Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

MikroökonometrieModulbeschreibung #70187 / Version 2

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v7)
Modul / Version#70187 / #2
GültigkeitWS 2015/16 – WS 2016/17
Verfügbare Sprache(n)Englisch
Leistungspunkte6
Modulverantwortliche*rWerwatz, Axel
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät VII
InstitutInstitut für Volkswirtschaftslehre und Wirtschaftsrecht
Fachgebiet37312100 FG Ökonometrie und Wirtschaftsstatistik

Kontakt

SekretariatH 57
Ansprechpartner*inMarcath, Ronja Maria
E-Mail-Adressesekretariat@statistik.tu-berlin.de
Webseitehttp://www.statistik.tu-berlin.de

Lernergebnisse

Mikroökonometrie ist die ökonometrische Analysen von Individualdaten (Mikrodaten), d. h. Daten über Verhalten und Einstellungen einzelner Personen, Haushalte oder Firmen. Da die Entscheidungsvariablen dieser Individuen oft diskret sind (für oder gegen eine Alternative, Auswahl der besten unter mehreren Handlungsalternativen) oder nicht jeden beliebigen Wert annehmen können (Ausgaben können nicht negativ sein und sind oft genau Null; Anzahl von Patenten oder Innovationen kann nur ganzzahlig sein) oder sich die Individuen zielgerichtet in die Beobachtungsgruppe „hineinwählen“ (Selbstselektionsverzerrung), kann das ökonometrische Standardmodell (Lineare Regression) nicht angewendet werden. Ziel ist es, in die Schätzung, Spezifikation, Interpretation und Anwendung der ökonometrischen Modelle einzuführen, die für solche Mikrodaten entwickelt wurden. Ein sehr wichtiger Bestandteil, um die Qualifikationsziele zu erreichen, sind die Übungen am Computer. In der Übung lernen die Studenten die freiverfügbare statistische Software R kennen. Am Ende des Kurses sollten die Studenten in die Lage versetzt werden Ihrerseits die grundlegenden Probleme zu analysieren und die theoretischen Konzepte praktisch anzuwenden.

Lehrinhalte

Maximum Likelihood, Modelle für diskrete Entscheidungen (Probit, Logit, Ordered Probit, Multinomial Logit und Probit), Modelle für gestutzte, Selbstselektionsmodelle, Modelle für Zähldaten (Poisson Regression). Die wöchentlich angebotenen Übungen fokussieren sich auf die hands-on Erfahrung mit realen sowie simulierten Daten. Wegen Kapazitätsbeschränkungen werden die Studenten ermutigt ihren eigenen Laptop in die Übung mitzubringen. Nichtsdestotrotz ist der eigene Laptop keine Voraussetzung für die Teilnahme an der Übung. Alle Übungsmaterialien werden hochgeladen und können dank der frei verfügbaren Software R zu Hause oder in den PC-Pools der Universität durchgeführt werden.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
MicroeconometricsVorlesung71 21 L 12 Wintersemester[en]2 ISIS
MicroeconometricsÜbung71 21 L 13 Wintersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Microeconometrics (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Microeconometrics (Übung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Microeconometrics (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Class attendance152 h30 h
Class preperation and follow-up152 h30 h
60 h

Microeconometrics (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Class attendance152 h30 h
Class preperation and follow-up151 h15 h
45 h

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Graded assignments215 h30 h
Preparation for the written exam145 h45 h
75 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Lecture and Tutorial. In the lecture, intuitive understanding of the mechanics at work in these models is developed. Considerable amount of time is spend on understanding the maximum likelihood estimation approach as well as on the discrete choice models to give students a sound basis for more complicated models. In the tutorial, the models are applied to real or simulated data using R, which is a free software environment for statistical computing. In this way, students can occasionally prepare or rerun the analysis either at home or in the university computer lab facilitating their understanding. Another crucial part of the course are the compulsory homework assignments. Students are asked to apply the theoretical concepts from the lecture using the tools and practical understanding acquired in the exercises to carry out limited in complexity yet practical analysis. An introduction to R will be given at the beginning of the course.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

none

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Two homework assignements30
Written exam (75 min.)70

Prüfungsbeschreibung (Abschluss des Moduls)

The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the joint conversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Please note the information on our website.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – www.isis.tu-berlin.de

Empfohlene Literatur

  • Baum, C.F. (2006) An Introduction to Modern Econometrics Using STATA, Stata Press
  • Cameron, A.C. and Trivedi, P.K. (2005). Microeconometrics: Methods and Applications, Cambridge University Press.
  • Fahrmeir, L. und Tutz, G. (2001), Multivariate Statistical Modelling Based on Generalized Linear Models, 2nd edition, Springer
  • Goldberger, A.S. (1991). A Course in Econometrics, Harvard University Press Greene, W. (2003). Econometric Analysis, 5e, Prentice Hall.
  • Härdle, W., Müller, M., Sperlich, S. und Werwatz, A. (2004), Nonparametric and Semiparametric Models, Springer Verlag
  • Long, J. S. und Freese, J. (2006), Regression Models for Categorical Dependent Variables Using STATA, 2nd Edition, Stata Press
  • Verbeek, M. (2004). A Guide to Modern Econometrics, 2e. John Wiley & Sons.
  • Winkelmann, R. und Boes, S. (2006) Analysis of Microdata, Springer Verlag
  • Wooldridge, J.M. (2001). Econometric Analysis of Cross Section and Panel Data, MIT Press.
  • Wooldridge, J.M. (2006). Introductory Econometrics. A Modern Approach, 3e, Thomson South-Western.

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe