht-Karls-Universität Heidelberg WS 006/007 Prof. Dr. Lars P. Feld Ruprecht-Karls-Universität Heidelberg, Universität St. Gallen
Bivariate Zusammenhänge
Bivariate Zusammenhänge 40 60 80 Bivariater Zusammenhang: Zusammenhang zwischen zwei Variablen weight (kg) Gibt es einen Zusammenhang zwischen Größe & Gewicht? (am Beispieldatensatz) Offensichtlich positiver
Inhalt. 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
Inhaltsverzeichnis. 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
Zeitreihen. Statistische Modellierung, Schätzung und Prognose. von. Prof. Dr. Horst Rinne. und. Dr. Katja Specht. Justus-Liebig-Universität Giessen
Zeitreihen Statistische Modellierung, Schätzung und Prognose von Prof. Dr. Horst Rinne und Dr. Katja Specht Justus-Liebig-Universität Giessen Verlag Franz Vahlen München Inhaltsverzeichnis Statt eines
3. Das einfache lineare Regressionsmodell
3. Das einfache lineare Regressionsmodell Ökonometrie: (I) Anwendung statistischer Methoden in der empirischen Forschung in den Wirtschaftswissenschaften Konfrontation ökonomischer Theorien mit Fakten
Absicherung von Wetterrisiken durch Temperatur-Anleihen Eine theoretische und empirische Analyse für deutsche Energieversorger
Absicherung von Wetterrisiken durch Temperatur-Anleihen Eine theoretische und empirische Analyse für deutsche Energieversorger Inaugural-Dissertation zur Erlangung des Grades eines Doktors der Wirtschafts-
Caroline March ÖKONOMETRISGHE MODELLIERUNG DES ROHÖLMARKTES. Preisbildungsmechanismen und Prognose der Entwicklung bis 2030
Caroline March ÖKONOMETRISGHE MODELLIERUNG DES ROHÖLMARKTES Preisbildungsmechanismen und Prognose der Entwicklung bis 2030 Cuvillier Verlag Göttingen Internationaler wissenschaftlicher Fachverlag Abbildungsverzeichnis
I. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.
Gemischte Modelle zur Schätzung geoadditiver Regressionsmodelle
Gemischte Modelle zur Schätzung geoadditiver Regressionsmodelle Thomas Kneib & Ludwig Fahrmeir Institut für Statistik, Ludwig-Maximilians-Universität München 1. Regressionsmodelle für geoadditive Daten
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief. Statistik II
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Wiederholung Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte
6. Schätzung stationärer ARMA-Modelle
6. Schätzung stationärer ARMA-Modelle Problemstellung: Statistische Anpassung eines stationären ARMA(p, q)-prozesses an eine Stichprobe von t = 1,..., T Prozessbeobachtungen Es bezeichne x 1,..., x T die
6. Statistische Schätzung von ARIMA Modellen
6. Statistische Schätzung von ARIMA Modellen Vorschau: ARIMA Modelle Modellidentifikation verschiedene Schätzverfahren Modelldiagnostik Fallstudien Zeitreihenanalyse 1 6.1 ARIMA Modelle Bisher: ARMA(p,q)-Modelle:
3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
Klausur in Mikroökonometrie Dauer: 90 Minuten
Prof. Regina T. Riphahn, Ph.D. Wintersemester 2003/04 Klausur in Mikroökonometrie Dauer: 90 Minuten Hinweis: Die Punktverteilung der Aufgaben entspricht dem empfohlenen zeitlichen Gewicht bei der Beantwortung.
Master-Seminar SS 2008 Ökonometrische Modelle internationaler Wirtschaftsbeziehungen
Prof. Dr. Volker Clausen im März 2008 Universität Duisburg-Essen, Campus Essen VWL, insbes. Internationale Wirtschaftsbeziehungen Master-Seminar SS 2008 Ökonometrische Modelle internationaler Wirtschaftsbeziehungen
Kapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
Mathematik für Wirtschaftswissenschaftler
für Wirtschaftswissenschaftler Sommersemester 2014 für Wirtschaftswissenschaftler Dr. Ingolf Terveer MAWIWI-sveranstaltung O-Woche Tutorien 0-1 der Realität Theorie Problemstellung Abbild! math. Modell
Regression I. Statistik I. Sommersemester Lineare Regression Zusammenhang und Modell Ein Beispiel: Armut und Gewaltverbrechen Zusammenfassung
Sommersemester 2009 Ein Beispiel: Armut und Gewaltverbrechen Rechtswahl 15 10 5 0 5 10 Arbeitslosigkeit Zum Nachlesen Agresti: 9.1-9.4 Gehring/Weins: 8 Schumann: 8.1-8.2 Was ist ein Zusammenhang? Gemeinsame
Modulnummer Modulname Verantwortlicher Dozent. Lineare Algebra und Analytische Geometrie
MN-SEBS-MAT-LAAG (MN-SEGY-MAT-LAAG) (MN-BAWP-MAT-LAAG) Lineare Algebra und Analytische Geometrie Direktor des Instituts für Algebra n Die Studierenden besitzen sichere Kenntnisse und Fähigkeiten insbesondere
Statistik. 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
Statistik II SoSe 2006 immer von 8:00-9:30 Uhr
Statistik II SoSe 2006 immer von 8:00-9:30 Uhr Was machen wir in der Vorlesung? Testen und Lineares Modell Was machen wir zu Beginn: Wir wiederholen und vertiefen einige Teile aus der Statistik I: Konvergenzarten
Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
Zeit Umsatz. t U=U(t) BS - 13 BS Modul : Analyse zeitabhängiger Daten z.b. Prof. Dr. W. Laufner Beschreibende Statistik
BS - 1 1 Modul 1 : Analyse zeitabhängiger Daten z.b. Zeit Umsatz t UU(t) BS - 1 2 Modul 1: Zeitreihenanalyse 0 70 60 Zeitreihenanalyse Umsatz (Mio ) 0 40 0 0 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4
Inhaltsverzeichnis. 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
Statistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte : Schätzung Statistik
Kap. 8: Regression mit Paneldaten
Kap. 8: Regression mit Paneldaten Einführung Paneldaten für zwei Perioden Regression mit festen Effekten bzgl. Individuen Regression mit festen Effekten bzgl. Zeit Annahmen in der Paneldatenanalyse Empirisches
Statistik und Ökonometrie
Institut 520 verantwortliche: Prof. Dr. Robert Jung, Prof. Dr. Aderonke Osikominu 2 Worum geht es? Beispiel 1: Welcher Zusammenhang besteht zwischen Arbeitslosigkeit und Inflation? Führt Inflation zu mehr
Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2
Inhalt SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2 1. Teil: Zerlegungsmodelle und naive Prognosemethoden für Zeitreihen Regina Tüchler Einleitung 1. Einführung in das Modellieren von
Empirical Banking and Finance
Empirical Banking and Finance Vorlesung zur Volkswirtschaftspolitik Prof. Dr. Isabel Schnabel Lehrstuhl für Volkswirtschaftslehre, insb. Financial Economics Johannes Gutenberg-Universität Mainz Wintersemester
1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
Allgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 9.1 Allgemeine Regressionsanalyse Daten (X j, Y j ), j = 1,..., N unabhängig Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl.
Tests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
Statistik 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
Einführung 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
Personalmanagement und Kreativität von Unternehmen
Georg Bonn Personalmanagement und Kreativität von Unternehmen Der Einfluss von personalpolitischen Maßnahmen auf die Innovationsfähigkeit Mit einem Geleitwort von Prof. Dr. Rüdiger G. Klimecki A 234729
1 Inhaltsverzeichnis. 1 Einführung...1
1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische
Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Ausgangsdaten Bundesliga 2008/2009 Gegeben: Daten zu den 18 Vereinen der ersten Bundesliga
Einführung in die Theorie psychologischer Tests
Gerhard H. Fischer Einführung in die Theorie psychologischer Tests Grundlagen und Anwendungen VERLAG HANS HUBER BERN STUTTGART WIEN Inhaltsverzeichnis Vorwort 9 Die Notation 12 Teil 1: Abriss der klassischen
Mathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
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
Klausur zur Veranstaltung Empirische Wirtschaftspolitik
Seite 1 von 10 Prof. Frank Westermann, Ph.D. Fachgebiet Internationale Wirtschaftspolitik Rolandstraße 8, 49069 Osnabrück Klausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2014/2015
Annahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
Qualifizierungsprogramm Ökonometrie
Weiterbildung am ZEW Foto: digitalstock Qualifizierungsprogramm Ökonometrie Basistechniken Finanzmarkt-Ökonometrie: Modellierung von Zinsen und Aktienkursen Panelökonometrie Weitere Informationen: kompetenz
Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
Statistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
Statistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Statistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Statistik 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