Statistical Learning

Modul: Statistical Learning (6 Credits)
Name im Diploma Supplement	Statistical Learning
Verantwortlich	Prof. Dr. Christoph Hanck
Voraussetzungen	Siehe Prüfungsordnung.
Workload	180 Stunden studentischer Workload gesamt, davon: Präsenzzeit: 60 Stunden Vorbereitung, Nachbereitung: 60 Stunden Prüfungsvorbereitung: 60 Stunden
Dauer	Das Modul erstreckt sich über 1 Semester.
Qualifikationsziele	Die Studierenden verfügen über umfassende Kenntnisse moderner statistischer und ökonometrischer Methoden und beherrschen deren Anwendung bei der Lösung empirischer, ökonometrischer Fragestellungen kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen können ökonomische Probleme sachgerecht in ein ökonometrisches Modell überführen, die ökonometrischen und statistischen Schätz- sowie Testverfahren hinsichtlich ihrer Problemadäquanz beurteilen, die geeigneten Daten auswählen und die empirischen Befunde kritisch kommentieren sind in der Lage, eigenständig und mit Hilfe geeigneter statistischer und ökonometrischer Software praktische Probleme zu lösen können selbständig ausgewählte Übungsaufgaben bearbeiten
Praxisrelevanz	Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.
Prüfungsmodalitäten	Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung. Alternativ: Empirisches Prognoseprojekt (70% der Note) und Präsentation (in der Regel: 20 Minuten. 30% der Note). Die Art der Prüfung wird jeweils zu Semesterbeginn vom Dozenten festgelegt.
Verwendung in Studiengängen	BWL EaF Master > Wahlpflichtbereich > 1.-3. FS, Wahlpflicht ECMX Master > Wahlpflichtbereich > ME7 Econometric Methods > 1.-3. FS, Wahlpflicht ECMX Master > Wahlpflichtbereich > ME6 Applied Econometrics > 1.-3. FS, Wahlpflicht GOEMIK Master > Wahlpflichtbereich > Bereich Volkswirtschaftslehre > 1.-3. FS, Wahlpflicht MuU Master > Wahlpflichtbereich I > Wahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen > 1.-2. FS, Wahlpflicht VWL Master > Wahlpflichtbereich I > 1.-3. FS, Wahlpflicht WiInf Master > Wahlpflichtbereich > Wahlpflichtbereich II: Informatik, BWL, VWL > Wahlpflichtmodule der Volkswirtschaftslehre > 1.-3. FS, Wahlpflicht
Bestandteile	Vorlesung Statistical Learning (3 Credits) Übung Statistical Learning (3 Credits)
Modul: Statistical Learning (WIWI‑M0075)

Vorlesung: Statistical Learning (3 Credits)
Name im Diploma Supplement	Statistical Learning
Anbieter	Lehrstuhl für Ökonometrie
Lehrperson	Dr. Thomas Deckers
Semesterwochenstunden	2	Sprache	englisch
Turnus	Sommersemester	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen Knowledge of basic econometric concepts such as communicated in our bachelor and master courses “Einführung in die Ökonometrie" and “Methoden der Ökonometrie“ as well as good working knowledge of mathematical statistics.
Lehrinhalte Linear regression and k-nearest neighbors Classification Resampling methods Linear Model selection and regularization Polynomial regression, splines and local regression Tree-Based methods Support vector machines Unsupervised learning
Literaturangaben Bishop, C. M. (2006). Pattern recognition and machine learning. New York: Springer. Davidson, R.; MacKinnon, J. G. (2004). Econometric theory and methods. New York: Oxford Univ. Press. Hastie, T.; Tibshirani R.; Friedman, J. (2013). The elements of statistical learning : data mining, inference, and prediction (2nd edition). New York: Springer. Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press. James, G.; Witten, D.; Hastie, T.; Tibshirani, R. (2016). An introduction to statistical learning : with applications in R. New York: Springer. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd edition). Cambridge, Mass.: MIT Press.
didaktisches Konzept Classes are organized around traditional lectures. Students are however expected to contribute intensively through active discussion. Lectures are complemeted via, e.g., illustrations in R, joint interactive programming to better understand the statistical concepts as well as comprehensive problem sets to deepen students’ proficiency.
Vorlesung: Statistical Learning (WIWI‑C0467)

Übung: Statistical Learning (3 Credits)
Name im Diploma Supplement	Statistical Learning
Anbieter	Lehrstuhl für Ökonometrie
Lehrperson	Dr. Thomas Deckers, wissenschaftliche Mitarbeiter(innen)
Semesterwochenstunden	2	Sprache	englisch
Turnus	Sommersemester	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen see lecture
Lehrinhalte see lecture
Literaturangaben see lecture
Übung: Statistical Learning (WIWI‑C0678)