BW24.1 - Basismodul Empirische und Experimentelle Wirtschaftsforschung

Das Basismodul BW24.1 ist ein Angebot für Studiengänge im Bachelor und 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.

Termine im WS 2013/14

Vorlesung:	Di. 12:15-13:45, Carl Zeiss Str. 3, HS 2 (Oliver Kirchkamp). [Friedolin]
Übung:	Fr. 8:15-9:45, Carl Zeiss Str. 3, HS 2, (Kirsten Häger), [Friedolin] Die Übung beginnt in der ersten Woche des Semesters. In der Übung werden die Aufgaben aus dem Handout behandelt.
Tutorien:	ab 22.10., 12 Uhr (die Information in Friedolin ist nicht zutreffend), (im Tutorium werden die Aufgaben für den Arbeitsgruppenwettbewerb behandelt): Mi. 12-14, SR 307, Franziska Dzial, 23.10.-5.2. Mi. 12-14, SR 224, Sandra Katharina Merfels, 23.10.-5.2. Do. 16-18, SR 208, Sandra Katharina Merfels, 24.10.-6.2. Fr. 12-14, SR 301, Sandra Katharina Merfels, 25.10.-7.2. Mo. 14-16, SR 384, Franziska Dzial, 28.10.-10.2. Mo. 18-20, SR 209, Sandra Katharina Merfels, 28.10.-10.2. Mo. 18-20, SR 224, Michael Anderfuhr, 28.10.-10.2. Di. 8-10, SR 314, Michael Anderfuhr, 29.10.-11.2. Tutorien in Friedolin
Wettbewerb:	Bearbeiten Sie jede Woche die Aufgaben und geben Sie die Lösung Ihrer Arbeitsgruppe jeden Dienstag vor der Vorlesung auf der Wettbewerbsseite ab. Die Lösungen werden danach im Tutorium behandelt.
Prüfung:	1. Termin: 8:15-9:15, 25.2.2014, HS 1 + HS 2 Wiederholungstermin: 18:15-19:15, 5.5.2014, HS2 Musterlösung 2. Termin (ohne Gewähr) Ergebnisse 2. Termin: 1 1.3 1.7 2 2.3 2.7 3 3.3 3.7 4 5 Mindestpunktzahl 49 47 44 42 40 38 36 35 33 31 20 Anzahl 1 2 6 1 6 2 5 5 1 2 10 Prozent 2 5 15 2 15 5 12 12 2 5 24 Prüfungseinsicht: Falls Sie befürchten, dass uns, trotz aller Sorgfalt, bei der Bewertung Ihrer Prüfung ein Fehler unterlaufen sein sollte, fällt es Ihnen leicht, mit Ihrem Aufgabenblatt und der Lösungsversion im Internet die von uns ermittelte Punktzahl nachzurechnen. Falls Sie vermuten, dass wir uns verrechnet haben, gehen Sie bitte wie folgt vor: Schritt 1 — Bitte schicken Sie eine kurze E-Mail an das Sekretariat des Lehrstuhls , mit Ihrer Matrikelnummer, und den Punkten, die Sie, gemäß Ihrer Berechnung, für die jeweiligen Aufgaben erhalten sollten. Wir überprüfen dann Ihren Fall. Wenn wir einen Fehler gemacht haben sollten, beheben wir ihn so schnell wie möglich. Wenn Sie uns für jede einzelne Aufgabe die von Ihnen ermittelte Punktzahl schicken, können wir Ihnen normalerweise leicht per E-Mail zurückschreiben, an welcher Stelle in Ihrer Berechnung vielleicht ein Fehler ist. Damit haben Sie mit wenig Mühe die Information, nach der Sie suchen. Wenn Sie uns nur allgemein um eine Überprüfung bitten, ohne uns im Detail mitzuteilen, wie viele Punkte sie für jede Aufgabe jeweils erwarten, prüfen wir natürlich auch. Wir können normalerweise nicht mehr tun, als Ihnen zurückschreiben, dass wir Ihre Prüfung geprüft haben und dass sich nichts ändert. Schritt 2 — Falls wir keine Fehler in unserer Bewertung finden können, Sie dennoch vermuten, dass wir einen gemacht haben, haben Sie natürlich das Recht, Ihre Prüfung noch einmal anzusehen und in Ruhe nachzurechnen. Hier ist ein Beispiel wie ein Teil ihrer bewertete Prüfung aussehen könnte: Wenden Sie sich zur Terminvereinbarung an das Sekretariat des Lehrstuhls . Zur Prüfungseinsicht müssen Sie sich ausweisen. Es wird Ihnen helfen, wenn Sie Ihr Aufgabenblatt und Ihre Lösungsskizze mitbringen. Mit diesen Unterlagen ist das Nachrechnen leichter. Schritt 3: Wenn Sie nach wie vor unzufrieden mit ihrer Note sind, haben Sie das Recht, Widerspruch einzulegen. Dazu wenden Sie sich an das Prüfungsamt.

Weiteres Material:

• Alles, was auf Folien in der Vorlesung erscheint, finden Sie auch im 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.
• Falls Sie sich mehr in R einarbeiten wollen: Hier ist eine Einführung in R (mit Videos, allerdings in Englisch). Hier ist außerdem ein Kurs über “Graphs and visualising data” (auch auf Englisch, mit Videos).
• Einigen Formeln.

Gliederung:

Kapitel im Handout	Vorlesung	Übung
1. Einführung — Schätzen von Parametern	13.10.2025	20.10.2025
2. Wünschenswerte Eigenschaften von Schätzern	20.10.2025	27.10.2025
3. Maximum Likelihood und Momentenmethode	27.10.2025	03.11.2025
4. Bayesianische Inferenz	03.11.2025	10.11.2025
5. Frequentistische Inferenz	10.11.2025	17.11.2025
6. Frequentistische Tests für Mittelwerte	17.11.2025	24.11.2025
7. Konfidenzintervalle	24.11.2025	01.12.2025
8. Nichtparametrische Tests	01.12.2025	08.12.2025
9. Lineare Regression — Einführung	08.12.2025	15.12.2025
10. Multiple Regression	15.12.2025	05.01.2026
11. Kategoriale Variablen in der linearen Regression	05.01.2026	12.01.2026
12. Nichtlineare Regressionsfunktionen	12.01.2026	19.01.2026
Hausaufgaben, weitere Übungsaufgaben, Diskussionsforum, keine neuen Vorlesungsvideos	19.01.2026	26.01.2026
Hausaufgaben, weitere Übungsaufgaben, Diskussionsforum, keine neuen Vorlesungsvideos	26.01.2026	02.02.2026
Hausaufgaben, weitere Übungsaufgaben, Diskussionsforum, Q+A Meeting, keine neuen Vorlesungsvideos	02.02.2026	-

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.)
• Jim Albert and Jingchen Hu, Probability and Bayesian Modeling, 2020. (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 wird der Stoff der letzten fünf Kapitel der Vorlesung recht ausführlich mit vielen Beispielen erklärt.)
• von Auer; Ökonometrie; Springer 2007 (behandelt den Stoff der letzten fünf Kapitel der Vorlesung sehr ausführlich, eher technisch).
• Einen Zugang zur Softwareumgebung R finden Sie über die unten angegebene Dokumentation zu R.

FAQ:

• Ich habe eine Frage zum Stoff. Wo bekomme ich eine Antwort?
• Kann ich auch noch verspätet in den Kurs einsteigen?
• Wie kann ich mich vom Kurs wieder abmelden?
• Für welche Fragen ist die Sprechstunde da?
• Unter welchen Voraussetzungen bekomme ich ein Gutachten
• Mir gefällt die Veranstaltung nicht wie sie ist. Was kann ich tun?
• Mir gefällt die Veranstaltung prima
• Vorlesung, Hausaufgaben, Diskussionsforum... - muss ich das alles machen?
• Warum sind die Videos für Vorlesung und Übung nicht alle gleich lang?
• Brauche ich für diese Veranstaltung einen eigenen Computer?
• Kann man R und RStudio auch auf einem Netzlaufwerk (z.B. dem Microsoft OneDrive) installieren?
• Wie gebe ich in Moodle Lösungen ab?
• Wie gebe ich in Moodle Dezimalzahlen ein?
• Moodle beschwert sich über »unvollständige Antworten«
• Wie bewertet Moodle die Lösungen der Hausaufgaben?
• Ich habe den Termin für die Abgabe der Hausaufgaben verpasst. Kann ich die Aufgaben auch noch später abgeben?
• Warum ist die Vorlesung so einfach, und der Stoff der Übungen so schwierig?
• Wie melde ich mich zur Prüfung an?
• Wie schwierig wird die online Prüfung am Ende des Semesters?
• Der Termin für die online Prüfung ist für mich ungünstig.
• Wie bereite ich mich am besten auf die Prüfung vor?
• Was mache ich bei technischen Problem in einer online Prüfung?
• Warum werden so viele Punkte für die Note ... verlangt?
• Wie unterscheidet sich die Wiederholungsklausur von der ersten Prüfung?
• Warum lässt man überhaupt Leute durch die Prüfung fallen?
• Wenn ich durch die Prüfung gefallen bin — kann man da gar nichts machen?

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 einige zusätzlichen Pakete verwenden.

  Das Paket MCMCpack sollten Sie auf jeden Fall installieren. Falls z.B. das Kommando library(MCMCpack) ohne Fehlermeldung ausgeführt werden kann, ist das Paket MCMCpack bereits installiert. Falls es eine Fehlermeldung gibt (Error in library(MCMCpack): There is no package called 'MCMCpack'), muss das Paket zunächst installiert werden.

  Viele Beispiele verwenden auch Daten aus dem Paket Ecdat. Hier hilft es bestimmt, wenn Sie dieses Paket auch installiert haben.

  Weitere Pakete brauchen wir nicht ganz so oft: car, MASS (VR), UsingR, binom, relaimpo, lmtest, lattice, plyr, clinfun, memisc, xtable. Wenn Sie die alle Beispiele nachvollziehen wollen, sollten Sie diese Pakete auch installieren.

  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_0.4.7.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, Prüfung: 2/3.