Fortgeschrittene Ökonometrie

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.

BESCHREIBUNG

Der Kurs Fortgeschrittene Ökonometrie baut auf dem Masterkurs Methoden der Ökonometrie auf und vermittelt ökonometrische Verfahren, die die Anwendbarkeit des multiplen Regressionsmodells wesentlich erweitern und darüber hinausgehen. Hierbei werden sowohl die zugrundeliegenden Modelle als auch die Eigenschaften der vorgestellten Schätzverfahren analysiert. Absolventen des Kurses sollten in der Lage sein, sich auch für anspruchsvollere empirische Analysen adäquate ökonometrische Methoden anzueignen.

Inhalt des Kurses sind zunächst nichtlineare Regressionsmodelle, wie sie zu Zwecken der Prognose, für die Modellierung von Regimeübergängen sowie für die Schätzung mikroökonomischer Verhaltens- und Technologiegleichungen Anwendung finden. Ferner werdenPaneldatenmodelle behandelt. Ein weit verbreitetes Problem in der empirischen Wirtschaftsforschung besteht in der Endogenität erklärender Variablen, etwa in simultanen Systemen, im Falle weggelassener Regressoren oder bei Messfehlern bezüglich erklärender Größen. Trotz der hierbei entstehenden Korrelation zwischen Regressor und Fehlerterm, die zur Inkonsistenz üblicher Kleinst-Quadrate-Methoden führt, können unter geeigneten Annahmen mithilfe von Instrumentvariablenschätzern kausale Effekte oder strukturell interpretierbare Zusammenhänge identifiziert werden.

Desweiteren werden allgemeinere ökonometrische Schätzprinzipien behandelt, die sich auf eine Vielzahl von Fragestellungen, auch jenseits der Regressionsmodelle, anwenden lassen. Dieverallgemeinerte Momentenschätzung (GMM) erfordert keine vollständige Spezifizierung des datengenerierendenden Prozesses und wurde insbesondere für die Schätzung einzelner Verhaltensgleichungen (dynamischer) ökonomischer Modelle populär. Im Gegensatz dazu werden mit dem Maximum-Likelihood (ML) Prinzip sämtliche Informationen verwendet, die sich aus der Spezifikation der gesamten Verteilung der Modellvariable(n) ergeben. Falls solche Annahmen angemessen sind, ist ein Höchstmaß an Schätzpräzision zu erwarten, weshalb die ML-Schätzung den Status eines Standardwerkzeugs der empirischen Wissenschaften innehat.

Ein wesentlicher Bestandteil der Veranstaltung ist die Anwendung der Methoden auf ökonomische Fragestellungen. Behandelte Beispiele sind nichtlineare mikroökonomische Kostenfunktionen im Energiesektor, die Prognose von Aktienrenditen mit nichtlinearen Smooth-Transition-Regressionsmodellen, die Nachfrage nach Zigaretten und diesbezügliche Steuerwirkungen in einem Paneldatensatz, der Zusammenhang zwischen (endogenen) Institutionen und ökonomischer Entwicklung mithilfe von Instrumentvariablen, die Schätzung der neukeynesianische Phillipskurve mit GMM sowie die Bestimmung der Nachfrage nach Arztbesuchen in Zähldatenregressionsmodellen mit ML. Hierbei wird die freie Statistiksoftware R und darin verfügbare Pakete verwendet.

GLIEDERUNG

1. Wiederholung und Motivation
2. Nichtlineare Regression
3. Paneldatenmodelle (Fixed-Effects-Schätzer, Random-Effects-Schätzer)
4. Instrumentvariablenschätzung
5. Generalized Method of Moments (GMM)
6. Maximum-Likelihood-Schätzung

LITERATUR

Davidson, R. und MacKinnon, J.G., Econometric Theory and Methods. Oxford University Press, 2004.

ERGÄNZUNGSLITERATUR (in alphabetischer Reihenfolge)

Angrist, J. und Pischke, J., Mostly harmless econometrics. An Empiricist's Companion. Princeton University Press, 2009.

Davidson, J., Econometric Theory. Blackwell Publishers, 2000.

Davidson, R. & MacKinnon, J., Estimation and Inference in Econometrics. Oxford University Press, 1993.

Hansen, B.E., Econometrics. Manuscript, 2012.

Hayashi, F., Econometrics. Princeton University Press, 2000.

Peracchi, F., Econometrics. John Wiley and Sons, 2001.

Ruud, P., An Introduction to Classical Econometric Theory. Oxford University Press, 2000.

Wooldridge, J. M., Introductory Econometrics. A Modern Approach. Thomson South-Western, 2009.

Wooldridge, J.M., Econometric Analysis of Cross Section and Panel Data. The MIT Press, 2010.

ZIELGRUPPE / VORAUSSETZUNGEN

Voraussetzung für diesen Kurs ist der Kursinhalt von Methoden der Ökonometrie. 

NOTENVERGABE

Die Gesamtnote der Veranstaltung ergibt sich aus der schriftlichen Prüfung, aus einer Lernzielkontrolle und aus in den Übungen vorgestellten Übungsaufgaben. Zum Bestehen des Kurses ist das Bestehen der Klausur und eine Gesamtnote nicht schlechter als 4,0 erforderlich. 

Alle Details der relevanten Regelungen sind in der Übersicht beschrieben.

Terminplan