---
seit 1558
---

BW24.1 - Basismodul Empirische und Experimentelle Wirtschaftsforschung

Termine im WS 2016/17
Vorlesung:
Di. 8:15-9:45, Carl Zeiss Str. 3, HS 6 (Oliver Kirchkamp). [Friedolin]
Übung:
Fr. 8:15-9:45, Carl Zeiss Str. 3, HS ..., (N.N.), [Friedolin]
Die Übung beginnt in der zweiten Woche des Semesters. In der Übung werden die Aufgaben aus dem Handout behandelt.
Tutorien:
ab 24.10. (im Tutorium werden die Aufgaben für den Arbeitsgruppenwettbewerb behandelt):

Tutorien in Friedolin
Wettbewerb:
Bearbeiten Sie jede Woche die Aufgaben und geben Sie die Lösung Ihrer Arbeitsgruppe jeden Montag bis 12 Uhr auf der Wettbewerbsseite ab. Die Lösungen werden danach im Tutorium besprochen.
Klausur:
1. Termin:

Handout
Alles, was auf Folien in der Vorlesung erscheint, finden Sie auch im Handout.
Download the Handout
Zusätzlich finden Sie im Handout einige Erläuterungen. Es kann sein, dass ich im Laufe des Semesters einige Kleinigkeiten im Handout verbessere. Drucken Sie sich also besser nur die Kapitel aus, die Sie gerade benötigen.
Gliederung:
Kapitel im HandoutVorlesung/Übung in KW...Tutorium in KW...
1Einführung - Schätzen von Parametern4243
2Wünschenswerte Eigenschaften von Schätzern4344
3Maximum Likelihood und Momentenmethode4445
4Konfidenzintervalle4546
5Hypothesentests - Einführung4647
6Tests für Mittelwerte - parametrisch4748
7Nichtparametrische Tests4849
8Lineare Regression - Einführung4950
9Multiple Regression5051
10Modellspezifikation511
11Kategoriale Variablen in der linearen Regression12
12Nichtlineare Regressionsfunktionen23
Zusammenfassung, Wiederholung34
Zusammenfassung, Wiederholung45
Zusammenfassung, Wiederholung5-
Empfohlene Literatur
Einigen von Ihnen wird es helfen, in der Vorlesung zu sitzen, den Stoff „live“ zu erfahren und Fragen stellen zu können (stellen Sie mir Fragen, dazu ist die Vorlesung da!). Andere lernen besser aus Büchern. Machen Sie, was besser zu Ihnen passt. In der Vorlesung werden keine „Geheimnisse“ verraten ― alles, was ich in der Vorlesung mache, finden Sie auch im Handout. Literaturhinweise finden Sie jeweils am Ende der einzelnen Kapitel.
  • Dolic, Dubravko, Statistik mit R, Oldenbourg, 2003.
  • Verzani, John, Using R for introductory statistics, Chapman & Hall, 2005. Online-Ressource als DFG Nationallizenz (über Login oder aus dem Uni Netz) (detaillierter als die Vorlesung mit zahlreichen Beispielen).
  • Vasishth, Shravan, The foundations of statistics: A simulation-based approach, 2008. Dieser Text dient vor allem zum zielstrebigen Auffrischen des für BW 24.1 relevanten Inhalts von BW 30.1, bzw. falls Sie BW24.1 vor BW30.1 belegen.
  • Schira, Josef, Statistische Methoden der VWL und BWL. Theorie und Praxis. Pearson, München, 2009. Kapitel 13-17. (Eher intuitiv und andwendungsnah.)
  • Hartung, J., Statistik, Oldenbourg, 2002. (Dies ist mehr ein Handbuch und weniger ein Lehrbuch, das heißt, es wird fast jedes denkbare Thema angeschnitten, und dann eher kurz und recht formal behandelt.)
  • Stock and Watson; Introduction to Econometrics; 2nd Edition; Pearson 2006.
    • alternativ: Stock and Watson; Introduction to Econometrics; Brief Edition; Pearson 2008
    (in diesen Büchern werden die letzten fünf Kapitel der Vorlesung recht ausführlich mit vielen Beispielen erklärt.)
  • von Auer; Ökonometrie; Springer 2007 (behandelt die letzten fünf Kapitel der Vorlesung sehr ausführlich, eher technisch).
  • Einen Zugang zur Softwareumgebung R finden Sie über die unten angegebene Dokumentation zu R.
Diskussionsforum
Im Diskussionsforum haben Sie während der Vorlesungszeit und während der Vorbereitung zur Klausur die Möglichkeit Fragen zur Veranstaltung zu stellen, Anmerkungen zu machen, auf Fragen von anderen zu antworten, etc. Ich bemühe mich dann, Ihre Anregungen aufzugreifen und versuche, auf Ihre Fragen in der Veranstaltung einzugehen, oder eine Antwort einzustellen. Ich freue mich, wenn Sie das Diskussionsforum rege nutzen.
Arbeitsgruppenwettebewerb
Der Arbeitsgruppenwettbewerb soll Ihnen erlauben, den Stoff regelmäßig (wöchentlich) selbst nachzuarbeiten, und ebenfalls regelmäßig Feedback über Ihren Fortschritt zu erhalten. Erfahrungsgemäß trägt die regelmässige Teilnahme am Arbeitsgruppenwettbewerb erheblich zum Lern- und Klausurerfolg bei. Die Teilnahme am Arbeitsgruppenwettbewerb ist freiwillig.
FAQ
Klausur
  • Die Anmeldung zur Klausur erfolgt über Friedolin.
    Sie benötigen zur Klausur einen dokumentenechten schwarzen Stift (möglichst ein Filzstift) und einen Lichtbildausweis.
    Alle anderen Gegenstände (Mobiltelefone, eigene Unterlagen, Bücher, etc.) nehmen Sie bitte nicht mit an Ihren Arbeitsplatz sondern deponieren Sie vorne an der Tafel.
    Hier sind die Hinweise, die Sie auch in der Klausur erhalten werden.
    Natürlich erwartet niemand von Ihnen, dass Sie alle Formeln aus der Vorlesung auswendig gelernt haben. Die Aufgaben werden so gestellt werden, dass sie mit einem normalen Maß an Vorbereitung lösbar sind. Praktisch kann das z.B. bedeuten, dass spezielle Formeln in der Klausur als Hilfe angegeben werden, ähnlich wie das etwa bei den aktuellen Wettbewerbsaufgaben der Fall ist. In der Klausur wird von Ihnen erwartet, dass Sie die Konzepte verstanden haben und dass Sie diese, ähnlich wie im Arbeitsgruppenwettbewerb, selbständig anwenden können.
    Wenn Sie sich rechtzeitig mit dem Format der Klausur vertraut machen (etwas durch regelmäßige Mitarbeit am Wettbewerb) müssen Sie sich keine Sorgen machen.
  • Hilfsmittel: keine (auch kein Taschenrechner, keine Tafelwerke, keine Mobiltelefone (egal ob ein- oder ausgeschaltet),... Ausnahmen (z.B. Lese- und Schreibhilfen für Studierende mit besonderen Bedürfnissen, Wörterbücher,...) klären Sie bitte vor der Klausur).
  • Alte Klausuren
Theorie und Praxis
Für die praktischen Beispiele in der Vorlesung werden wir die Softwareumgebung R verwenden. Wir müssen uns dabei auf eine Umgebung festlegen. R hat einige Vorteile, der wesentliche hier ist, dass Sie es uneingeschränkt auf Ihrem Rechner verwenden können. Hinzu kommt, dass es eine sehr leistungsfähige statistische Softwareumgebung darstellt.
  • Dokumentation zu R finden Sie nicht nur in der eingebauten Hilfefunktion sondern auch auf der R Homepage. Hilfreich sind vor allem
    • The R Guide von Jason Owen (recht einfach, versucht R vor allem an Beispielen aus der Statistik zu erklären - einige Anwendungen sind dabei recht nahe am Stoff der Vorlesung)
    • Simple R von John Verzani (versucht R vor allem an Beispielen aus der Statistik zu erklären - einige Anwendungen sind dabei recht nahe am Stoff der Vorlesung)
    • Einführung in R von Günther Sawitzki (recht kompakte Einführung. Der statistische Teil ist durchaus anspruchsvoll)
    • Econometrics in R von Grant V. Farnsworth (die Einführung in R auf den ersten Seiten ist sehr kompakt und pragmatisch. Die ökonometrischen Modelle danach gehen weit über den Inhalt der Vorlesung hinaus)
    • An Introduction to R von W. N. Venables und D. M. Smith (betrachtet R eher als Programmiersprache und geht weniger auf die statistische Anwendung ein)
    • The R language definition (erklärt ausschließlich R als Programmiersprache, behandelt keine statistische Anwendung)
  • Quellen zum Download finden Sie auf der Homepage des R-Projekts. Für die Standard Betriebssysteme finden Sie z.B. hier Installationsquellen.
    Installation unter Microsoft Windows:
    Laden Sie den Installer aus dem Internet. Starten Sie den Installer und beantworten Sie alle Fragen mit 'OK'. Fertig!
    Installation unter OpenSuSE:
    Wählen Sie die Installationsquellen per one-Click Install. Installieren Sie R-base und R-base-devel. Ab jetzt ist R im Update Management von OpenSuSE integriert und wird sich automatisch auf die neueste Version aktualisieren.
    Installation unter Ubuntu:
    Folgen Sie den Installationsanweisungen für Ubuntu
    Installation unter anderen Versionen von GNU-Linux:
    Auch hier gibt es Installationsanweisungen
    Installation unter MacOS X:
    Hier sind die Installationsanweisungen für MacOS X
  • Wir werden die folgenden zusätzlichen Pakete verwenden: car, Ecdat, MASS (VR), UsingR, binom, relaimpo, lmtest, mvtnorm, lattice, clinfun, memisc, xtable. Falls z.B. das Kommando library(Ecdat) ohne Fehlermeldung ausgeführt werden kann, ist das Paket Ecdat bereits installiert. Falls es eine Fehlermeldung gibt (Error in library(Ecdat): There is no package called 'Ecdat'), muss das Paket zunächst installiert werden.
    Installation von Paketen unter Microsoft Windows:
    Starten Sie Rgui.exe und wählen Sie das Menü Packages. Dort können Sie Pakete aus dem Internet nachinstallieren (Install Packages). R fragt Sie zunächst nach einer Installationsquelle (wählen Sie hier z.B. Deutschland, Göttingen), danach können Sie aus einer Liste die Pakete installieren.

    Alternativ können Sie Pakete installieren, die Ihnen als zip-Archiv vorliegen. Dazu laden Sie zunächst das Paket von der Installationsquelle passend für Ihre Version von R (vermutlich 2.9) herunter (dort hat es im Beispiel den Namen Ecdat_0.1-5.zip) und speichern Sie. Dann wählen Sie in R im Menü Packages das Untermenü Install packages from local zip-files, wählen Ihre Datei aus, und alles sollte sich von alleine installieren. Manchmal setzt ein Paket ein anderes voraus, das vorher installiert werden muss. Sie merken das daran, dass sich R über fehlende 'dependencies' beklagt. Installieren Sie in diesem Fall die erforderlichen Pakete zuerst und versuchen Sie es dann nochmal.

    Das Paket relaimpo installieren Sie möglichst vom zip-Archiv auf der Homepage der Autorin. Dies ist die non-US Version, die leistungsfähiger ist.

    Installation von Paketen unter GNU-Linux:
    Um z.B. Ecdat zu installieren, sagen Sie einfach install.packages("Ecdat",dependencies=TRUE). R fragt Sie dann nach einer Installationsquelle (wählen Sie hier z.B. Deutschland, Göttingen), alles andere passiert von selbst.

    Installieren Sie das Paket relaimpo möglichst vom tar.gz-Archiv auf der Homepage der Autorin. Dies ist die non-US Version, die leistungsfähiger ist.

  • Ich verwende in der Vorlesung RStudio als Front-end.
Modul-Verantwortlicher
Prof. Dr. Oliver Kirchkamp
Art des Moduls
Pflichtmodul
Angebot
Im Wintersemester
Semester nach Musterstudienplan
3. Semester
Dauer des Moduls
1 Semester
Zusammensetzung des Moduls /
VL und Ü
Leistungspunkte (ECTS credits)
6
Arbeitsaufwand
Präsenzstunden : 60 h (2 SWS VL, 2 SWS Ü), Selbststudium (einschl. Prüfungsvorbereitung): 120 h
Inhalte
Das Modul vermittelt grundlegende Methoden der empirischen Wirtschaftsforschung, insbesondere induktive statistische, ökonometrische und experimentelle Verfahren.
Lern- und Qualifikationsziele
Studierende sollen verstehen, wie ökonomische Hypothesen entwickelt und getestet werden können. Sie sollen die Vor- und Nachteile unterschiedlicher Verfahren zum Test von Hypothesen beurteilen können und lernen, Methoden zum Test von Hypothesen zu erarbeiten.
Voraussetzung für die Zulassung zur Modulprüfung
keine
Voraussetzung für die Vergabe von Leistungspunkten
Klausur (100 %)