Oliver Kirchkamp

BW24.1 - Basismodul Empirische und Experimentelle Wirtschaftsforschung

Das Basismodul BW24.1 vermittelt grundlegende Methoden der empirischen und experimentellen Wirtschaftsforschung. Diese Methoden können uns helfen, Beziehungen zwischen wirtschaftlichen Aktivitäten und anderen Faktoren, z.B. Umweltfaktoren, zu analysieren, zu quantifizieren und Einblicke in die Wechselwirkungen zwischen ökonomischen Faktoren und z.B. Nachhaltigkeitsindikatoren zu gewinnen. Empirische Methoden können uns auch helfen, den Einfluss wirtschaftlicher Aktivitäten auf die Umwelt zu messen, die Wirksamkeit von Nachhaltigkeitsmaßnahmen und -interventionen zu bewerten, die Auswirkungen ökonomischer Szenarien abzuschätzen und die Kosten und Nutzen unterschiedlicher Maßnahmen zu quantifizieren.
Online-Lehre:
Das Modul wird online angeboten.

Die Inhalte dieses Kurses sind eher technisch. In diesem Kontext bietet online Lehre Vorteile, die mit Lehre im Hörsaal nicht erreicht werden. Online-Videos erlauben Ihnen, die Vorlesung ihrem inviduellen Lerntempo anzupassen. Sie können (und sollten) nach Ihren individuellen Bedürfnissen Denkpausen einlegen, zurückspulen oder vorspulen. Die Online-Aufgaben geben Ihnen Gelegenheit, neues Wissen auszuprobieren und geben Ihnen wöchentliches individuelles Feedback. Nachdem Sie sich im Video mit dem Material in Ruhe vertraut gemacht haben, fällt es im Online-Diskussionsforum und im Meeting leichter, vorbereitet Fragen zu klären und zu diskutieren.

Im Ergebnis lernen Sie in diesem Fach im Online Format mehr und besser als im Hörsaal. Auch die Klausur fällt in diesem Fach bei Online Lehre deutlich besser aus. Mit Online Unterricht fallen normalerweise weniger als 5% durch die Klausur. Mit Unterricht im Hörsaal fallen typischerweise 25% der Studierenden durch die Klausur.

Auch online sollten Sie gemeinsam mit anderen Studierenden lernen. Schauen Sie sich die wöchentlichen Videos an, beteiligen Sie sich an der Diskussion in Moodle und tauschen Sie sich regelmäßig mit Ihrer Lerngruppe aus. Besprechen Sie auch Ihre wöchentlichen Hausaufgaben gemeinsam mit Ihrer Lerngruppe. Sie erhalten zwar individuell unterschiedliche Aufgaben. Es hilft dennoch, wenn Sie sich gegenseitig Tipps geben können. Nutzen Sie das Diskussionsforum in Moodle für Ihre Fragen. Ich werde das Diskuskussionsforum in Moodle aufmerksam lesen und werde versuchen, Ihre Fragen zeitnah zu beantworten. Sie können mich auf diesem Weg stets erreichen.

Vorlesung:
Sie werden jede Vorlesung als Video erhalten. Grundsätzlich steht es Ihnen frei, ob, wann und wie Sie die Videos anschauen wollen. Videos werden wöchentlich erscheinen und bis zum Ende des Semesters verfügbar sein. Es wird Ihnen helfen, wenn Sie feste wöchentliche Zeitpunkte für Vorlesung, Übung und Hausaufgaben reservieren. Den Text der Folien aus dem Video können Sie im Handout nachlesen.
Übung:
Sie werden auch die Übungen als Video erhalten (Sie finden die Übungen jeweils nach den Vorlesungen im jeweiligen Kapitel des Handouts). h hier gilt: Es steht Ihnen frei, ob, wann und wie Sie die Übungen anschauen. Reservieren Sie sich möglichst einen festen wöchentlichen Zeitpunkt. Tauschen Sie sich auch zu einem festen wöchentlichen Zeitpunkt mit Ihrer Lerngruppe aus.
In der Übung werden die Aufgaben aus dem Handout behandelt.
Hausaufgaben:
Die Hausaufgaben sollen Ihnen erlauben, den Stoff regelmäßig (wöchentlich) selbst nachzuarbeiten, und ebenfalls regelmäßig Feedback über Ihren Fortschritt zu erhalten.

Bearbeiten Sie jede Woche die Hausaufgaben (in Moodle). Auch wenn Sie individuell unterschiedliche Aufgaben lösen, hilft es, wenn Sie sich mit Ihrer Lerngruppe austauschen. Geben Sie die Lösungen in (in Moodle) ab. Stellen Sie Fragen zu den Hausaufgaben bitte im Diskussionsforum. Die Lösungen werden danach im Tutorium behandelt.

In den wöchentlichen Hausaufgaben können Sie 1/3 der Punkte (140 Punkte) erreichen.

Am Ende des Semesters werden Sie weitere (freiwillige) Aufgaben bekommen. Diese Aufgaben werden sich am Stil der Klausur orientieren. Wenn Sie Lust haben, können Sie mit diesen Aufgaben mehr Routine für die Klausur gewinnen. Für diese Aufgaben gibt es aber keine Punkte.

Im Online Examen können Sie 2/3 der Punkte (280 Punkte) erreichen. Die Summe der Punkte aus Hausaufgabe und Examen (bis zu 420 Punkte) bestimmt die Gesamtnote.

Diskussionsforum und Online Meeting:
Im Diskussionsforum der Veranstaltung 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, Ihre Fragen zu beantworten. Normalerweise beantworte ich ihre Fragen im Diskussionsforum in weniger als einem Werktag. Ich freue mich, wenn Sie das Diskussionsforum rege nutzen.

Zugangsdaten zum Online Meeting finden Sie in Moodle. Schauen Sie bitte zuerst die Videos und versuchen Sie die Hausaufgaben zu lösen. Seien Sie bitte pünktlich und schalten Sie, wenn eben möglich, Ihre Kamera ein. Mit Diskussionsforum und Online Meeting soll kein weiterer Stoff eingeführt werden.

Tutorien:
Ab der zweiten Semesterwoche. Im Tutorium werden die wöchentlichen Hausaufgaben behandelt:
(Zugangsdaten in Moodle)
Leistungsnachweis:

  • In den wöchentlichen Hausaufgaben können Sie 1/3 der Punkte (140 Punkte) erreichen.
  • Im Online Examen können Sie 2/3 der Punkte (280 Punkte) erreichen. Die Summe der Punkte aus Hausaufgabe und Examen (bis zu 420 Punkte) bestimmt Ihre Note. Ich gehe also davon aus, dass im Sinne der Prüfungsordnung die studienbegleitenden Hausaufgaben und das Examen eine einzige Teilprüfung sind.

    Die Aufgaben des Online Examens werden ähnlich sein wie die Hausaufgaben, die Sie im Semester bearbeitet haben.

    Sie können das Online Examen daheim schreiben. Wenn Sie lieber an der FSU Jena schreiben wollen und wenn Sie einen Raum benötigen, dann sagen Sie uns bitte rechtzeitig Bescheid.

  • Examen: t.b.a.. Online (Teilnehmer und Teilnehmerinnen werden mehrere Tage vor dem Examen in Moodle einen Link mit den Zugangsdaten für das Online Examen erhalten).
  • Hinweise für das Examen.
  • Die Anmeldung zur Klausur erfolgt über Friedolin.
  • Alte Klausuren bis 2019 (Das Format der Klausuren ist inzwischen anders.)
Weiteres Material:
Gliederung:
Kapitel im HandoutVorlesung in KW...Übung/Tutorium in KW...
1. Einführung — Schätzen von Parametern4243
2. Wünschenswerte Eigenschaften von Schätzern4344
3. Maximum Likelihood und Momentenmethode4445
4. Bayesianische Inferenz4546
5. Frequentistische Inferenz4647
6. Frequentistische Tests für Mittelwerte4748
7. Konfidenzintervalle4849
8. Nichtparametrische Tests4950
9. Lineare Regression — Einführung501
10. Multiple Regression12
11. Kategoriale Variablen in der linearen Regression23
12. Nichtlineare Regressionsfunktionen34
Wiederholung, Übungsaufgaben45
Wiederholung, Übungsaufgaben56
Wiederholung, Übungsaufgaben6-
Empfohlene Literatur:
Einigen von Ihnen werden besser mit Vorlesung und Übung lernen können. 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, 2009. 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.
  • John K. Kruschke , Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan. Academic Press, 2nd Edition, 2014. (vor allem für den Bayesianischen Teil der Vorlesung.)
  • 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.
FAQ:
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 ist eine sehr leistungsfähige statistische Softwareumgebung, die Sie uneingeschränkt auf Ihrem Rechner verwenden können.
  • 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'. Installieren Sie R nicht auf einem Netzwerklaufwerk und nicht in der Cloud (Dropbox, Onedrive,...) sondern lokal auf Ihrer Festplatte.
    Installation unter GNU-Linux:
    Folgen Sie den Installationsanweisungen für Ihre jeweilige Distribution.
    Installation unter MacOS X:
    Hier sind die Installationsanweisungen für MacOS X.
  • In der Vorlesung verwende ich RStudio als Front-end.
  • Wir werden die folgenden zusätzlichen Pakete verwenden: car, Ecdat, MCMCpack, MASS (VR), UsingR, binom, relaimpo, lmtest, mvtnorm, lattice, plyr, 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:
    Mit RStudio: Verwenden Sie den Reiter “Install”. Ohne Rstudio: 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 herunter (dort hat es z.B. den Namen Ecdat_0.4-2.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.

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:
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:
Wöchentliche Hausaufgaben: 1/3, Klausur: 2/3.
Der Schutz Ihrer Daten ist mir wichtig. Ich verwende hier keine Cookies. Ich verwende keine Analytic-Tools.
(c)Oliver Kirchkamp