direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Masterausbildung in Statistik

IV Empirische Kausalanalysen     

  • Qualifikationsziele:   
                                                                                                                         Was ist ein kausaler Effekt? Wie kann man den kausalen Effekt einer „Behandlung“ (z.B. eines Arbeitsmarktprogramms oder einer Universitätsausbildung) auf eine Resultatsvariable (z.B. auf das Einkommen oder die Beschäftigungswahrscheinlichkeit) mit nicht-experimentellen Beobachtungen schätzen? Die grundsätzliche Frage nach der Kausalität in der empirischer Forschung hat in den letzten Jahren enorme Bedeutung gewonnen und zwar nicht nur bei der Entwicklung von Methoden und Modellen zum Thema sondern auch in der Praxis. So versuchen die jüngst im Auftrag des Wirtschaftsministeriums durchgeführten Evaluierungen der Hartz-Reformen allesamt den kausalen Effekt dieser Reformen auf die Arbeitsmarktchancen der Betroffenen zu ermitteln mit Methoden, die in dieser Veranstaltung behandelt werden. Da Kausale Effekte sehr oft Ziel der Forschung sind, ist diese Veranstaltung nützlich als Vorbereitung für empirischen Forschungsarbeiten aller Art (Seminararbeiten, Masterarbeiten, Studienprojekte, Doktorarbeiten). Ziel ist es, in die Schätzung, Spezifikation, Interpretation und Anwendung der ökonometrischen Modelle einzuführen, die für die Analyse kausaler Effekte entwickelt wurden. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen, sind die Übungen am Computer, um die Methoden selbständig auf reale Daten anzuwenden.

  • Lehrinhalte:

    Rubin-Modell der Kausalität, Roy-Modell, Bias des naiven Mittelwertvergleichs, Randomisierung und Experimentelle Tretaments, Matching, Instrumentalvariablen und Local Average Treatment Effect, Difference-in-Difference.

Ausführliche Modulbeschreibung als pdf-Datei  

IV Mikroökonometrie      

  • Qualifikationsziele:      
                                                                                                                      Mikroökonometrie ist die ökonometrische Analysen von Individualdaten (Mikrodaten), d.h. Daten über Verhalten und Einstellungen einzelner Personen, Haushalte oder Firmen. Da die Entscheidungsvariablen dieser Individuen oft diskret sind (für oder gegen eine Alternative, Auswahl der besten unter mehreren Handlungsalternativen) oder nicht jeden beliebigen Wert annehmen können (Ausgaben können nicht negativ sein und sind oft genau Null; Anzahl von Patenten oder Innovationen kann nur ganzzahlig sein) oder sich die Individuen zielgerichtet in die Beobachtungsgruppe „hineinwählen“ (Selbstselektionsverzerrung), kann das ökonometrische Standardmodell (Lineare Regression) nicht angewendet werden. Ziel ist es, in die Schätzung, Spezifikation, Interpretation und Anwendung der ökonometrischen Modelle einzuführen, die für solche Mikrodaten entwickelt wurden. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen, sind die Übungen am Computer, um die Methoden selbständig auf reale Daten anzuwenden.

  • Lehrinhalte:          
                                                                                                               Maximum Likelihood, Modelle für diskrete Entscheidungen (Probit, Logit, Ordered Probit, Multinomial Logit und Probit), Modelle für gestutzte, Selbstselektionsmodelle, Modelle für Zähldaten (Poisson Regression).

Ausführliche Modulbeschreibung als pdf-Datei 

IV Längsschnitt- und Panelökonometrie      

  • Qualifikationsziele:    
                                                                                                                        Panel- und Längsschnittdaten sind die reichhaltigste Mikrodatenquelle, denn sie enthalten Informationen über Individuen (Personen, Haushalte, Betriebe, Firmen) im Zeitverlauf. Wie kann diese zusätzliche Information genutzt werden für Analysen der Dynamik und Persistenz des Verhaltens der Indidviduen und um unbeobachtbare aber zeitkonstante Eigenschaften der Individuen zu „kontrollieren“? Ziel ist es, in die Schätzung, Spezifikation, Interpretation und Anwendung der ökonometrischen Modelle einzuführen, die für die Analyse von Längsschnitt- und Paneldaten entwickelt wurden. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen, sind die Übungen am Computer, um die Methoden selbständig auf reale Daten anzuwenden.

  • Lehrinhalte:    
                                                                                                                     Fixed-Effects- und Random-Effects-Schätzer des linearen Regressionsmodells für Paneldaten und für Modelle mit diskreten abhängigen Daten (Logit, Probit). Modelle für Survival-Daten. 

Ausführliche Modulbeschreibung als pdf-Datei   

IV Multivariate Analyse    

  • Qualifikationsziele:    
                                                                                                                        Im Geschäftsprozess entstehen Daten oft quasi automatisch (durch Scanner, RFID, e-business) und enthalten oftInformationen über viele Variablen zu einem Vorgang oder Kunden. Wie kann man mit Hilfe der Statistik dieseDatenminen in den Griff bekommen werden (Dimension Reduction), ihnen nützliche Informationen und Erkenntnisseabgewinnen? Ziel ist es, in die Anwendung der statistischen Modelle einzuführen, die für die explorative Analysesolcher Geschäftsdaten entwickelt wurden. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen,sind die Übungen am Computer, um die Methoden selbständig auf reale Daten anzuwenden. 

  • Lehrinhalte:  
                                                                                                                          Univariate (Boxplots, Histogramme) und multivariate explorative Verfahren (Faces, Andrew Curves, 2D und 3DScatterplots),Korrelationsmatrizen, Faktor- und Hauptkomponentenanalyse, Diskriminanzanalyse, Clusteranalyse 

Ausführliche Modulbeschreibung als pdf-Datei

IV Zeitreihenanalyse     

  • Qualifikationsziele:  
                                                                                                                          Die meisten ökonomischen Variablen zeigen, wenn sie im Zeitverlauf wiederholt beobachtet werden, eine Abhängigkeit von ihrer eigenen Vergangenheit. Die Dynamik ökonomischer Variablen im Zeitverlauf mit einem statistischen Modell zu beschreiben und zur Prognose nutzen, ist das Ziel dieser Veranstaltung. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen, sind die Übungen am Computer, um die Methoden selbständig auf reale Daten anzuwenden. 

  • Lehrinhalte:           
                                                                                                              Deskriptive und explorative Verfahren (exponentielle Glättung), um eine Zeitreihe „kennenzulernen“. Stationarität. Auswahl und Anpassung eines geeigneten stochastischen Modells für stationäre Zeitreihen (Box- Jenkins Methodologie, autoregressive Prozesse, gleitende Durchschnitt und ihre Kombination ARMA (p,q)). Berechnung der Prognosewerte und die Beurteilung der Prognosegüte. Tests für Nichtstationarität.

Ausführliche Modulbeschreibung als pdf-Datei

IV „Enineering Statistics“  

Statistics is a very useful tool for solving many types of engineering
problems. This course covers the statistical foundations and techniques
particularly important for engineering practice. It has grown out of a
statistics training course for the engineers of a leading aerospace
company. After an introduction to exploratory data analysis and
descriptive techniques we will review the parts of probability and
statistics particularly relevant to engineering applications. This will
serve as the foundation for the following topics:

* Acceptance Sampling
* Control Charts and Quality Improvement.
* Statistical Quality Control.
* Reliability Analysis and Life Testing.
* Design of Experiments and the Analysis of Variance
* Simple and Multiple Linear Regression

Prerequisites: An Introdution to Probability and Statistics at the level
of "Statistik I+II für Ökonomen und Wirtschaftschaftsingenieure"

Ausführliche Modulbeschreibung als pdf-Datei

IV „Produktivität, Innovation und Firmenerfolg“      

  • Qualifikationsziele:

    Die Globalisierung und die rasante Entwicklung der Informationstechnologie haben für Unternehmen neue Möglichkeiten geschaffen, ihre Produktionsprozesse zu organisieren (Outsourcing, Offshoring) und in neue Märkte vorzudringen. Sie haben für die Unternehmen aber auch neue Herausforderungen geschaffen, um sich im internationalen Wettbewerb zu behaupten. Für den erfolg der Firmen ist es deshalb von großer Bedeutung, eine hohe Produktivität und Innovationskraft zu gewinnen und zu erhalten. Ziel sind empirische und methodische Arbeiten zum Thema zu erarbeiten und vorzustellen, insbesondere mit dem Firmendaten der amtlichen Statistik (Campus-File der Kostenstrukturerhebung der Statistischen Ämter des Bundes und der Länder).  

  • Lehrinhalte:   
                                                                                                                      Index Number Methods, Data Envelopment Analysis (DEA), Stochastic Frontier Analysis, Instrumental Variables.

Ausführliche Modulbeschreibung als pdf-Datei 

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe