Aktuelles
27.03.2023:
The course will be taught in English. Lectures and exercise classes will take place in the classroom. For students who are not able to attend in person last year's screencasts of lectures and exercise classes will be available via the GRIPS course site.
Grading during the course (semesterbegleitenden Leistungen): There will be graded presentations of the exercises (up to a maximum of 15 points) and a mid-term exam. More details can bei found on the GRIPS course site.
?
Inhalte
BESCHREIBUNG
Der Kurs?Fortgeschrittene ?konometrie?baut auf dem Masterkurs Methoden der ?konometrie auf und vermittelt ?konometrische Verfahren, die die Anwendbarkeit des multiplen Regressionsmodells wesentlich erweitern und darüber hinausgehen. Hierbei werden sowohl die zugrundeliegenden Modelle als auch die Eigenschaften der vorgestellten Sch?tzverfahren analysiert. Absolventen des Kurses sollten in der Lage sein, sich auch für anspruchsvollere empirische Analysen ad?quate ?konometrische Methoden anzueignen.
Inhalt des Kurses sind zun?chst?nichtlineare Regressionsmodelle, wie sie zu Zwecken der Prognose, für die Modellierung von Regimeüberg?ngen sowie für die Sch?tzung mikro?konomischer Verhaltens- und Technologiegleichungen Anwendung finden. Ferner werdenPaneldatenmodelle?behandelt. Ein weit verbreitetes Problem in der empirischen Wirtschaftsforschung besteht in der?Endogenit?t erkl?render Variablen, etwa in simultanen Systemen, im Falle weggelassener Regressoren oder bei Messfehlern bezüglich erkl?render Gr??en. Trotz der hierbei entstehenden Korrelation zwischen Regressor und Fehlerterm, die zur Inkonsistenz üblicher Kleinst-Quadrate-Methoden führt, k?nnen unter geeigneten Annahmen mithilfe von Instrumentvariablensch?tzern kausale Effekte oder strukturell interpretierbare Zusammenh?nge identifiziert werden.
Desweiteren werden allgemeinere ?konometrische Sch?tzprinzipien behandelt, die sich auf eine Vielzahl von Fragestellungen, auch jenseits der Regressionsmodelle, anwenden lassen. Dieverallgemeinerte Momentensch?tzung (GMM)?erfordert keine vollst?ndige Spezifizierung des datengenerierendenden Prozesses und wurde insbesondere für die Sch?tzung einzelner Verhaltensgleichungen (dynamischer) ?konomischer Modelle popul?r. Im Gegensatz dazu werden mit dem?Maximum-Likelihood (ML)?Prinzip s?mtliche Informationen verwendet, die sich aus der Spezifikation der gesamten Verteilung der Modellvariable(n) ergeben. Falls solche Annahmen angemessen sind, ist ein H?chstma? an Sch?tzpr?zision zu erwarten, weshalb die ML-Sch?tzung den Status eines Standardwerkzeugs der empirischen Wissenschaften innehat.
Ein wesentlicher Bestandteil der Veranstaltung ist die