MicroeconometricsModulbeschreibung #70187 / Version 7
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
| Modul / Version | #70187 / #7 |
|---|---|
| Gültigkeit | Seit WiSe 2025/26 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Werwatz, Axel |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät VII |
|---|---|
| Institut | Institut für Volkswirtschaftslehre und Wirtschaftsrecht |
| Fachgebiet | 37312100 FG Ökonometrie und Wirtschaftsstatistik |
Kontakt
| Sekretariat | H 57 |
|---|---|
| Ansprechpartner*in | Marcath, Ronja Maria |
| E-Mail-Adresse | sekretariat@statistik.tu-berlin.de |
| Webseite | http://www.statistik.tu-berlin.de |
Lernergebnisse
Mikroökonometrie ist die ökonometrische Analyse 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 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.
Umweltökonomische Themen können an unserem FG insbesondere im Modul „Applied Environmental Econometrics in R“ vertieft werden.
Umweltökonomische Themen können an unserem FG insbesondere im Modul „Applied Environmental Econometrics in R“ vertieft werden.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Microeconometrics | Vorlesung | 71 210 L 1578 | Wintersemester | [en] | 2 | WiSe 2026/27 (1) ISIS |
| Microeconometrics | Übung | 71 210 L 1579 | Wintersemester | [en] | 2 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Microeconometrics (Vorlesung) 1
- Microeconometrics (Vorlesung) 1. Termingruppe 71 210 L 1578
Microeconometrics (Übung) 1
- Microeconometrics (Übung) 1. Termingruppe 71 210 L 1579
Arbeitsaufwand und Leistungspunkte
Microeconometrics (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Anwesenheit | 15 | 2 h | 30 h |
| Vor- und Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Microeconometrics (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Anwesenheit | 15 | 2 h | 30 h |
| Vor- und Nachbereitung | 15 | 1 h | 15 h |
| 45 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Bearbeitung der benoteten Aufgaben | 2 | 15 h | 30 h |
| Klausurvorbereitung | 1 | 45 h | 45 h |
| 75 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesung und Übung. In der Vorlesung wird ein intuitives Verständnis der Mechanismen in diesen Modellen entwickelt. Ein beträchtlicher Teil der Zeit wird auf das Verständnis des Maximum-Likelihood-Schätzansatzes sowie auf die Discrete-Choice-Modelle verwendet, um den Studierenden eine solide Grundlage für kompliziertere Modelle zu geben.
Im Tutorium werden die Modelle auf reale oder simulierte Daten unter Verwendung von R, einer freien Softwareumgebung für statistische Berechnungen, angewendet. Auf diese Weise können die Studierenden die Analyse gelegentlich entweder zu Hause oder im Computerlabor der Universität vorbereiten oder wiederholen, was ihr Verständnis erleichtert.
Ein weiterer wichtiger Teil des Kurses sind die obligatorischen Hausaufgaben. Die Studierenden sind aufgefordert, die theoretischen Konzepte aus der Vorlesung mit den in den Übungen erworbenen Werkzeugen und praktischen Kenntnissen anzuwenden, um eine begrenzte, aber praktische Analyse durchzuführen. Eine Einführung in R wird zu Beginn des Kurses gegeben. (Bitte Korrekturlesen - hab ich von deepl übersetzen lassen.)
Im Tutorium werden die Modelle auf reale oder simulierte Daten unter Verwendung von R, einer freien Softwareumgebung für statistische Berechnungen, angewendet. Auf diese Weise können die Studierenden die Analyse gelegentlich entweder zu Hause oder im Computerlabor der Universität vorbereiten oder wiederholen, was ihr Verständnis erleichtert.
Ein weiterer wichtiger Teil des Kurses sind die obligatorischen Hausaufgaben. Die Studierenden sind aufgefordert, die theoretischen Konzepte aus der Vorlesung mit den in den Übungen erworbenen Werkzeugen und praktischen Kenntnissen anzuwenden, um eine begrenzte, aber praktische Analyse durchzuführen. Eine Einführung in R wird zu Beginn des Kurses gegeben. (Bitte Korrekturlesen - hab ich von deepl übersetzen lassen.)
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Ein gutes Verständnis der Themen in der Veranstaltung (70198) Ökonometrie wird vorausgesetzt!
darunter:
Verständnis der Konzepte der Verzerrung und Erwartungstreue eines Schätzers
Verständnis und Interpretation der Regressionsanalyse unter Verwendung der Methode der kleinsten Quadrate sowie die damit verbundenen Annahmen.
Statistischen Tests (t-Test, F-Test)
darunter:
Verständnis der Konzepte der Verzerrung und Erwartungstreue eines Schätzers
Verständnis und Interpretation der Regressionsanalyse unter Verwendung der Methode der kleinsten Quadrate sowie die damit verbundenen Annahmen.
Statistischen Tests (t-Test, F-Test)
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Zwei Aufgabenblätter | 30 | schriftlich | 2 Seiten |
| Schriftliche Prüfung | 70 | schriftlich | 60 Minuten |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Portfolioprüfung besteht aus den vorgenannten Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. Die Benotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Die Prüfung/Klausur findet schriftlich statt. Am Fachgebiet für Statistik findet auch die 2. Wiederholungsprüfung schriftlich statt. Bitte die Anmeldeinformation für die 2. Wiederholungsprüfung des Prüfungsamts beachten (Anmeldeformular)
Während des Semesters werden zwei Aufgabenblätter von den Studierenden in Gruppen (jeweils 2-3 Studierenden) bearbeitet. Gruppen welche die minimale Punktzahl in den Aufgabenblättern nicht erreichen, dürfen an der Klausur nicht teilnehmen. In den Aufgaben werden die Fähigkeiten in der Interpretation, Modellwahl sowie in der Programmierung in R überprüft.
Die Prüfung/Klausur findet schriftlich statt. Am Fachgebiet für Statistik findet auch die 2. Wiederholungsprüfung schriftlich statt. Bitte die Anmeldeinformation für die 2. Wiederholungsprüfung des Prüfungsamts beachten (Anmeldeformular)
Während des Semesters werden zwei Aufgabenblätter von den Studierenden in Gruppen (jeweils 2-3 Studierenden) bearbeitet. Gruppen welche die minimale Punktzahl in den Aufgabenblättern nicht erreichen, dürfen an der Klausur nicht teilnehmen. In den Aufgaben werden die Fähigkeiten in der Interpretation, Modellwahl sowie in der Programmierung in R überprüft.
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
Studierende melden sich bitte für dieses Modul innerhalb der ersten 6 Wochen über Moses an (Portfolioprüfung)
Die 2. Wiederholungsprüfung findet in der Statistik schriftlich statt.
Studierende beachten bitte hierbei das Anmeldeprocedere (Anmeldeformular) des Prüfungsamts.
Evtl. aktuelle Informationen bitte auf (http://www.statistik.tu-berlin.de) abrufen.
Die 2. Wiederholungsprüfung findet in der Statistik schriftlich statt.
Studierende beachten bitte hierbei das Anmeldeprocedere (Anmeldeformular) des Prüfungsamts.
Evtl. aktuelle Informationen bitte auf (http://www.statistik.tu-berlin.de) abrufen.
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
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Economics and Sustainability StuPO 2024 | WiSe 2025/26 | Pflichtmodule |
| SoSe 2026 | Pflichtmodule | |
| WiSe 2026/27 | Pflichtmodule | |
| Industrial Economics StuPO 2018 | WiSe 2025/26 | Pflichtbereich › Kernstudium |
| SoSe 2026 | Pflichtbereich › Kernstudium | |
| WiSe 2026/27 | Pflichtbereich › Kernstudium | |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Wirtschaft › Business, Economics and Management |
| SoSe 2026 | Wahlpflichtbereich › Fachstudium Wirtschaft › Business, Economics and Management | |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Wirtschaft › Business, Economics and Management | |
| Soziologie technikwissenschaftlicher Richtung StuPO 2014 (7. Mai 2014) | WiSe 2025/26 | Technisches Fach › Statistik und Ökonometrie › Vertiefungsbereich |
| SoSe 2026 | Technisches Fach › Statistik und Ökonometrie › Vertiefungsbereich | |
| WiSe 2026/27 | Technisches Fach › Statistik und Ökonometrie › Vertiefungsbereich | |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2025/26 | Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics |
| SoSe 2026 | Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics | |
| WiSe 2026/27 | Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Integrationsbereich › Statistics & Econometrics |
Sonstiges
Keine Angabe