Module 31-M-Ectr1 Econometrics 1

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.

—

—