Modulkatalog - Abteilung VWL - Universität Mannheim
Modulkatalog - Abteilung VWL - Universität Mannheim
Modulkatalog - Abteilung VWL - Universität Mannheim
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Erwartete Kompetenzen<br />
nach Abschluss des<br />
Moduls<br />
Voraussetzungen für die<br />
Vergabe von ECTS-<br />
Punkten und Benotung<br />
Verfahren mit Hilfe einer flexiblen Programmiersprache (R) anwenden. Die<br />
konkreten Inhalte können teilweise nach den Interessen der Studierenden<br />
flexibel angepasst werden.<br />
Inhalte (Beispielthemen eines Semesters):<br />
• Einführung, Wiederholung und Vertiefung von Software-Kenntnissen,<br />
• Nichtparametrische Dichteschätzung und nichtparametrische<br />
Regression,<br />
• Visualisierung hochdimensionaler Daten, Ausreißer-Analyse,<br />
• Lineare Diskriminanzanalyse, Logit- und Probit-Modelle,<br />
• Varianzanalyse-Modelle, Deskription von Zeitreihendaten,<br />
• Stochastische Zeitreihenmodelle (ARMA, ARCH, GARCH),<br />
• Ökonometrische Zeitreihenmodelle (Prognosemodelle),<br />
• Rechenintensive statistische Methoden (Bootstrap, Kreuzvalidierung)<br />
• Numerische Verfahren (Optimierung)<br />
Am Ende der Veranstaltung sind die Studierenden in der Lage, neue<br />
quantitative Methoden selbständig zu programmieren und anzuwenden<br />
(soweit es die Komplexität zulässt). Dabei beherrschen sie den<br />
allgemeinen Arbeitsablauf einer Datenanalyse (Datenimport, Deskription,<br />
Modellschätzung, Interpretation, Präsentation) routinemäßig. Da sich die<br />
Anwendungsbeispiele zumeist auf reale Daten beziehen, haben die<br />
Studierenden auch gelernt, die Möglichkeiten und Grenzen der jeweiligen<br />
Verfahren in der Praxis kritisch einzuschätzen.<br />
Da die Themen zum Großteil nicht aufeinander aufbauen und sich die<br />
Studierenden häufig in ein völlig neues Thema einarbeiten müssen, ist die<br />
Veranstaltung sehr arbeitsintensiv. Die extensive Verwendung einer<br />
statistischen Programmiersprache bringt zusätzlich einen erheblichen Zeitaufwand<br />
mit sich. In diesem Kontext erwerben die Studierenden Kompetenzen<br />
wie das Abschätzen zeitlicher Erfordernisse, die effiziente Organisation<br />
komplexer Arbeitsabläufe, den Umgang mit Frust und Hartnäckigkeit<br />
oder die gelungene Präsentation von Ergebnissen. Sie üben dabei die<br />
Bereitschaft zu ständiger Einarbeitung in neue Problemfelder ein.<br />
Schriftliche Klausur über 90 Minuten (50%) und Übungen (50%)<br />
Bemerkung:<br />
Die Studierenden müssen wöchentlich aktualisierte Aufgaben zu den<br />
jeweiligen Themen bearbeiten und innerhalb einer zeitlichen Frist<br />
einreichen. Wegen des hohen Zeitaufwands werden diese Übungen mit<br />
50% als Prüfungsbestandteil gewichtet. Die Abgaben werden fachlich<br />
begutachtet. Außerdem müssen die Studierenden ihre Lösungen während<br />
der Übung präsentieren.<br />
Der Endnote liegt die Summe der in den Übungen und in der Klausur<br />
erworbenen Leistungspunkte zugrunde. Bei maximaler Leistungspunktezahl<br />
ergibt sich ein Verhältnis von 50% zu 50%.<br />
52