Wintersemester 2019/20

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

• Klausurergebnisse Wintersemester 2019/20

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.

Das Bachelor-Kolloquium wird parallel zur Bearbeitung der Bachelor-Abschlussarbeit belegt.

Anrechenbar als

• B.FK.VWL.110, B.KO.PUW.110

Nähere Informationen finden Sie hier.

Die Veranstaltung wird auf Englisch gehalten.

Downloads

• Exam Results
• Time Schedule

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.

Diese Veranstaltung wird auf Englisch gehalten.

Download

• Seminarankündigung
• Formvorgaben
• Vorlage: Eidesstattliche Erklärung
• Vorlage: Einverständniserklärung

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

1. Actively participating in all sessions and complying with all deadlines listed in the schedule.
2. Complete the reading assignments for the “Introduction to Machine Learning” Sessions.
3. Present one empirical application.
4. Complete two empirical problemsets.
5. Complete the final empirical assignment.
6. 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.