Sommersemester 2006 - Abteilung Volkswirtschaftslehre der ...
Sommersemester 2006 - Abteilung Volkswirtschaftslehre der ...
Sommersemester 2006 - Abteilung Volkswirtschaftslehre der ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Organisatorisches:<br />
Die Seminarleistung umfasst 1) einen Seminarvortrag, 2) eine<br />
Seminararbeit und 3) das Abhalten eines Koreferates. Die Seminararbeit<br />
kann entwe<strong>der</strong> eine ökonometrische Anwendung unter Verwendung realer<br />
Datensätze beinhalten o<strong>der</strong> ein Thema aus <strong>der</strong> ökonometrischen Theorie in<br />
Verbindung mit einer Simulationsstudie behandeln.<br />
Empfohlene Literatur:<br />
Greene, W.H.: Econometric Analysis, New York, Prentice Hall<br />
Wooldridge, J.M.: Introductory Econometrics, Mason/Ohio, Thompson<br />
Ronning, G.: Mikroökonometrie, Heidelberg, Springer<br />
Course title: Seminar on Microeconometrics<br />
Instructor: PD Dr. Martin Biewen<br />
Method (hours per week): seminar (2)<br />
Examination: seminar presentation, seminar paper, discussion of somebody<br />
else's presentation<br />
ECTS-Credits: 6<br />
Course description: The seminar focuses on microeconometric methods<br />
and their applications, especially in labor economics.<br />
Contact person: If you intend to participate in this seminar, please contact<br />
Martin Biewen, martinbiewen.de, Tel. 069/798 28304<br />
Statistik<br />
Econometrics II<br />
Vorlesung und Übung, 4st.<br />
Mo wtl10.15-11.45 24.04.-17.07.<strong>2006</strong><br />
Di wtl12.00-13.30 25.04.-18.07.<strong>2006</strong><br />
Ho<strong>der</strong>lein, Stefan<br />
L 7 P043<br />
L 7 P044<br />
siehe Seite 31<br />
Multivariate Statistik<br />
Vorlesung und Übung, 4st.<br />
Mo wtl13.45-15.15 24.04.-17.07.<strong>2006</strong><br />
Mi wtl10.15-11.45 26.04.-19.07.<strong>2006</strong><br />
Mi wtl10.15-11.45 26.04.-19.07.<strong>2006</strong><br />
Haag, Berthold<br />
L 7 031<br />
L 7 158<br />
L 7 031<br />
Inhalt: Viele Daten sind multivariat. Statistische Inferenz über die Struktur<br />
<strong>der</strong> Daten ist insbeson<strong>der</strong>e dann komplex, falls die Daten hochdimensional<br />
sind. Diese Vorlesung führt in klassische Ansätze <strong>der</strong> multivariaten Statistik<br />
ein: Hauptkomponenten-, Faktor-, Cluster- und Diskriminanzanalyse. Am<br />
Ende <strong>der</strong> Vorlesung wird eine kurze Diskussion neuerer Entwicklungen<br />
gegeben, die durch Anwendungen mit sehr großen Datensätzen motiviert<br />
sind (Data Mining, Statistical Learning). Die Vorlesung diskutiert am Anfang<br />
35