Die Studierenden sind nach dem Kurs in der Lage:
- Daten auf Vollständigkeit zu überprüfen, zu visualisieren und statistisch zu beschreiben
- Regressionsanalysen durchzuführen, zu bewerten und zu interpretieren
- Hypothesentests auszuführen
- Binäre Klassifikationsmodelle zu spezifizieren und zu interpretieren
- Verfahren zur Dimensionsreduktion und Methoden des maschinellen Lernens aus dem Bereich des unüberwachten Lernens anzuwenden
- Einführung in die Ökonometrie
- Daten und Datentypen
- Regressionsverfahren und Kleinste-Quadrateschätzer
- Inferenz (Standardfehler, t-Test, F-Test)
- Regression mit Dummy-Variablen
- Tests auf Gleichheit der Tendenz
- Binäre Klassifikationsmodelle
- Unüberwachtes Lernen
Zentrale Lehrbücher sind u.a.:
Adkins, L.C., 2018. Using gretl for principles of econometrics, 5th edition. Oklahoma State University.
James, G., Witten, D., Hastie, T., Tibshirani, R., Taylor, J., 2023. An Introduction to Statistical Learning: with Applications in Python, 1st ed. 2023 edition. ed. Springer, Cham, Switzerland.
Malitte, J., Schreiber, S., 2019. Ökonometrie verstehen mit Gretl: Eine Einführung mit Anwendungsbeispielen, 1. Aufl. 2019 Edition. ed. Springer Gabler, Berlin Heidelberg.
Stock, J.H., Watson, M.W., 2020. Introduction to econometrics, Fourth edition, global edition. ed, The Pearson series in economics. Pearson, Harlow, England.
Winker, P., 2017. Empirische Wirtschaftsforschung und Ökonometrie. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-49299-4
Von Auer, L., 2023. Ökonometrie: Eine Einführung. Springer Fachmedien, Wiesbaden. https://doi.org/10.1007/978-3-658-42700-9
Verbeek, M., 2017. A Guide to Modern Econometrics, 5th ed. Wiley, Hoboken, NJ.
Vorlesung (2 SWS) mit begleitender Übung (2 SWS) im PC-Labor
Deutsch oder Englisch
Klausur oder Teiltestate mit abschließender Klausur
6
Intensives Arbeiten am Computer mit der Software Gretl (open-source Softwarepaket). Grundlegende Kenntnisse in Statistik und Ökonometrie werden erwartet.
