Zusammenfassung der Bachelorvorlesung "Empirische Wirtschaftsforschung" mit den Schwerpunkten:
- Lineare Regressionsmodelle
- Datenquellen
- Bestimmtheitsmaße
- Testverfahren
- Strukturbrüche
- Autokorrelation
- Heteroskedastizität
- Multikollinearität
- Endogenität / Simultanität
Inhaltsverzeichnis
- Zusammenfassung Empirische Wirtschaftsforschung
- Das lineare Regressionsmodell
- Das ökonomische Modell
- Das empirische Modell
- Das ökonometrische Modell
- Auswertung der Schätzung
- Ökomonomische Interpretation
- Ökonometrische Interpretation
- Kategorisierung von Datenarten
- Zeitreihen
- Querschnittsdaten
- Paneldaten
- Datenquellen
- Bundesbank
- Institut für Wirtschaftsforschung (IFO)
- ZEW
- OECD
- Internationaler Währungsfonds
- Europäisches Statistisches Amt
- Wachstumsraten
- Absolut
- Saisonale Schwankungen
- Prognosen
- Statistische Prognose
- Dynamische Prognose
- Bestimmtheitsmaß R²
- Adjusted R²
- Standardfehler
- Unterscheidung
- t-Test
- F-Test
- Strukturbrüche
- Wald-Test
- Chow-Test
- Chow Vorhersage-Test
- Rekursive Schätzungen
- CuSum-Test
- CuSum²-Test
- Beispiele
- Autokorrelation
- Das Problem der Autokorrelation
- Positive Autokorrelation 1. Ordnung
- Test auf Autokorrelation
- Beispiel
- Durbin-Watson-Test
- Heteroskedastizität
- Konsequenzen der Heteroskedastizität
- White-Test
- Fazit
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Die Zusammenfassung Empirische Wirtschaftsforschung befasst sich mit dem linearen Regressionsmodell und dessen Anwendung in der ökonometrischen Analyse. Das Ziel ist es, ein grundlegendes Verständnis für die Modellierung ökonomischer Zusammenhänge mithilfe von Regressionsmodellen zu vermitteln. Die Arbeit behandelt die verschiedenen Komponenten des Regressionsmodells, die Interpretation der Ergebnisse sowie die Überprüfung der Modellannahmen.
- Das lineare Regressionsmodell
- Die Interpretation der Regressionskoeffizienten
- Die Überprüfung der Modellannahmen
- Die Anwendung des Regressionsmodells in der Praxis
- Die Behandlung von Strukturbrüchen und Autokorrelation
Zusammenfassung der Kapitel
Das Kapitel "Das lineare Regressionsmodell" führt in die grundlegenden Konzepte des linearen Regressionsmodells ein. Es werden die verschiedenen Komponenten des Modells, wie die erklärende Variable, die abhängige Variable und die Störgröße, erläutert. Außerdem werden die verschiedenen Arten von Regressionsmodellen, wie das einfache lineare Regressionsmodell und das multiple lineare Regressionsmodell, vorgestellt.
Das Kapitel "Auswertung der Schätzung" befasst sich mit der Interpretation der Ergebnisse des Regressionsmodells. Es werden die verschiedenen Kennzahlen, wie das Bestimmtheitsmaß R², der Standardfehler und die t-Statistik, erläutert. Außerdem werden die verschiedenen Testverfahren, wie der t-Test und der F-Test, vorgestellt, die zur Überprüfung der Signifikanz der Regressionskoeffizienten verwendet werden können.
Das Kapitel "Kategorisierung von Datenarten" behandelt die verschiedenen Arten von Daten, die in der ökonometrischen Analyse verwendet werden. Es werden die Zeitreihen, die Querschnittsdaten und die Paneldaten vorgestellt. Außerdem werden die verschiedenen Datenquellen, wie die Bundesbank, das Institut für Wirtschaftsforschung (IFO) und die ZEW, erläutert.
Das Kapitel "Wachstumsraten" befasst sich mit der Berechnung von Wachstumsraten. Es werden die verschiedenen Methoden zur Berechnung von Wachstumsraten, wie die absolute Wachstumsrate und die relative Wachstumsrate, vorgestellt. Außerdem werden die verschiedenen Arten von saisonalen Schwankungen erläutert.
Das Kapitel "Prognosen" behandelt die verschiedenen Methoden zur Prognose von ökonomischen Variablen. Es werden die statistische Prognose und die dynamische Prognose vorgestellt. Außerdem werden die verschiedenen Kennzahlen, wie das Bestimmtheitsmaß R² und der Standardfehler, erläutert, die zur Beurteilung der Qualität der Prognose verwendet werden können.
Das Kapitel "Strukturbrüche" befasst sich mit dem Problem von Strukturbrüchen in Regressionsmodellen. Es werden die verschiedenen Testverfahren, wie der Wald-Test und der Chow-Test, vorgestellt, die zur Überprüfung von Strukturbrüchen verwendet werden können. Außerdem werden die verschiedenen Methoden zur Behandlung von Strukturbrüchen, wie die rekursive Schätzung und der CuSum-Test, erläutert.
Das Kapitel "Autokorrelation" behandelt das Problem der Autokorrelation in Regressionsmodellen. Es werden die verschiedenen Testverfahren, wie der Durbin-Watson-Test und der Breusch-Godfrey-Test, vorgestellt, die zur Überprüfung von Autokorrelation verwendet werden können. Außerdem werden die verschiedenen Methoden zur Behandlung von Autokorrelation, wie die Verwendung von Autoregressiven Modellen, erläutert.
Das Kapitel "Heteroskedastizität" befasst sich mit dem Problem der Heteroskedastizität in Regressionsmodellen. Es werden die verschiedenen Testverfahren, wie der White-Test, vorgestellt, die zur Überprüfung von Heteroskedastizität verwendet werden können. Außerdem werden die verschiedenen Methoden zur Behandlung von Heteroskedastizität, wie die Verwendung von robusten Standardfehlern, erläutert.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen das lineare Regressionsmodell, die ökonometrische Analyse, die Interpretation von Regressionskoeffizienten, die Überprüfung von Modellannahmen, die Behandlung von Strukturbrüchen und Autokorrelation sowie die Anwendung des Regressionsmodells in der Praxis.
Häufig gestellte Fragen
Was ist das Ziel der empirischen Wirtschaftsforschung?
Das Ziel ist die quantitative Überprüfung ökonomischer Theorien mithilfe von Daten und statistischen Methoden, insbesondere dem linearen Regressionsmodell.
Was bedeutet das Bestimmtheitsmaß R²?
Das R² gibt an, welcher Anteil der Varianz der abhängigen Variable durch die erklärenden Variablen im Modell erklärt werden kann. Ein höherer Wert deutet auf eine bessere Modellanpassung hin.
Was versteht man unter Autokorrelation?
Autokorrelation tritt auf, wenn die Störgrößen eines Modells über die Zeit miteinander korreliert sind, was häufig bei Zeitreihendaten vorkommt und die statistische Signifikanz verfälschen kann.
Wofür wird der Chow-Test verwendet?
Der Chow-Test dient dazu, Strukturbrüche in einem Datensatz zu identifizieren, also zu prüfen, ob sich die Regressionsparameter in verschiedenen Teilzeiträumen signifikant unterscheiden.
Was ist der Unterschied zwischen Querschnitts- und Paneldaten?
Querschnittsdaten erfassen verschiedene Einheiten zu einem Zeitpunkt. Paneldaten hingegen beobachten dieselben Einheiten (z.B. Haushalte oder Länder) über mehrere Zeitpunkte hinweg.
Was besagt der White-Test?
Der White-Test wird eingesetzt, um auf Heteroskedastizität zu prüfen, also ob die Varianz der Störgrößen nicht konstant ist, was die Effizienz der Schätzungen beeinträchtigt.
- Arbeit zitieren
- Marcus Kreysch (Autor:in), 2012, Empirische Wirtschaftsforschung, München, GRIN Verlag, https://www.grin.com/document/278067
