Wintersemester 2019/20
Kursangebot
BA: Empirische Wirtschaftsforschung / Ökonometrie
| Art | Zeitraum | Tag/Zeit | Raum | Dozent/in |
|---|---|---|---|---|
| VL (2 SWS) | 14.10.2019 - 07.02.2020 | wöch. Montag 14.00 - 16.00 | 3.06.H01 | Dr. Sylvi Rzepka |
| UE 1 (2 SWS) | 14.10.2019 - 07.02.2020 | wöch. Dienstag 14.00 - 16.00 | 3.06.H08 | Melina Ludolph |
| UE 2 (2 SWS) | 14.10.2019 - 07.02.2020 | wöch. Dienstag 16.00 - 18.00 | 3.06.H08 | Melina Ludolph |
Die Veranstaltung wird ergänzt durch das Schlüsselqualifikationsmodul B.SK.VWL.210/ B.SK.MET.210 "Einführung in die computergestützte Datenanalyse". Es wird vom Lehrstuhl für Methoden der empirischen Sozialforschung (Prof. Dr. Kohler) durchgeführt, nähere Informationen erhalten Sie hier.
Downloads
Zu erbringende Leistung
- Klausur (90 Min.)
Anrechenbar als
- B.BM.VWL.420, B.VM.VWL.610, BWL: BA-P-602, BA-SK-W-1
Voraussetzungen
- BA: Statistik dringend empfohlen
Inhalt
Ziel der Veranstaltung ist es, den Studierenden die Grundlagen der empirischen Wirtschaftsforschung zu vermitteln und eine Einführung in die Ökonometrie zu geben. Aufbauend auf der Vorlesung „BA: Statistik“ sollen sie in die Lage versetzt werden, eine empirische Analyse (Thesen- und Modellbildung, Datenerhebung und -auswertung, Auswahl der Schätzmethode, Interpretation der Ergebnisse) selbständig durchführen zu können.
Themen
- Analyse ökonomischer Zusammenhänge
- Einführung in die Ökonometrie
- Einführung in STATA
- Schätzen, Testen und Vorhersagen im einfachen und multiplen linearen Regressionsmodell
- Probleme und Erweiterungen des multiplen Regressionsmodells
- Policy Evaluation
Literatur
- Wooldridge, J. (2013): Introductory Econometrics. A Modern Approach. South-Western Cengage Learning.
- Schira, J. (2012): Statistische Methoden der VWL und BWL. Pearson Studium.
- Kohler, U., Kreuter, F. (2008): Datenanalyse mit Stata. Oldenburg Verlag.
BA: Seminar
| Art | Zeitraum | Tag/Zeit | Raum | Dozent |
|---|---|---|---|---|
| SE | 15.10.2019 - 27.01.2020 | Siehe Ankündigung | Prof. M. Caliendo, Cosima Obst |
Download
Termine
- 15.10.19: Anmeldefrist zur Seminarbesprechung per E-Mail.
- 16.10.19: Seminarvorbesprechung: 14 Uhr, Raum 3.07.0.39.
- 23.10.19: Anmeldung zum Seminar per E-Mail mit Angabe von Themenpräferenzen.
- 25.10.19: Themenvergabe.
- 25.10.19: Einführungsveranstaltung: 10 Uhr, Raum 03.01.150.
- 08.11.19 bis 10.01.20: regelmäßige Besprechungstreffen, jeweils freitags, 11-13 Uhr, Raum wird rechtzeitig auf Moodle angekündigt
- bis 10.11.19: Anmeldung zu Seminar und Portfolioprüfung in PULS.
- 25.11.19: Zwischenpräsentationen: 9-18 Uhr, Raum 3.06.S22.
- 17.01.20: Abgabe Seminararbeit bis 12 Uhr: 2x gedruckt; elektronische Version per E-Mail.
- 20.01.20: Zuteilung Koreferate per E-Mail.
- 27.01.20: Abschlusspräsentation und Koreferate: 9-18 Uhr, Raum 3.06.S13 bzw. S12
Zu erbringende Leistung
- Teilnahme an allen in der Terminübersicht aufgelisteten Veranstaltungen
- Einhaltung der aufgelisteten Termine in der Terminübersicht
- Eigenständige Datenanalyse und Seminararbeit (max. 15 Seiten)
- Abschlusspräsentation
- Koreferat einer anderen Seminararbeit bei der Abschlusspräsentation
Anrechenbar als
- BA-S-600, B.VM.VWL.710, B.VM.VWL.410, B.VM.VWL.510, B.VM.VWL.113
Voraussetzungen
- BA: Statistik
- BA: Empirische Wirtschaftsforschung / Ökonometrie
BA: Kolloquium
| Art | Zeitraum | Tag/Zeit | Raum | Dozent |
|---|---|---|---|---|
| K | 14.10.2019 - 07.02.2020 | Montag von 16.00-18.00 | 3.06.S21 | Prof. M. Caliendo |
Das Bachelor-Kolloquium wird parallel zur Bearbeitung der Bachelor-Abschlussarbeit belegt.
Anrechenbar als
- B.FK.VWL.110, B.KO.PUW.110
BA: Einführung in die computergestützte Datenanalyse (Schlüsselqualifikation)
Der Kurs wird vom Lehrstuhl für Methoden der empirischen Sozialforschung (Prof. Dr. Kohler) angeboten.
Weitere Informationen finden Sie in PULS und auf der Homepage des Lehrstuhles für Methoden der empirischen Sozialforschung von Prof. Dr. U. Kohler.
BA: Selbstreflexion und Planung (Schlüsselqualifikation)
Nähere Informationen finden Sie hier.
MA: Univariate und Multivariate Zeitreihenökonometrie
| Art | Zeitraum | Tag/Zeit | Raum | Dozent/in |
|---|---|---|---|---|
| VL (2 SWS) | 14.11.2019 - 12.12.2019 | siehe Ankündigung | 3.07.2.10 | Prof. Dr. Marco Caliendo / PD Dr. Till Strohsal |
| F-UE (2 SWS) | 20.11.2019 - 20.12.2019 | siehe Ankündigung | 3.07.2.10 | Prof. Dr. Marco Caliendo / Thore Schlaak |
| F-UE (2 SWS) | 15.11.2019 - 20.12.2019 | siehe Ankündigung | 3.01.1.65a | Prof. Dr. Marco Caliendo / Thore Schlaak |
Hierbei handelt es sich um zwei separate Kurse. Beide Veranstaltungen werden auf Englisch gehalten. Für details siehe Ankündigung.
Downloads
Zu erbringende Leistung für jede der Veranstaltungen
- Klausur (90 Min.)
- Aktive Mitarbeit und Präsentation in der Übung
Anrechenbar als
- MA-W-110
- MA-W-120
Voraussetzungen
- Grundlagen in Mathematik und Statistik sind essentiell. Für den Kurs in multivariater Zeitreihenökonometrie wird der Besuch der Veranstaltung in univariater Zeitreihenökonometrie dringend empfohlen.
Inhalt
Aktuelle Informationen finden Sie auf unserer Lehrstuhlhomepage!
Die Veranstaltungen zu univariater und multivariater Zeitreihenökonometrie behandeln Methoden, die hauptsächlich in der Makroökonomik und im Bereich Finance angewendet werden. Es werden univariate und multivariate Modelle für stationäre und instationäre Zeitreihen vorgestellt. Die Studenten lernen wichtige Werkzeuge und Techniken zur Analyse von Zeitreihen kennen und wenden diese in den PC-Übungen auf aktuelle Datensätze an.
Themen
Univariate Zeitreihenökonometrie:
- ARMA Prozesse
- Augmented distributed lag models
- Integration and Co-integration
Multivariate Zeitreihenökonometrie:
- VAR und VECM
- Identifikation und Analyse von strukturellen shocks: SVAR
Literatur
- Enders, W. (2004): Applied Econometric Time Series Analysis. Wiley.
- Hamilton, J.D. (1994): Time Series Analysis. Princetion University Press.
- Kirchgässner, G., Wolters, J., and Hassler, U. (2013): Introduction to Modern Time Series Analysis. Springer.
- Lütkepohl, H. (2007): New Introduction to Multiple Time Series Analysis. Springer.
MA: Advanced Microeconometrics
| Art | Zeitraum | Tag/Zeit | Raum | Dozent/in |
|---|---|---|---|---|
| VL (2 SWS) | 14.10.2019 - 14.01.2020 | siehe Time Schedule | siehe Time Schedule | Prof. M. Caliendo |
| F-UE (2 SWS) | 05.11.2019 - 28.01.2020 | siehe Time Schedule | siehe Time Schedule | Markus Müller, Daniel Rodríguez |
| F-UE (Stata) | 18.10.2019 - 27.01.2020 | siehe Time Schedule | siehe Time Schedule | Markus Müller, Daniel Rodríguez |
Die Veranstaltung wird auf Englisch gehalten.
Downloads
Zu erbringende Leistung
- Written exam
- Active participation in practical sessions
- Oral presentations
Anrechenbar als
- MA-B-300, MA-600
Inhalt
The aim of this lecture is to familiarize participants with microeconometric estimation techniques. The lecture will be complemented by a practical session.
Themen:
- Multiple Regression
- Instrumental Variables
- Panel Data Methods
- Limited Dependent Variables
Literatur
- Wooldridge, J. (2013): Introductory Econometrics. A Modern Approach. South-Western Cengage Learning.
- Cameron, C., and P. K. Trivedi (2005): Microeconometrics. Methods and Applications. Cambridge University Press, New York.
- Greene, W. H. (2012): Econometric Analysis. Pearson, Massachusetts.
- Kohler, U., Kreuter, F. (2008): Datenanalyse mit Stata. Oldenburg Verlag, München.
- Cameron, C., and P. K. Trivedi (2010): Microeconometrics Using Stata, Stata Press, College Station, Texas.
MA: Forschungskolloquium
| Art | Zeitraum | Tag/Zeit | Raum | Dozent |
|---|---|---|---|---|
| K | 14.10.2019 - 07.02.2020 | Montag von 18.00-20.00 | 3.06.S13 | Prof. M. Caliendo |
Das Master-Forschungskolloquium wird parallel zur Bearbeitung der Master-Abschlussarbeit belegt.
Die Veranstaltung wird auf Englisch gehalten.
Anrechenbar als
- MA-F-100, MA-FK-600
MA: Forschungsseminar
| Art | Zeitraum | Tag/Zeit | Raum | Dozent |
|---|---|---|---|---|
| FS/K | 15.10.2019 - 07.02.2020 | siehe Ankündigung | Dr. Sylvi Rzepka, Markus Müller |
Diese Veranstaltung wird auf Englisch gehalten.
Download
Termine
- 15.10.19: Anmeldung zur Seminarvorbesprechung
- 16.10.19, 10:00-11:30: Seminarvorbesprechung (Raum: Haus 7, 2.10)
- 23.10.19: Anmeldung zum Seminar per E-Mail mit Angabe von 3 geordneten Themenpräferenzen
- 25.10.19: Themenvergabe per E-Mail
- 25.10.19, 14:00-17:30: Einführung in Machine Learning (Raum: Haus 7, 2.10)
- 7./8.11.19: Einführung in R Workshop (PCQR)
- 29.11.19: Block 1: Einsenden der vorläufigen Folien und Sprechstunden-Anmeldung
- 13.12.19, 14:00 - tbd: Block 1: Präsentationen Studierende (Raum: Haus 7, 2.10)
- 20.12.19, 14:00: Abgabe Problemset 1
- 20.12.19: Block 2: Einsenden der vorläufigen Folien und Sprechstunden-Anmeldung
- 17.01.20, 14:00 - tbd: Block 2: Präsentationen Studierende (Raum: Haus 7, 2.10)
- 24.01.19, 14:00: Abgabe Problemset 2
- 31.01.20, 14:00-15:30: Wrap-up und Abschlussbesprechung (Raum: Haus 7, 2.10)
- 31.01.20: Empirische Arbeit Vergabe
- 7.2.20: Empirische Arbeit Abgabe
Anrechenbar als
- MA-FK-600, MA-W-210/220
Voraussetzungen
- MA: Microeconometrics
- MA: Public Policy Evaluation empfohlen
Zu erbringende Leistung
- Actively participating in all sessions and complying with all deadlines listed in the schedule.
- Complete the reading assignments for the “Introduction to Machine Learning” Sessions.
- Present one empirical application.
- Complete two empirical problemsets.
- Complete the final empirical assignment.
- Your grade will be determined by how well you do in your presentation, in participating in the discussion, in the problemsets, and in the final empirical assignment.
Inhalt
Seminartitel: "Topics in Machine Learning and Econometrics"
This seminar provides a broad overview of the main concepts of machine learning, especially supervised learning, and how they can enhance causal inference. We will not only discuss recent empirical economics papers applying machine learning methods, but also explore how to implement these methods in R. Students will have the chance to get to know R in a Workshop organized by PCQR and/ or through online courses provided by “Datacamp for the classroom”.
During the semester students will present one empirical application and complete two problemsets. The final assignment will be in the spirit of a Machine Learning Challenge. Throughout the course, students have the chance to practice public speaking and presenting empirical results intuitively as well as getting hands-on experience in R. Furthermore, this course will enable students to follow-up on new developments in this quickly evolving field on their own.