Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

• die Maximum-Likelihood Schätzmethode und asymptotische Resultate zu erklären,
• Modelle für Individualdaten zu erläutern und passende Modelle je nach Datenlage und Aufgabenstellung auszuwählen,
• ML Schätzmethoden anzuwenden und die Ergebnisse zu analysieren und zu interpretieren.

Aufarbeitung der Grundlagen aus Maximum-Likelihood und asymptotischer Theorie. Qualitative Response Modelle (Logit, Probit, Multinomial-, Conditional- und Nested-Logit), Sample Selection (Tobit Modelle), Duration und Survival Analyse, Zähldatenmodelle.

Tafelvortrag

Vorbesprechung am 2. März um 9h15.

Zoom meeting ID für die VO: 998 4834 8490

Die Vorlesung wird voraussichtlich zu den üblichen Zeiten stattfinden:

Dienstag, 9-11h

Mittwoch 10-11h

Einzelprüfung

• Amemiya , Advanced Econometrics, 1985.
• Cameron and Trivedi, Microeconometrics, 2005.
• Greene, Econometric Analysis, 2005. 
• Kalbfleisch & Prentice, The Statistical Analysis of Failure Time Data, 2002.
• Kleiber & Zeileis, Applied Econometrics in R, 2008.
• Maddala, Limited Dependent and Qualitative Variables, 1983. 
• Verbeek, A Guide to Modern Econometrics, 2012.

Grundkenntnisse in linearer Algebra, Wahrscheinlichkeitstheorie und Statistik, sowie grundlegende Ökonometrie (lineare Regressionsmodelle).