Ökonometrie (mit Gretl)

Kurslevel:
Einsteiger

Zielgruppe:
Forscher/innen und Datenanalysten der Ökonomie und Sozialwissenschaften

Voraussetzungen:
Grundlagen der Statistik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
Ausgehend von und fokussierend auf reale Fragestellungen werden die Teilnehmer Schritt für Schritt in die Ökonometrie und ihre Anwendungen eingeführt. Dabei stehen vor allem das Verständnis für die Methode, die Situation ihrer Anwendung und die entsprechende Interpretation der Ergebnisse im Vordergrund. Nach dem Besuch dieses Seminars wird der Leser in der Lage sein, alle wichtigen Verfahren, die in einer ökonometrischen Software wie Gretl zur Verfügung stehen, zur Analyse von Daten anzuwenden, die Ergebnisse zu verstehen und kritisch zu diskutieren. Das Seminar beginnt mit einer Betrachtung des klassischen Regressionsmodells und bewertet seine Annahme sowie Variablenauswahl und Missspezifikation, lineare Restriktionen und Prognose und Prognosequalität. In einem weiteren Teil behandelt es dann Zeitreihen und Zeitreihen-Modelle, die dann für ökonometrische Modelle genutzt werden. Schließlich lernen die Teilnehmer, wie Mehrgleichungs-Modelle geschätzt werden und wie VAR-Prozesse und VEC-Modelle für die statistische Modellierung genutzt werden können.

Themen:
A. Einführung
Dauer:0.25 Tage
Definition von Ökonometrie - Ökonometrische Analyse - Modell-Typen - Lineare vs. nichtlineare Modelle - Area-Wide Model (AW-Modell)

B. Das klassische Regressionsmodell
Dauer:0.5 Tage
Beispiel: Konsumfunktionen - Einfache, lineare Regression - Schätzen der Koeffizienten: OLS-Schätzer, ML-Schätzer - Ableiten der Normalgleichungen - Kleinste-Quadrate-Methode - Multiple lineare Regression - Beurteilung der Regression - Annahmen des linearen Regressionsmodells - Statistische Bewertung von Regressionsbeziehungen: Residuen, Bestimmtheitsmaß, Bewertung und Inferenz der Parameter mit t-Test, F-Test und ANOVA

C. Variablenauswahl und Missspezifikation
Dauer:0.25 Tage
Vergleich der Schätzer für beta - Multiple Regression - Interpretation des Schätzers - Frisch-Waugh-Theorem - Statistische Tests: t-Test, F-Test, Ramsey‘s RESET-Test

D. Lineare Restriktionen
Dauer:0.25 Tage
Beispiele: Produktionsfunktion - Restringierte Schätzer - Lagrange-Methode - Wald-Test - Modellvergleiche - Asymptotische Tests - Lagrange-Multiplier-Test - Likelihood-Quotienten-Test

E. Analyse der Modelle
Dauer:0.25 Tage
Modellstrukturen: Rekursive OLS-Schätzung, Dummy-Variable für Saisons/Quartale und Strukturbrüche, Chow-Test, Tests zur Strukturstabilität - Prognose und Prognosequalität: Durchführung, Prognosefehler, Prognoseintervall, 1-/n-Schritt-Prognose, RMSE, MSE und MAE, Theil'scher Ungleichheitskoeffizient - Multikollinearität: Korrelierte Regressoren, Identifizierte Parameter, Residuendarstellung von b, Schätzer für unkorrelierte Daten, Maß, Indikatoren und Maßnahmen für Multikollinearität - Residuen: Heteroskedastizität, Autokorrelation, Statistische Tests für Residualanalyse

F. Zeitreihen
Dauer:0.5 Tage
Beispiel: Import- und Konsumfunktionen - Autokorrelation: Definition, statistische Tests (Durbin-Watson-Test, Breusch-Godfrey-Test, Box-Pierce-Test) - Zeitreihen und Zeitreihen-Modelle: Komponenten einer Zeitreihe, Stationarität, AC- und PAC-Funktion, AR(p)-Prozess, MA(q)-Prozess, ARMA(p,q) - Trends und Unit-root-Tests: Random walk und AR-Prozess, Nicht-Stationarität, Spurious Regression, Modelle für Variable mit Trend, Unit-root-Test

G. Ökonometrische Modelle
Dauer:0.5 Tage
Beispiel: Konsum-/Nachfragefunktionen - Lüdeke-Modell für die BRD - Dynamische Modelle - Dynamik von Prozessen - Koyck-Transformation - Mehrgleichungs-Modelle - Dynamische Modelle: Konzepte, Das DL(s)-Modell, Multiplikatoren, Gleichgewichts-Effekt, Durchschnittliche Lag-Zeit, Lagstrukturen: Polynomiale Lagstruktur, Koyck‘sche Lagstruktur, Schätzverfahren für dynamische Modelle - Modelle in und für Erwartungen - Das ADL-Modell

H. Erweiterte Zeitreihenmodelle
Dauer:0.5 Tage
Kointegration: Integrierte Zeitreihen, Differenzen vs. Niveauwerte, Fehlerkorrektur-Modell - Mehrgleichungs-Modelle: Konzepte, Schätzverfahren, Beispiele: Investitionsmodell, CAP-Modell und Marktmodell, SUR-Modell - VAR-Prozesse und VEC-Modelle: Schätzen der Parameter, Beispiel: Einkommen und Konsum, Simultanes Mehrgleichungs-Modell als VAR-Modell, Allgemeines VAR-Modell, Kointegration beim VAR(p)-Prozess, Das VEC(p)-Modell

Unsere dozenten
Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.

Veröffentlichungen:

• "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)


• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)


• "Oracle SQL" (Comelio Medien, ISBN 978-3-939701-41-5)


• "SQL Server 2012: Data Mining und multivariate Verfahren" (Comelio Medien, ISBN 978-3-939701-85-9)


• "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)

Erfahrung:
Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

Forschung: Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Zertifizierung:
Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer" und "Oracle Certified Associate" und hat die ComptiaCTT+ Prüfung absolviert.

Webseite:

• http://www.marco-skulschus.de


• http://de.wikipedia.org/wiki/Marco_Skulschus

Referenzkurse:

• Statistik - Deskriptive und Induktive Statistik