Microeconometric Methods for Big Data

Worum geht's

Du lernst moderne mikroökonometrische Methoden für die empirische Forschung mit großen Datensätzen. Das Modul vermittelt sowohl theoretische Grundlagen (z. B. Asymptotiken, OLS/2SLS/GMM) als auch praktische Verfahren zur Schätzung und Vorhersage (z. B. Ridge, Lasso, Entscheidungsbäume, Random/Causal Forests). Am Ende kannst du diese Methoden anwenden, die zugrundeliegenden Annahmen beurteilen und ökonometrische Ergebnisse sinnvoll interpretieren.

Was du danach kannst

• state-of-the-art ökonometrische Methoden anwenden
• technische Bedingungen und Annahmen der Modelle verstehen
• Limitationen der Methoden in Anwendungen einschätzen
• ökonometrische Resultate fachgerecht interpretieren
• Kenntnisse zur Verbesserung von Entscheidungsprozessen nutzen

Aus was das Modul besteht

• Vorlesungvermittelt die theoretischen Grundlagen und Konzepte der Mikroökonometrie
• integrierte Übungenpraktische Anwendung der Methoden und Vertiefung des Vorlesungsstoffs
• übungssheet zur Selbstbearbeitungindividuelle Übung zur Festigung, anschließend Besprechung in der Veranstaltung

Lehrmethode

• Vorlesungaufbauendes Verständnis mikroökonometrischer Methoden vermitteln
• integrierte Übungenpraktische Anwendung und Übung der Methoden im Kurskontext
• Übungssheet zur Einzelbearbeitungselbstständiges Üben und Möglichkeit, die Abschlussnote zu verbessern