zurück zur Suche

Microeconometric Methods for Big Data

MGT001312Wirtschaftswissenschaftliche Wahlmodule6 ECTSEnglischUnregelmäßigProfessur für Applied Econometrics (Prof. Farbmacher)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

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

Termine

VorlesungMicroeconometric Methods for Big Data (MGT001312, englisch) - Lecture

ÜbungMicroeconometric Methods for Big Data (MGT001312, englisch) - Exercise

Aus dem laufenden Semester, unverbindlich.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.