Detail View

Keine Credits bei Lehrveranstaltungen angegeben

Bei den Modulen unten sind Credits angegeben, bei der (modulunabhängigen) Lehrveranstaltungsliste nicht. Dies liegt darin begründet, dass die Lehrveranstaltungen erst im Kontext eines Modules Credits erhalten. Auch wenn der Fall selten eintritt, ist so die Möglichkeit gegeben, dass die selbe Veranstaltung in unterschiedlichen Studiengängen unterschiedlichen Workload und Credits erhalten kann.

Üblicherweise gilt aber weiterhin natürlich die Faustregel Cr = 1,5 * SWS. 

create MS Word export

If you like to create a change request for the modules, the easiest way is to export this list and then use the "track changes" functionality in MS Word and send the new file to AG Modulhandbuch. As a starting point you can use the word-export above.


http://www.oek.wiwi.uni-due.de/

Lehrstuhl für Ökonometrie

assigned LecturersArnold (M.Sc. Martin Christopher Arnold)
Deckers (Dr. Thomas Deckers)
Gerber (M.Sc. Alexander Gerber)
Hanck (Prof. Dr. Christoph Hanck)
Massing (Dr. Till Massing)
wissenschaftliche Mitarbeiter(innen) ( wissenschaftliche Mitarbeiter(innen))

Responsbile for the modules

Name in diploma supplement
Advanced R for Econometricians
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Students

  • know the strengths and limitations of the high-level statistical programming language R
  • thoroughly understand the R ecosystem and have a profound understanding in selected fields of advanced R programming
  • can apply their skills in advanced statistical and econometric applications
  • are able to document and communicate scientific results in a reproducible manner
  • are prepared for implementing big data applications using R
Module Exam

Weighted average of a (group) R-project (70%) and a presentation (30%, usually about 20 minutes).

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME6 Applied Econometrics1st-3rd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1st-3rd Sem, Elective
Elements
  • VIU: Advanced R for Econometricians (6 Credits)
Module: Advanced R for Econometricians (WIWI‑M0887)

Name in diploma supplement
Bayesian Econometrics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Students

  • acquire comprehensive knowledge of the Bayesian statistical paradigm and associated tools
  • know how to apply these to address applied questions in economics and related disciplines
  • identify and clean relevant data to do so
  • are proficient in taking an analysis from an empirical question to a suitable econometric model
  • assess the strengths and limitations of their empirical results
  • can assess the mathematical and statistical properties of core methods and are able to formally establish these
  • independently program and apply statistical software and code to practically use the methods in practice
  • independently tackle a range of theoretical problem sets
Relevance

The practical relevance of the module is high in view of the key and increasing importance of empirical work in economics and elsewhere.

Module Exam

Examination for this module takes place through a written exam (typically 60-90 minutes), or an oral exam (typically 20-40 minutes), or an empirical project (70% of the final grade) combined with a presentation (typically 20 minutes, 30% of the final grade). The type of examination will be communicated at the start of the semester.

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
Elements
  • VO: Bayesian Econometrics (3 Credits)
  • UEB: Bayesian Econometrics (3 Credits)
Module: Bayesian Econometrics (WIWI‑M0939)

Name in diploma supplement
Descriptive Statistics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • beherrschen wirtschaftswissenschaftlich relevante, grundlegende Methoden der deskriptiven Statistik
  • können wirtschaftswissenschaftliche Zusammenhänge quantifizieren
  • verfügen über die Kompetenz, Methoden der deskriptiven Statistik eigenständig anzuwenden sowie Probleme der wirtschaftlichen Praxis zu lösen
  • sind in der Lage, Übungsaufgaben selbständig zu bearbeiten
Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Vom Dozierenden wird zu Beginn der Veranstaltung festgelegt, ob durch freiwillige Testate bereits im Vorfeld Punkte für die Klausur erworben werden können. Für die Möglichkeit der Anrechnung der Testate muss die Klausur unabhängig vom Ergebnis der Testate mindestens bestanden sein. Ist dies der Fall, so bildet sich die Endnote aus dem Ergebnis der mindestens bestandenen Abschlussprüfung zuzüglich der bereits über die Testate erworbenen Punkte. Die Möglichkeit der Anrechnung der Testate auf die abschließende Prüfungsleistung ist auf maximal 20% der in der abschließenden Prüfung maximal erwerbbaren Punkte beschränkt. Bestandene Testate haben nur Gültigkeit für die Prüfungen, die zu der Veranstaltung im jeweiligen Semester gehören.

Usage in different degree programs
  • BWLKernstudiumPflichtbereich Ökonomie1st-3rd Sem, Compulsory
  • LA gbF/kbF BK BaBachelorprüfung in der großen beruflichen FachrichtungPflichtbereich Statistik1st Sem, Compulsory
  • VWLKernstudiumPflichtbereich statistische und mathematische Grundlagen1st Sem, Compulsory
  • WiInfKernstudiumWahlpflichtbereich: Betriebs- und Volkswirtschaftslehre/Recht und Quantitative Methoden3rd-4th Sem, Elective
Elements
  • VIU: Deskriptive Statistik (6 Credits)
Module: Deskriptive Statistik (WIWI‑M0340)

Name in diploma supplement
Introduction to Econometrics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • kennen die Rolle der Ökonometrie in den Wirtschaftswissenschaften
  • formulieren geeignete Regressionsmodelle und Hypothesentests
  • beurteilen die Qualität verschiedener Schätzverfahren
  • beurteilen empirische Ergebnisse
  • können selbständig ausgewählte Übungsaufgaben zu den in der Vorlesung behandelten Inhalten bearbeiten
Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Usage in different degree programs
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4th-6th Sem, Elective
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungSektorales ManagementWahlpflichtbereich Kleine berufliche Fachrichtung "Sektorales Management"4th-6th Sem, Elective
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungFinanz- und Rechnungswesen, SteuernWahlpflichtbereich Kleine berufliche Fachrichtung "Finanz- und Rechnungswesen, Steuern"4th-6th Sem, Elective
  • LA gbF/kbF BKMasterprüfung in der großen beruflichen FachrichtungWahlpflichtbereich BWL, VWL, Recht, Statistik Bereich Statistik1st-3rd Sem, Elective
  • VWLKernstudiumPflichtbereich statistische und mathematische Grundlagen3rd Sem, Compulsory
  • WiMatheVWL-M II1st-6th Sem, Elective
  • WiMatheVWL-Energie1st-6th Sem, Elective
  • WiMatheVWL-M I1st-6th Sem, Elective
Elements
  • VO: Einführung in die Ökonometrie (3 Credits)
  • UEB: Einführung in die Ökonometrie (3 Credits)
Module: Einführung in die Ökonometrie (WIWI‑M0391)

Name in diploma supplement
Seminar Econometrics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 30 hours
  • Preparation, follow up: 120 hours
  • Exam preparation: 30 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • sind befähigt, empirische Analysen nachzuvollziehen und führende theoretische Methoden anzuwenden und zu erläutern
  • erarbeiten und präsentieren die Ergebnisse mit Hilfe geeigneter Statistiksoftware
  • erlernen den Umgang mit wissenschaftlicher Literatur
  • verfassen eine erste eigene wissenschaftliche Arbeit
  • sammeln Erfahrungen im Geben von Präsentationen 
  • können fachspezifische eigene aber auch fremde Fragestellungen im Plenum diskutieren und gemeinsam lösen
Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung, die sich auf zwei Prüfungsformen erstreckt: Hausarbeit und Präsentation, die beide zu jeweils 50% in die Modulnote eingehen. Der Umfang der Hausarbeit beträgt minimal 15 und maximal 20 Seiten Haupttext (ohne Deckblatt, Verzeichnisse und evtl. Anhang). Die Präsentation umfasst minimal 15 und maximal 30 Minuten Vortragszeit. 

Usage in different degree programs
  • BWLVertiefungsstudiumWahlpflichtbereichVertiefungsbereich Zusatzseminar4th-6th Sem, Elective
  • VWLVertiefungsstudiumSeminarbereich4th-6th Sem, Elective
Elements
  • SEM: Fachseminar Ökonometrie (6 Credits)
Module: Fachseminar Ökonometrie (WIWI‑M0732)

Name in diploma supplement
Seminar Econometric Methods
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 30 hours
  • Preparation, follow up: 120 hours
  • Exam preparation: 30 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • sind befähigt, wissenschaftliche Aufsätze eigenständig zu lesen und zu kritisch zu würdigen
  • haben erste Erfahrungen mit eigener wissenschaftlicher Arbeit gemacht
  • sind mit neuen Entwicklungen in der Ökonometrie vertraut
  • sind auf die Anforderungen einer Masterarbeit vorbereitet
  • können fachspezifische eigene aber auch fremde Fragestellungen im Plenum diskutieren und gemeinsam lösen
Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung, die sich auf folgende Prüfungsformen erstreckt: Hausarbeit (15-20 Seiten, 50% der Note) und Präsentation und Diskussion der Arbeit im Plenum (20-30 Minuten, 50% der Note). Zum Bestehen des Seminars müssen beide Teile bestanden sein.

Usage in different degree programs
  • BWL EaFSeminarbereich2nd-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • GOEMIKSeminarbereich3rd Sem, Elective
  • VWLSeminarbereich2nd-3rd Sem, Elective
Elements
  • SEM: Fachseminar Ökonometrische Methoden (6 Credits)
Module: Fachseminar Ökonometrische Methoden (WIWI‑M0642)

Name in diploma supplement
Causal Analysis
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

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 dabei insbesondere beurteilen, unter welchen Bedingungen unterschiedliche Verfahren die Beantwortung kausaler Fragen ermöglichen (und wann nicht) und dazu die geeigneten Daten auswählen
  • können entsprechend erlangte empirische 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
Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung (in der Regel: 20-40 Minuten). Die Art der Prüfung wird jeweils zu Semesterbeginn vom Dozenten festgelegt.

Usage in different degree programs
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4th-6th Sem, Elective
  • VWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Statistik und Ökonometrie Vertiefungsbereich Statistik/Ökonometrie4th-6th Sem, Elective
Elements
  • VO: Kausalanalyse (3 Credits)
  • UEB: Kausalanalyse (3 Credits)
Module: Kausalanalyse (WIWI‑M0944)

Name in diploma supplement
Econometric Methods
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • verfügen über umfassende Kenntnisse moderner statistischer und ökonometrischer Methoden und beherrschen deren Anwendung bei der Lösung empirischer, ökonometrischer Fragestellungen 
  • 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
Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • GOEMIKPflichtbereich1st-2nd Sem, Compulsory
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLPflichtbereich1st-2nd Sem, Compulsory
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1st-3rd Sem, Elective
  • WiMatheVWL-M I 1st-4th Sem, Elective
  • WiMatheVWL-M II1st-4th Sem, Elective
Elements
  • VO: Methoden der Ökonometrie (3 Credits)
  • UEB: Methoden der Ökonometrie (3 Credits)
Module: Methoden der Ökonometrie (WIWI‑M0390)

Name in diploma supplement
Multivariate Time Series Analysis
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • besitzen einen umfassenden Überblick über stationäre und nicht-stationäre Vektor-Autoregressive (VAR) Modelle
  • kennen die statistischen Eigenschaften der wichtigsten Schätzer
  • können ökonomische Zusammenhänge in VAR Modelle überführen, geeignete Daten auswählen und empirische Befunde kritisch kommentieren
  • sind in der Lage eigenständig und mit Hilfe statistischer Software empirische Analysen durchzuführen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung von VAR Modellen in der empirischen Makroökonomie sehr hoch.

Module Exam

The module-related examination is performed by a written exam (usually 60-90 minutes).

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
Elements
  • VO: Multivariate Zeitreihenanalyse (3 Credits)
  • UEB: Multivariate Zeitreihenanalyse (3 Credits)
Module: Multivariate Zeitreihenanalyse (WIWI‑M0886)

Name in diploma supplement
Nonparametric Econometrics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Students

  • acquire broad knowledge of modern nonparametric methods from both statistics and econometrics
  • are proficient to use these to empirically investigate topics in economics and related fields
  • gather and process data to do so
  • critically comment on published empirical findings as well as on limitations of own analyses
  • can assess and formally demonstrate the theoretical properties of the most central methods
  • independently apply and extend statistical software to practically conduct empirical work
  • solve suitable methodological problem sets
Relevance

The practical relevance of the module is high in view of the key and increasing importance of empirical work in economics and elsewhere.

Module Exam

Examination for this module takes place through a written exam (typically 60-90 minutes), or an oral exam (typically 20-40 minutes), or an empirical project (70% of the final grade) combined with a presentation (typically 20 minutes, 30% of the final grade). The type of examination will be communicated at the start of the semester.

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
Elements
  • VO: Nonparametric Econometrics (3 Credits)
  • UEB: Nonparametric Econometrics (3 Credits)
Module: Nonparametric Econometrics (WIWI‑M0940)

Name in diploma supplement
Practising Econometric Research
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 30 hours
  • Preparation, follow up: 75 hours
  • Exam preparation: 75 hours
Duration
The module takes 1 semester(s).
Qualification Targets

The students

  • gain insight into recent developments of econometric research in selected fields
  • are trained in following scientific talks and are able to critically evaluate these
  • are able to apply specialist and methodological knowledge obtained during their studies and from scientific talks to a particular research topic
  • manage to work self-sufficiently at a scientific level under time constraints and thus are also prepared for writing seminar papers and a master thesis
Module Exam

Students attend at least 7 presentations in economic research seminars hosted at TU Dortmund University, Ruhr University Bochum and University of Duisburg-Essen. Attendance needs to be signed by a present member of the faculty of the MSc Econometrics, or else some other faculty member of the contributing faculties. Admissible seminars will be announced at the introductory meeting. Students also may put forward their own suggestions.

A 1-2 page report must be written on each presentation. The summaries should evaluate the talk, i.e. briefly summarise the topic, explain the scientific contribution and reflect whether or not the talk was comprehensible and useful for the student. The report is due one week after the presentation.

Based on one of the talks, students will perform a small research project on their own. This might consist of coding and simulating a new statistical technique put forward in the presentation, replicating part of the empirical work, providing detailed proofs of a theoretical result, compiling a detailed literature review etc. The length of the research report is up to six pages.

The assessment of the course will be based (50% each) on the summaries and the research project. Based on the project, students give a presentation. The grade for the project is based 4:1 on the research report.

Usage in different degree programs
  • ECMXWahlpflichtbereichME6 Applied Econometrics1st-3rd Sem, Elective
Elements
  • SEM: Practising Econometric Research (6 Credits)
Module: Practising Econometric Research (WIWI‑M0889)

Name in diploma supplement
Recent Developments in Econometrics
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Students

  • acquire broad skills regarding advanced econometric techniques
  • know how to apply these to tackle questions in empirical economics
  • understand the formal properties of key econometric techniques and are able to derive these mathematically
  • suitably translate economic problems into an econometric model and select adequate econometric and statistical techniques as well as appropriate data
  • critically assess empirical results
  • independently solve applied problems using appropriate statistical software
  • independently tackle formal as well as applied exercises
Relevance

The module is practically relevant, as answering a large fraction of economic questions at least partially requires the use of modern econometric techniques as well as skills as to how to use and implement these on a computer. Moreover, knowledge of the formal properties of core econometric techniques enables students to independently understand and select from further methods later on in their careers.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung (in der Regel: 20-40 Minuten). Die konkrete Prüfungsform (Klausur versus mündliche Prüfung) wird in der ersten Vorlesungswoche von der zuständigen Dozentin oder dem zuständigen Dozenten festgelegt.

Examination in this module is by way of a written exam (typically 60-90 minutes) or an oral exam (typically 20-40 minutes). The specific type of examination (written or oral) will be communicated in the first class.

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXPflichtbereich1st Sem, Compulsory
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
  • WiMatheVWL-M I 1st-3rd Sem, Elective
  • WiMatheVWL-M II1st-3rd Sem, Elective
Elements
  • VO: Recent Developments in Econometrics (3 Credits)
  • UEB: Recent Developments in Econometrics (3 Credits)
Module: Recent Developments in Econometrics (WIWI‑M0163)

Name in diploma supplement
Statistical Learning
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

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
Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Module Exam

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.

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME6 Applied Econometrics1st-3rd Sem, Elective
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1st-3rd Sem, Elective
Elements
  • VO: Statistical Learning (3 Credits)
  • UEB: Statistical Learning (3 Credits)
Module: Statistical Learning (WIWI‑M0075)

Name in diploma supplement
Statistical Modeling of Extremes
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Students

  • acquire comprehensive knowledge of modern statistical and econometric tools to tackle issues related to extreme events
  • are capable of applying these to address empirical issues in fields ranging from economics and finance to areas like hydrology and finance
  • identify suitable data to do so and
  • know how to translate an empirical problem into a statistical model
  • critically assess their findings
  • are proficient in assessing the formal properties of key techniques and are able to demonstrate these formally
  • independently and competently use and develop statistical routines and code to practically apply these
  • independently address relevant exercises
Relevance

The practical relevance of the module is high in view of the key and increasing importance of empirical work in economics and elsewhere.

Module Exam

Examination for this module takes place through a written exam (typically 60-90 minutes), or an oral exam (typically 20-40 minutes), or an empirical project (70% of the final grade) combined with a presentation (typically 20 minutes, 30% of the final grade). The type of examination will be communicated at the start of the semester.

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
Elements
  • VO: Statistical Modeling of Extremes (3 Credits)
  • UEB: Statistical Modeling of Extremes (3 Credits)
Module: Statistical Modeling of Extremes (WIWI‑M0941)

Name in diploma supplement
Stochastic Simulation
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • besitzen einen umfassenden Überblick über Monte Carlo Methoden
  • kennen die zugrundeliegenden Algorithmen zur Simulation von geeigneten Zufallszahlen und Zufallsprozessen
  • können Monte Carlo Methoden für ökonomische Analysen anwenden
  • sind in der Lage eigenständig und mit Hilfe statistischer Software Simulationsstudien durchzuführen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Relevance

Simulationsstudien und Monte Carlo Verfahren sind unerlässlich, sobald analytische Schätzverfahren unmöglich oder zu kompliziert sind.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer mündlichen Prüfung (in der Regel: 20-40 Minuten).

Usage in different degree programs
  • BWL EaFWahlpflichtbereich1st-3rd Sem, Elective
  • ECMXWahlpflichtbereichME7 Econometric Methods1st-3rd Sem, Elective
  • VWLWahlpflichtbereich I1st-3rd Sem, Elective
Elements
  • VO: Stochastic Simulation (3 Credits)
  • UEB: Stochastic Simulation (3 Credits)
Module: Stochastic Simulation (WIWI‑M0891)

Name in diploma supplement
Time Series Analysis
Responsible
Admission criteria
See exam regulations.
Workload
180 hours of student workload, in detail:
  • Attendance: 60 hours
  • Preparation, follow up: 60 hours
  • Exam preparation: 60 hours
Duration
The module takes 1 semester(s).
Qualification Targets

Die Studierenden

  • besitzen einen umfassenden Überblick über lineare Zeitreihenmodelle und können diese anhand von Daten quantifizieren
  • kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen
  • können ökonomische Probleme sachgerecht in ein lineares Zeitreihenmodell überführen, 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 Praxis zu lösen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Usage in different degree programs
  • BWL EaFPflichtbereich1st-2nd Sem, Compulsory
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1st-3rd Sem, Elective
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1st-2nd Sem, Elective
  • VWLPflichtbereich1st-2nd Sem, Compulsory
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1st-3rd Sem, Elective
Elements
  • VO: Zeitreihenanalyse (3 Credits)
  • UEB: Zeitreihenanalyse (3 Credits)
Module: Zeitreihenanalyse (WIWI‑M0389)

Offered Courses

Name in diploma supplement
Advanced R for Econometricians
Organisational Unit
Lecturers
SPW
4
Language
English
Cycle
irregular
Participants at most
20
Preliminary knowledge

A solid understanding of basic R programming as, for example, taught in our Master-level econometrics courses is required.

Abstract

This course teaches advanced topics in R programming that become increasingly relevant for everyday applications in both applied and theoretical econometrics and empirical economics.

The first part of the course covers intermediate concepts in functional and object orientated programming, error handling, profiling and benchmarking as well as a treatment of selected R packages tailored for big data applications. Students are also introduced to reporting with dynamic documents. Part II deals with the tidyverse, a collection of packages designed for modern applications in data science. The third part introduces topics such as multi-core computing, C++ integration and other cutting-edge R extensions.

Students are prepared for applications in future studies and are able to efficiently tackle research-related programming tasks.

Contents

Part I

  • R at its Heart: Functional Programming
  • Getting it right: debugging, profiling and testing
  • Reporting: Reproducible Research with R Markdown

Part II

  • A Grammar of graphics: ggplot2
  • Keep it clean: selected tidyverse packages
  • Getting data: webscraping and text mining

Part III

  • Version control: git and github
  • Need for speed: Rcpp and RcppArmadillo
  • Harnessing power: parallelization
  • Show it to others: Shiny, R Packages
Literature
  • Eddelbuettel, D. (2013). Seamless R and C++ Integration with Rcpp. Springer
  • Grolemund, G.; Wickham, H. (2017); R for Data Science. O’Reilly
  • Matloff, N. (2011). The Art of R Programming. No Starch Press
  • Wickham, H. (2019). Advanced R. CRC Press
  • Wickham, H. (2009). ggplot2 - Elegant Graphics for Data Analysis. Springer
  • Xie, Y. (2018); R Markdown: The Definitive Guide. CRC Press
Teaching concept

Presentation, discussion and joint solving of programming exercises.

Die Veranstaltung entspricht einem Vorlesungsanteil von 2 SWS und einem Übungsanteil von 2 SWS.

Participants
Lecture with integrated exercise: Advanced R for Econometricians (WIWI‑C1138)
Name in diploma supplement
Bayesian Econometrics
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

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.

Contents
  • Bayesian inference
  • Classical simulation methods
  • Markov chains
  • Markov chain Monte-Carlo methods
  • Gibbs-Sampler, Metropolis-Hastings algorithm
  • Applications, such as linear regression, Lasso, (multivariate) time series, latent variable models
Literature
  • Greenberg, E. (2013). Introduction to Bayesian econometrics (2. Aufl.). Cambridge: Cambridge University Press.
  • Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press.
Teaching concept

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.

Participants
Lecture: Bayesian Econometrics (WIWI‑C1205)
Name in diploma supplement
Bayesian Econometrics
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

see lecture

Contents

see lecture

Literature

see lecture

Participants
Exercise: Bayesian Econometrics (WIWI‑C1208)
Name in diploma supplement
Descriptive Statistics
Organisational Unit
Lecturers
SPW
4
Language
German
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

keines

Contents
  • Eindimensionale Häufigkeitsverteilungen
  • Lage-, Streuungs-, Schiefe- und Kurtosismaße
  • Konzentrationsmaße
  • Zweidimensionale Häufigkeitsverteilungen
  • Regressionsanalyse
  • Elementare Zeitreihenanalyse
  • Indexzahlen
Literature
  • Assenmacher, W. (2010). Deskriptive Statistik (4. Aufl.). Berlin [u.a.] : Springer.
  • Bamberg, M. G.; Baur F. ; Krapp. (2011). Statistik (16. Aufl.). München: Oldenbourg.
  • Behr, A.; Pötter, U. (2011). Einführung in die Statistik mit R (2. Aufl.). München: Vahlen.
  • Fahrmeir, L. (2011). Statistik: der Weg zur Datenanalyse (7. Aufl.). Berlin [u.a.]: Springer.
  • Mosler, K.; Schmid, F. (2011). Wahrscheinlichkeitsrechnung und schließende Statistik (4. Aufl.). Heidelberg [u.a.]: Springer.
  • Mosler, K.; Schmid, F. (2009). Beschreibende Statistik und Wirtschaftsstatistik. (4. Aufl.). Dordrecht; Heidelberg; London; New York: Springer.
  • Rohwer, G.; Pötter, U. (2001). Grundzüge der sozialwissenschaftlichen Statistik. Weinheim [u.a.]: Juventa-Verl.
Teaching concept

Der Vorlesungsstoff wird durch Übungsaufgaben und Tutorien unterstützt. Um eigenständiges Arbeiten zu motivieren, wird eine Vielzahl von Arbeitsblättern bzw. Onlineaufgaben bereitgestellt, deren thematische Breite das weite Einsatzspektrum der behandelten Methoden zeigt.

Die Veranstaltung entspricht einem Vorlesungsanteil von 2 SWS und einem Übungsanteil von 2 SWS.

Participants
Lecture with integrated exercise: Deskriptive Statistik (WIWI‑C0463)
Name in diploma supplement
Introduction to Econometrics
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

Kenntnisse aus dem Bereich der deskriptiven und induktiven Statistik

Qualification Targets

Die Studierenden

  • kennen die Rolle der Ökonometrie in den Wirtschaftswissenschaften
  • formulieren geeignete Regressionsmodelle und Hypothesentests
  • beurteilen die Qualität verschiedener Schätzverfahren
  • beurteilen empirische Ergebnisse
Contents
  • Aufgabe der Ökonometrie
  • Spezifikation der Regressionsgleichung
  • Kriterien für gute Schätzer
  • das einfache und multiple Regressionsmodell
  • der KQ-Schätzer in einfach und multiplen Regressionen
  • Bestimmtheitsmaß
  • Hypothesentests
  • Dummyvariablen
  • Schätzung kausaler Effekte
  • Instrumentvariablen
  • Multikollinearität
  • Heteroskedastizität
Literature
  • Assenmacher, W. (2002): Einführung in die Ökonometrie (6. Aufl.). München [u.a.]: Oldenbourg.
  • von Auer, L. (2013): Ökonometrie: Eine Einführung (6. Aufl.). Berlin [u.a.]: Springer Gabler.
  • Stock, J. H.; Watson, M. W. (2014). Introduction to econometrics (3. Aufl.). Boston [u.a.]: Pearson.
  • Wooldridge, J. M. (2015). Introductory econometrics : A modern approach (6. Aufl.). Cincinnati, Ohio: South-Western, CENGAGE Learning Custom Publishing
Participants
Lecture: Einführung in die Ökonometrie (WIWI‑C0470)
Name in diploma supplement
Introduction to Econometrics
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

Kenntnisse aus dem Bereich der deskriptiven und induktiven Statistik

Qualification Targets

Die Studierenden

  • können selbständig ausgewählte Übungsaufgaben zu den in der Vorlesung behandelten Inhalten bearbeiten
Contents

siehe Vorlesung

Literature

siehe Vorlesung

Participants
Exercise: Einführung in die Ökonometrie (WIWI‑C0469)
Name in diploma supplement
Seminar Econometrics
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

Computergestützte Methoden und/oder Einführung in die Ökonometrie (bzw. Kenntnisse aus dem Bereich der Regressionsanalyse und der Computergestützten Statistik und/oder Ökonometrie)

Abstract

Im Rahmen des Fachseminars Ökonometrie führen die Studierenden Analysen zu ausgewählte angewandten und theoretischen Fragestellungen durch. Sie stellen die verwendeten ökonometrischen Verfahren und empirischen Ergebnisse in einer Präsentation vor.

Contents
  • Datenrecherche und -aufbereitung
  • Programmierung
  • Ökonometrische Verfahren
  • Anfertigung einer Präsentation

Informationen zu den Voraussetzungen und zur Bewerbung finden Sie auf der Homepage des Lehrstuhls

Literature

wird jeweils vor der Veranstaltung bekannt gegeben, typischerweise wissenschaftliche Aufsätze

Teaching concept

Die Teilnehmer/-innen werden bei der Anfertigung der eigenen Seminararbeit und der Präsentation unterstützt.

Participants
Seminar: Fachseminar Ökonometrie (WIWI‑C0461)
Name in diploma supplement
Seminar Econometric Methods
Organisational Unit
Lecturers
SPW
2
Language
German/Englisch
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

Kenntnisse des methodischen Hintergrunds der Ökonometrie so wie etwa vermittelt in den Veranstaltungen "Methoden der Ökonometrie" sowie je nach Themenwahl des Seminars ggf. der Module "Zeitreihenanalyse" sowie "Fortgeschrittene Ökonometrie".

Abstract

Im Rahmen des Fachseminars Ökonometrische Methoden erarbeiten, präsentieren und diskutieren die Studierenden aktuelle Forschungsergebnisse aus der methodischen sowie unter Umständen angewandten Ökonometrie.

Contents
  • Erarbeitung wissenschaftlicher Fachliteratur zu modernen ökonometrischen Verfahren
  • Datenrecherche und -aufbereitung/Programmierung
  • Anfertigung einer Seminararbeit und einer Präsentation

Informationen zu den Voraussetzungen und zur Bewerbung finden Sie auf der Homepage des Lehrstuhls

Literature

wird jeweils vor der Veranstaltung bekannt gegeben, typischerweise wissenschaftliche Aufsätze

Teaching concept

Die Teilnehmer/-innen werden bei der Anfertigung der eigenen Seminararbeit und der Präsentation unterstützt.

Participants
Seminar: Fachseminar Ökonometrische Methoden (WIWI‑C0794)
Name in diploma supplement
Statistical Inference
Organisational Unit
Lecturers
SPW
4
Language
German
Cycle
summer semester
Participants at most
no limit
Preliminary knowledge

Kenntnisse aus dem Bereich der Deskriptiven Statistik

Contents
  • Grundlagen der Wahrscheinlichkeitsrechnung
  • Eindimensionale Zufallsvariablen
  • Zweidimensionale Zufallsvariablen
  • Konvergenz von Folgen von Zufallsvariablen und von Verteilungsfunktionen
  • Grundzüge der Stichprobentheorie
  • Statistische Schätzverfahren
  • Statistische Testverfahren
Literature
  • Assenmacher, W. (2009). Induktive Statistik (2. Aufl.). Berlin [u.a.]: Springer.
  • Bamberg, M. G.; Baur, F.; Krapp, M. (2011). Statistik (16. Aufl.). München: Oldenbourg.
  • Behr, A.; Pötter. U. (2011). Einführung in die Statistik mit R (2. Aufl.). München: Vahlen.
  • Fahrmeir, L. (2011). Statistik : der Weg zur Datenanalyse (7. Aufl.). Berlin [u.a.]: Springer.
  • Mosler, K.; Schmid, F. (2011). Wahrscheinlichkeitsrechnung und schließende Statistik (4. Aufl.). Heidelberg [u.a.]: Springer.
  • Rohwer, G.; Pötter, U. (2001). Grundzüge der sozialwissenschaftlichen Statistik. Weinheim [u.a.]: Juventa-Verl.
  • Rohwer, G.; Pötter, U. (2002). Wahrscheinlichkeit : Begriff und Rhetorik in der Sozialforschung. Weinheim [u.a.]: Juventa-Verl.
Teaching concept

Der Vorlesungsstoff wird durch Übungsaufgaben und Tutorien unterstützt. Um eigenständiges Arbeiten zu motivieren, wird eine Vielzahl von Arbeitsblättern bzw. Onlineaufgaben bereitgestellt, deren thematische Breite das weite Einsatzspektrum der behandelten Methoden zeigt.

Die Veranstaltung entspricht einem Vorlesungsanteil von 2 SWS und einem Übungsanteil von 2 SWS.

Participants
  • BWLKernstudiumWahlpflichtbereich Rechtswissenschaft / Statistik / Wirtschaftsinformatik2nd Sem, ElectiveModul "Induktive Statistik"
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4th-6th Sem, ElectiveModul "Induktive Statistik"
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungSektorales ManagementWahlpflichtbereich Kleine berufliche Fachrichtung "Sektorales Management"4th-6th Sem, ElectiveModul "Induktive Statistik"
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungFinanz- und Rechnungswesen, SteuernWahlpflichtbereich Kleine berufliche Fachrichtung "Finanz- und Rechnungswesen, Steuern"4th-6th Sem, ElectiveModul "Induktive Statistik"
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungProduktion, Logistik, AbsatzWahlpflichtbereich Kleine berufliche Fachrichtung "Produktion, Logistik, Absatz"4th-6th Sem, ElectiveModul "Induktive Statistik"
  • LA gbF/kbF BKMasterprüfung in der großen beruflichen FachrichtungWahlpflichtbereich BWL, VWL, Recht, Statistik Bereich Statistik1st-3rd Sem, ElectiveModul "Induktive Statistik"
  • LA gbF/kbF BKMasterprüfung in der großen beruflichen FachrichtungFächerübergreifendes Begleitmodul zur Masterarbeit4th Sem, ElectiveModul "Fächerübergreifendes Begleitmodul zur Masterarbeit (MA-Arbeit in den BiWi)"
  • VWLKernstudiumPflichtbereich statistische und mathematische Grundlagen2nd Sem, CompulsoryModul "Induktive Statistik"
  • WiInfKernstudiumPflichtbereich I: Mathematische Grundlagen1st-4th Sem, CompulsoryModul "Induktive Statistik"
Lecture with integrated exercise: Induktive Statistik (WIWI‑C0460)
Name in diploma supplement
Causal Analysis
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
irregular
Participants at most
no limit
Explanation for irregular cycle
Die Veranstaltung findet zunächst einmalig statt und wird in Abhängigkeit der studentischen Aufnahme unter Berücksichtigung der personellen Ressourcen des Lehrgebiets Ökonometrie ggf. fortgeführt.
Preliminary knowledge

Kenntnisse der statistischen Inferenz und (multiplen) linearen Regression so wie etwa vermittelt im Modul Einführung in die Ökonometrie.

Abstract

Der Kurs bietet aufbauend auf vorhandenen Kenntnissen der Ökonometrie eine Einführung in empirische Werkzeuge, die unter geeigneten Bedingungen belastbare statistische Kausalaussagen liefern können. Hierbei werden methodischen und intuitive Grundlagen der Verfahren, konkrete empirische Analysen als auch die eigenständige Implementierung in statistischer Software behandelt.

Contents

Kernwerkzeuge der empirischen Kausalanalyse, etwa:

  • Identifikation
  • Kausale Diagramme
  • Matching
  • Simulation
  • Fixed Effects
  • Event Studies
  • Difference in Differences
  • Instrumental Variables
  • Regression Discontinuity
Literature

Weitere Literatur wird ggf. in der Veranstaltung bekannt gegeben.

Participants
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4th-6th Sem, ElectiveModul "Kausalanalyse "
  • VWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Statistik und Ökonometrie Vertiefungsbereich Statistik/Ökonometrie4th-6th Sem, ElectiveModul "Kausalanalyse "
Lecture: Kausalanalyse (WIWI‑C1230)
Name in diploma supplement
Causal Analysis
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
irregular
Participants at most
no limit
Explanation for irregular cycle
Die Veranstaltung findet zunächst einmalig statt und wird in Abhängigkeit der studentischen Aufnahme unter Berücksichtigung der personellen Ressourcen des Lehrgebiets Ökonometrie ggf. fortgeführt.
Preliminary knowledge

siehe Vorlesung

Contents

siehe Vorlesung

Literature
  • siehe Vorlesung
Teaching concept
  • Übungsaufgaben
  • Replikation empirischer Studien
  • Diskussion
  • Gemeinsames Programmieren
Participants
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4th-6th Sem, ElectiveModul "Kausalanalyse "
  • VWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Statistik und Ökonometrie Vertiefungsbereich Statistik/Ökonometrie4th-6th Sem, ElectiveModul "Kausalanalyse "
Exercise: Kausalanalyse (WIWI‑C1231)
Name in diploma supplement
Econometric Methods
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

Kenntnisse grundlegender ökonometrischer Methoden, wie bspw. vermittelt in dem Modul "Einführung in die Ökonometrie" sowie gute Kenntnisse der mathematischen Statistik.

Abstract

Vermittlung umfassender Kenntnisse moderner statistischer und ökonometrischer Methoden.

Contents
  • Stochastisches, statistisches und ökonometrisches Modell
  • Identifikation und Multikollinearität
  • Die Schätzeigenschaften der OLS-Methode bei der multiplen Regression
  • Normalverteilte Störvariablen
  • Testen in multiplen Regressionsmodellen
  • Asymptotik
  • Autokorrelation, Heteroskedastizität und die verallgemeinerte Methode der kleinsten Quadrate
  • Paneldaten
Literature
  • Amemiya, T. (1994). Introduction to statistics and econometrics. Cambridge, Mass. [u.a.]: Harvard Univ. Press.
  • Baltagi, B. H. (2011). Econometrics (5. Aufl.). Berlin [u.a.]: Springer.
  • Davidson, R.; MacKinnon, J. G. (1993). Estimation and inference in econometrics. New York [u.a.]: Oxford Univ. Press.
  • Davidson, R.; MacKinnon, J. G. (2004). Econometric theory and methods. New York [u.a.]: Oxford Univ. Press.
  • Greene, W. H. (2012). Econometric analysis (7. Aufl.). Boston [u.a.]: Pearson. 
  • Hayashi, F. (2000). Econometrics. Princeton [u.a.]: Princeton Univ. Press.
  • Verbeek, M. (2012). A guide to modern econometrics (4. Aufl.). Chichester, West Sussex: Wiley.
  • Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2. Aufl.). Cambridge, Mass. [u.a.]: MIT Press.
Teaching concept

Präsentation des Stoffes, Darstellung der Theorie und der Praxisrelevanz, Bearbeitung von Übungsaufgaben

Participants
Lecture: Methoden der Ökonometrie (WIWI‑C0468)
Name in diploma supplement
Econometric Methods
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

Kenntnisse grundlegender ökonometrischer Methoden so wie vermittelt etwa in dem Modul "Einführung in die Ökonometrie" sowie gute Kenntnisse der mathematischen Statistik.

Abstract

Vermittlung umfassender Kenntnisse moderner statistischer und ökonometrischer Methoden.

Contents

siehe Vorlesung

Literature

siehe Vorlesung

Teaching concept

Präsentation des Stoffes, Darstellung der Theorie und der Praxisrelevanz, Bearbeitung von Übungsaufgaben

Participants
Exercise: Methoden der Ökonometrie (WIWI‑C0677)
Name in diploma supplement
Multivariate Time Series Analysis
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

Kenntnisse grundlegender ökonometrischer Methoden wie etwa in dem Modul "Einführung in die Ökonometrie" vermittelt sowie gute Kenntnisse der mathematischen Statistik. Außerdem Kenntnisse der univariaten Zeitreihenalayse wie etwa in dem Modul "Zeitreihenanalyse" vermittelt.

Abstract

Vermittlung der Theorie stationärer und nicht-stationärer Vektor-Autoregressiver (VAR) Modelle und ihrer praktischen Implementierung.

Contents
  • stationäre VAR Modelle
  • Prognosen
  • Kointegration
  • Fehlerkorrekturmodelle
  • Parameterschätzung
Literature
  • Hamilton (1994) Time Series Analysis. Princeton University Press, 1st ed.
  • Lütkepohl (2005) New Introduction to Multiple Time Series Analysis. Springer, 1st ed.
  • Tsay (2010) Analysis of Financial Time Series. Wiley, 3rd ed.
  • Tsay (2014) Multivariate Time Series Analysis: With R and Financial Applications. Wiley, 1st ed.
Teaching concept

Präsentation von VAR Modellen und Fehlerkorrektur-Modellen.

Participants
Lecture: Multivariate Zeitreihenanalyse (WIWI‑C1136)
Name in diploma supplement
Multivariate Time Series Analysis
Organisational Unit
Lecturers
SPW
2
Language
German
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

Siehe Vorlesung.

Contents

Siehe Vorlesung.

Literature

Siehe Vorlesung.

Teaching concept

Präsentation von VAR Modellen und Fehlerkorrektur-Modellen, Bearbeitung von theoretischen und praktischen Übungsaufgaben - letztere mit Hilfe statistischer Software

Exam

Bearbeitung von theoretischen und praktischen Übungsaufgaben - letztere mit Hilfe statistischer Software

Participants
Exercise: Multivariate Zeitreihenanalyse (WIWI‑C1137)
Name in diploma supplement
Nonparametric Econometrics
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

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.

Contents
  • Univariate density estimation
  • Multivariate density estimation
  • Inference about the density
  • Nonparametric regression
  • Smoothing discrete variables
  • Regression with discrete covariates
  • Semiparametric methods
  • Instrumental variables
Literature
  • Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press.
  • Henderson, D. J.; Parmeter, C. F. (2015). Applied Nonparametric Econometrics. New York: Cambridge University Press
  • Li, Q.; Racine, J. S. (2006). Nonparametric Econometrics: Theory and Parctice. Princeton University Press
Teaching concept

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.

Participants
Lecture: Nonparametric Econometrics (WIWI‑C1204)
Name in diploma supplement
Nonparametric Econometrics
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
irregular
Participants at most
no limit
Preliminary knowledge

see lecture

Contents

see lecture

Literature

see lecture

Participants
Exercise: Nonparametric Econometrics (WIWI‑C1207)
Name in diploma supplement
Practising Econometric Research
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
winter semester
Participants at most
20
Preliminary knowledge

A working knowledge of econometrics is required. Skills in statistical programming may be helpful.

Abstract

Participants gain insight into recent econometric research and are familiarized at an early stage with how professional researchers present by attending several research seminar presentations. Students prepare themselves for the presentations by reading suitable seminal papers and/or working paper versions on which the presentation is based beforehand. Summaries of the seminars and a small final project relating to a selected presentation must be prepared.

Contents

Students may choose from a list of seminars at all campuses of TUD, UDE and RUB. These will mostly be an appropriate subset with statistical/econometric focus of the seminars linked at the bottom of http://rgs-econ.org/courses/.

Literature

Papers underlying the presentations, to be determined at a later stage.

Participants
Seminar: Practising Econometric Research (WIWI‑C1139)
Name in diploma supplement
Recent Developments in Econometrics
Organisational Unit
Lecturers
SPW
2
Language
English
Cycle
winter semester
Participants at most
no limit
Preliminary knowledge

Basic knowledge of econometric methods as, for example, taught in the module "Methoden der Ökonometrie" as well as good knowledge of mathematical statistics (e.g., distributions) and mathematics (e.g., matrices). Some recap will be offered as needed.

Abstract

The goal of the course is to provide students with broad knowledge regarding core as well as more recent econometric methods, with a particular focus on their formal properties.

Contents

Topics such as

  • econometric methods:
    • estimating causal effects
    • asymptotics
    • heteroskedasticity
    • simultaneous equations (3SLS, SUR etc.)
    • GMM
    • IV
    • panel data
  • empirical processes (only offered irregularly when the above core topics are offered and covered elsewhere):
    • asymptotics:
      • Review of modes of convergence
      • Weak, Strong, general Law of Large Numbers, Law of Iterated Logarithm
      • Ergodic Theorem, Delta Method
      • Central Limit Theorems, regular and functional
      • Transformations: variance stabilization and symmetrization
    • empirical processes:
      • Weak convergence, outer integrals, measurability
      • Maximal inequalities, covering numbers
      • Symmetrization
      • Donsker Theorem, Vapnik Cervonenkis classes, invariance principle
      • Hadamard differentiability
      • Bootstrap, Delta method for the bootstrap
      • Semiparametric methods
  • nonparametric econometrics (only offered irregularly when the above core topics are offered and covered elsewhere):
    • Univariate density estimation
    • Inference about the density
    • Nonparametric regression
    • Regression with discrete covariates
    • Uniform Central Limit Theorems for Nonparametric Statistics
Literature
  • DasGupta, A. (2008). Asymptotic Theory of Statistics and Probability, Springer
  • Hayashi, F. (2000). Econometrics. Princeton [u.a.]: Princeton Univ.
  • Kosorok, M. (2008). Introduction to Empirical Processes and Semiparametric Inference, Springer
  • Pagan, R., Ullah, A., (2008). Nonparametric Econometrics: Theory and Parctice. Cambridge Univ. Press
  • Serfling, R., (1982). Approximation Theorems of Mathematical Statistics. Wiley and Sons
  • Shorak, G., Wellner, J., (1986). Empirical Processes with Applications to Statistics, Wiley and Sons
  • van der Vaart, A., Wellner, J. (1996). Weak Convergence and Empirical Processes, Springer
  • van der Vaart, A.,  (1998). Asymptotic Statistics. Cambridge Univ. Press
  • Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2. Aufl.). Cambridge, Mass. [u.a.]: MIT Press
    Teaching concept

    Lectures with the intention of jointly discussing and developing as much of the material as possible. Additionally, joint programming in R as well as other tutorials.

    Participants
    Lecture: Recent Developments in Econometrics (WIWI‑C0465)
    Name in diploma supplement
    Recent Developments in Econometrics
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    winter semester
    Participants at most
    no limit
    Preliminary knowledge

    see lecture

    Contents

    see lecture

    Literature

    see lecture

    Participants
    Exercise: Recent Developments in Econometrics (WIWI‑C1130)
    Name in diploma supplement
    Statistical Learning
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    summer semester
    Participants at most
    no limit
    Preliminary knowledge

    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.

    Contents
    • 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
    Literature
    • 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.
    Teaching concept

    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.

    Participants
    Lecture: Statistical Learning (WIWI‑C0467)
    Name in diploma supplement
    Statistical Learning
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    summer semester
    Participants at most
    no limit
    Preliminary knowledge

    see lecture

    Contents

    see lecture

    Literature

    see lecture

    Participants
    Exercise: Statistical Learning (WIWI‑C0678)
    Name in diploma supplement
    Statistical Modeling of Extremes
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    irregular
    Participants at most
    no limit
    Preliminary knowledge

    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.

    Contents
    • Models for maxima
    • Peaks over threshold
    • Extremes of dependent sequences
    • Extremes of non-stationary sequences
    • Multivariate extremes
    Literature
    • Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press.
    • Gumbel (1958) Statistics of Extremes, Columbia University Press
    • Coles (2001) An Introduction to Statistical Modeling of Extreme Values, Springer
    • Beirlant, Goegebeur, Segers and Teugels (2004) Statistics of Extremes: Theory and Applications, Wiley
    • Finkenstädt and Rootzén (2004) Extreme Values in Finance, Telecommunications and the Environment, CRC
    • de Haan and Ferreira (2006) Extreme Value Theory: An Introduction, Springer
    • Reiss and Thomas (2007) Statistical Analysis of Extreme Values with Applications to Insurance, Finance, Hydrology and Other Fields, Birkhäuser
    Teaching concept

    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.

    Participants
    Lecture: Statistical Modeling of Extremes (WIWI‑C1206)
    Name in diploma supplement
    Statistical Modeling of Extremes
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    irregular
    Participants at most
    no limit
    Preliminary knowledge

    see lecture

    Abstract

    see lecture

    Contents

    see lecture

    Literature

    see lecture

    Participants
    Exercise: Statistical Modeling of Extremes (WIWI‑C1209)
    Name in diploma supplement
    Stochastic Simulation
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    irregular
    Participants at most
    no limit
    Preliminary knowledge

    Grundlegende Kenntnisse der Wahrscheinlichkeitstheorie und mathematischen Statistik sowie erste statistische Programmiererfahrungen sind wünschenswert.

    Abstract

    Vermittlung von Theorie und praktischer Durchführung von Simulationsstudien, welche statistische Berechnungen erheblich vereinfachen können.

    Contents
    • Einführung in die Monte Carlo Methode
    • Erzeugung von Pseudozufallszahlen
    • Varianzreduktion
    • Rare-Event Simulation
    • Effiziente Simulation von Stochastischen Prozessen
    • Markov Chain Monte Carlo Methoden
    • Anwendungen
    Literature

    Asmussen, Glynn (2007): Stochastic Analysis. Springer, 1st ed

    Teaching concept

    Die Veranstaltung ist als Vorlesung konzipiert, die jedoch durch vielfältige, sachorientierte Diskussionen ihren Frontalcharakter weitestgehend verliert. Dazu R-Illustrationen, gemeinsames Programmieren der statistischen Konzepte, Übungsaufgaben.

    Participants
    Lecture: Stochastic Simulation (WIWI‑C1141)
    Name in diploma supplement
    Stochastic Simulation
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    English
    Cycle
    irregular
    Participants at most
    no limit
    Preliminary knowledge

    Siehe Vorlesung.

    Contents

    Siehe Vorlesung.

    Literature

    Siehe Vorlesung.

    Teaching concept

    Bearbeitung von theoretischen und praktischen Übungsaufgaben – letztere mit Hilfe statistischer Software.

    Participants
    Exercise: Stochastic Simulation (WIWI‑C1142)
    Name in diploma supplement
    Time Series Analysis
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    German
    Cycle
    summer semester
    Participants at most
    no limit
    Preliminary knowledge

    Kenntnisse grundlegender ökonometrischer Methoden wie etwa in dem Modul "Einführung in die Ökonometrie" vermittelt sowie gute Kenntnisse der mathematischen Statistik. Hilfreich, aber nicht unbedingt notwendig, sind Kenntnisse einer formaleren Herangehensweise an die Ökonometrie wie etwa in dem Modul "Methoden der Ökonometrie" vermittelt.

    Abstract

    Vermittlung der grundlegenden linearen Zeitreihenmodelle und ihre Quantifizierung anhand von Zeitreihen.

    Contents
    • Univariate stationäre Zeitreihenmodelle
    • Prognosen
    • Multivariate Zeitreihenmodelle
    • Einheitswurzelprozess
    • Kointegrationsanalyse
    Literature
    • Brockwell, P. J.; Davis, R. A. (2016). Introduction to Time Series and Forecasting. New York: Springer; Auflage: 3rd ed. 2016
    • Brockwell, P. J.; Davis, R. A. (2009). Time Series and Methods. New York: Springer; Auflage: 2nd ed. 1991. 2nd printing 2009
    • Enders, W. (2010). Applied Economic Time Series (3. Aufl.). Hoboken, NJ: Wiley.
    • Hamilton, J. D. (1994). Time series analysis. Princeton, NJ: Princeton Univ. Press.
    • Hassler, U. (2016). Stochastic Processes and Calculus: An Elementary Introduction with Applications. New York: Springer; Auflage: 1st ed. 2016
    • Hayashi, F. (2000). Econometrics. Princeton [u.a.]: Princeton Univ. Press.
    • Schlittgen, R.; Streitberg, B. H. J. (2001). Zeitreihenanalyse (9. Aufl.). München [u.a.]: Oldenbourg.
    Teaching concept

    Präsentation der verschiedenen Zeitreihenmodelle, Darstellung ihrer Schätzung, Bearbeitung von Übungsaufgaben

    Participants
    Lecture: Zeitreihenanalyse (WIWI‑C0466)
    Name in diploma supplement
    Time Series Analysis
    Organisational Unit
    Lecturers
    SPW
    2
    Language
    German
    Cycle
    summer semester
    Participants at most
    no limit
    Preliminary knowledge

    Kenntnisse grundlegender ökonometrischer Methoden wie etwa in dem Modul "Einführung in die Ökonometrie" vermittelt sowie gute Kenntnisse der mathematischen Statistik. Hilfreich, aber nicht unbedingt notwendig, sind Kenntnisse einer formaleren Herangehensweise an die Ökonometrie wie etwa in dem Modul "Methoden der Ökonometrie" vermittelt.

    Abstract

    Vermittlung der grundlegenden linearen Zeitreihenmodelle und ihre Quantifizierung anhand von Stichprobendaten.

    Contents

    siehe Vorlesung

    Literature

    siehe Vorlesung

    Teaching concept

    Präsentation der verschiedenen Zeitreihenmodelle, Darstellung ihrer Schätzung, Bearbeitung von Übungsaufgaben

    Participants
    Exercise: Zeitreihenanalyse (WIWI‑C0679)