Jedes Sommersemester
7 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Die Studierenden werden sowohl in die grundlegenden Konzepte von der Punkt- und Intervallschätzung - im beschreibenden und im schließenden Sinn - eingeführt wie auch in das Testen von Hypothesen im Kontext von multiplen linearen Regressionsmodellen. Insbesondere lernen sie verschiedene Sichtweisen auf die zugehörigen Datenverarbeitungsstrategien kennen. Sie entwickeln ein tiefes Verständnis, um viele bekannte Stolperfallen in der empirischen Forschung zu umgehen. Darüber hinaus werden die Studierenden in die Lage versetzt, mit den erlernten Techniken unter der Nutzung von verbreiteter Statistiksoftware eigene empirische Forschung zu betreiben.
Students are introduced to the crucial concepts of point and interval estimation - in a descriptive and inferential sense - as well as hypothesis testing in the context of multiple linear regression models. In particular, they learn about different views on the associated data processing strategies. This should provide a deep understanding and allows to circumvent many common traps in empirical research. Furthermore, techniques are implemented using common statistical software to allow students to pursue their own empirical research projects.
Im Fokus der Veranstaltung steht das multiple lineare Regressionsmodell. Seine klare Struktur erlaubt es, die Studierenden auf intuitive Weise in die Techniken des Schätzens und des statistischen Schließens einzuführen. Seine Flexibilität lässt es zu einem wertvollen Werkzeug der empirischen Forschung werden. Der Kurs beginnt mit der gewöhnlichen Methode der kleinsten Quadrate als Ausgangspunkt und stellt Verallgemeinerungen bereit, um mit unterschiedlichen Varianzen und Parameterrestriktionen umgehen zu können.
Klassische Resultate wie Least-Squares-Projektionen und Gauss-Markov-Theorie werden eingeführt. An unverzichtbare Resultate aus der linearen Algebra wie die QR-Zerlegung wird erinnert sowie erste Programmierkenntnisse vermittelt. Falls es die Zeit zulässt, werden auch nicht-lineare Modelle und weiterentwickelte Schätztechniken behandelt.
The course focusses on the multiple linear regression model. Its clear structure allows introducing students to estimation and inference techniques in an intuitive manner while its flexibility still makes it a valuable tool for empirical research. The course starts with ordinary least-squares as a baseline and introduces extensions to cope with unequal variances and parameter constraints.
Classical results such as least squares projections and Gauss-Markov theory are introduced. Indispensable linear algebra results such as the QR decomposition are reviewed and basic programming skills are developed. Nonlinear models and more advanced estimation methodology are treated if time permits.
—
—
Im zweiten Teil der Vorlesung fließen maßgeblich die im ersten Teil erwobenen Kompetenzen (Definitionen, Methoden, Modelle etc.) ein, so dass der Erwerb dieser Kompetenzen im Midterm abgefragt wird.
Modulstruktur: 1 bPr 1
Die Modulprüfung besteht
The module examination consists of a portfolio of midterm (seventh / eighth week of classes, in case of blocked course: contents of the first half of the course) and Final (each 90-minute exam or 20-minute oral exam), such that the grade for the module is awarded by the teacher of the course, a 90 to 120-minute exam or a 15 to 25-minute oral exam.
| Studiengang | Profil | Empf. Beginn 3 | Dauer | Bindung 4 |
|---|---|---|---|---|
| Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020] | Variante 2 | 2. | ein Semester | Pflicht |
| Quantitative Economics / Master of Science [FsB vom 15.02.2013 mit Änderung vom 01.07.2015] | 2. | ein Semester | Pflicht | |
| Quantitative Economics / Master of Science [FsB vom 15.02.2013 mit Änderung vom 01.07.2015] | International Track | 2. | ein Semester | Pflicht |
| Statistische Wissenschaften / Master of Science [FsB vom 15.10.2014 mit Änderung vom 05.09.2016 und Berichtigung vom 12.07.2017] | Variante 1 | 2. | ein Semester | Pflicht |
| Statistische Wissenschaften / Master of Science [FsB vom 15.10.2014 mit Änderung vom 05.09.2016 und Berichtigung vom 12.07.2017] | Variante 2 | 2. | ein Semester | Pflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 16.09.2019] | Mathematik | 1. o. 2. | ein Semester | Wahlpflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 16.09.2019] | Wirtschaftswissenschaften | 1. o. 2. | ein Semester | Wahlpflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 16.09.2019] | Finanzmathematik | 1. o. 2. | ein Semester | Wahlpflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 15.02.2013 mit Berichtigungen vom 04.11.2013,15.01.2015 und 15.10.2019 und Änderungen vom 15.01.2014, 15.12.2014, 01.04.2016, 15.05.2017, 01.03.2019 und 16.09.2019] | Finanzmathematik | 1. o. 2. | ein Semester | Wahlpflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 15.02.2013 mit Berichtigungen vom 04.11.2013,15.01.2015 und 15.10.2019 und Änderungen vom 15.01.2014, 15.12.2014, 01.04.2016, 15.05.2017, 01.03.2019 und 16.09.2019] | Mathematik | 1. o. 2. | ein Semester | Wahlpflicht |
| Wirtschaftsmathematik / Master of Science [FsB vom 15.02.2013 mit Berichtigungen vom 04.11.2013,15.01.2015 und 15.10.2019 und Änderungen vom 15.01.2014, 15.12.2014, 01.04.2016, 15.05.2017, 01.03.2019 und 16.09.2019] | Wirtschaftswissenschaften | 1. o. 2. | ein Semester | Wahlpflicht |
In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.
Data Science / Master of Science // Variante 2
Quantitative Economics / Master of Science
Quantitative Economics / Master of Science // International Track
Statistische Wissenschaften / Master of Science // Variante 1
Statistische Wissenschaften / Master of Science // Variante 2
Wirtschaftsmathematik / Master of Science // Mathematik
Wirtschaftsmathematik / Master of Science // Wirtschaftswissenschaften
Wirtschaftsmathematik / Master of Science // Finanzmathematik