EnglishSeite drucken

Pfad: VVZ SoSe 2024 > Verzeichnis der LV gegliedert nach Instituten und Abteilungen

Mobilversion

 

Nr. LV-Typ(en) LV-Titel
4426 PI Ökonometrie II Präsenz-Modus
Anmeldung über LPIS
vom 15.02.2024 14:00 bis 21.02.2024 23:59
Abmeldung über LPIS
vom 15.02.2024 14:00 bis 02.03.2024 23:59

LV-Leiter/in Assoz.Prof PD Dr. Bettina Grün
Planpunkte Bachelor Ökonometrie II
Wahlfach Kurs II - Ökonometrie
Semesterstunden 2
Unterrichtssprache Deutsch

Termine
Di, 05.03.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 12.03.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 19.03.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 09.04.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 16.04.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 23.04.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 30.04.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 07.05.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 14.05.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 28.05.2024 08:00-10:30 Uhr P TC.0.02 (Lageplan)
Di, 04.06.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Di, 11.06.2024 08:00-10:00 Uhr TC.2.03 (Lageplan)
Termindownload (ical) | Termine abonnieren

Weitere Informationen https://learn.wu.ac.at/vvz/24s/4426

Kontakt:
bettina.gruen@wu.ac.at
Inhalte der LV:

Der Kurs behandelt weiterführende Begriffe und Methoden der angewandten Ökonometrie. Der erste Teil setzt sich intensiv mit der Analyse von Zeitreihen auseinander und diskutiert Stationarität versus Nicht-Stationarität. Es werden ARMA und ARIMA-Modelle behandelt und ihre Anwendung zur Vorhersage illustriert. Im zweiten Teil wird die Analyse diskretwertiger Daten (binäre sowie Zählvariablen) mittels einer Regressionsanalyse ausführlich disktutiert.

Lernergebnisse (Learning Outcomes):

Der Kurs bietet eine Einführung in die Analyse ökonomischer Daten mittels ökonometrischer Methoden, die über das in Ökonometrie I diskutierte multiple Regressionsmodell hinausgehen. Nach Abschluss des Kurses können Studierende einerseits empirische Studien, die sich der in den Inhalten angeführten Methoden bedienen, verstehen und bewerten. Weiters können die Studierenden auch eigene statistische Analysen unter Verwendung dieser Methoden selbstständig durchführen.

Regelung zur Anwesenheit:

Der Kurs ist auf durchgängige Anwesenheit und Mitarbeit ausgelegt, weswegen physische, emotionale und intellektuelle Präsenz in allen Einheiten grundsätzlich vorausgesetzt wird. Ausnahmen davon sind nur in Einzelfällen und bei begründeter Verhinderung bis zu einem Gesamtausmaß von höchstens 20% möglich.

Lehr-/Lerndesign:

Der Stoff wird an Hand englischsprachiger Folien auf Deutsch (bei entsprechendem Studierendenwunsch auf Englisch) präsentiert. Die Verfahren werden kurz mittels empirischer Fallstudien in R vorgeführt. Zur Vertiefung des Verständnisses gibt es drei Fallstudien, die von den Studierenden mit Hilfe von R in Gruppen als Hausübung zu lösen und in schriftlicher Form abzugeben sind. Ein wesentlicher Teil der LV besteht außerdem in der eigenständigen Anwendung des Gelernten. Die Erkenntnisse werden im Rahmen von Gruppenpräsentationen gegen Semesterende im Plenum vorgetragen und diskutiert.

Der Einsatz KI-basierter Software zur Aufgabenlösung und Textgenerierung (z. B. ChatGPT) ist nicht gestattet.

Leistung(en) für eine Beurteilung:

In der LV besteht grundsätzlich Anwesenheitspflicht. Die Beurteilung beruht auf 5 Teilleistungskomponenten:

(1) Case Study 1 (10 Punkte)
(2) Case Study 2 (10 Punkte)
(3) Case Study 3 (10 Punkte)
(4) Teilleistungstest (30 Punkte)
(5) Abschlusspräsentation (20 Punkte)

Notenschlüssel:
1: 72 – ∞
2: 64 – 71,99
3: 56 – 63,99
4: 48 – 55,99
5: 00 – 47,99

Teilnahmevoraussetzung(en):
- Automatische Abmeldung von der LV bei unentschuldigtem no show in der ersten oder zweiten Einheit (bei Bedarf, Warteliste!)
- Nichtbeurteilung bei zwei unentschuldigten no shows, wenn keine Teilleistung erbracht wurde
- Negative Beurteilung bei zwei unentschuldigten no shows, wenn bereits mindestens eine Teilleistung erbracht wurde (z.B. erste Case Study)
Zuletzt bearbeitet: 05.02.2024 17:21

© Wirtschaftsuniversität Wien | Kontakt