Zusammenfassung der Bachelorvorlesung "Empirische Wirtschaftsforschung" mit den Schwerpunkten:
- Lineare Regressionsmodelle
- Datenquellen
- Bestimmtheitsmaße
- Testverfahren
- Strukturbrüche
- Autokorrelation
- Heteroskedastizität
- Multikollinearität
- Endogenität / Simultanität
Inhaltsverzeichnis
Das lineare Regressionsmodell
Auswertung der Schätzung
Kategorisierung von Datenarten
Datenquellen
Wachstumsraten
Prognosen
Bestimmtheitsmaß R²
Standardfehler
Testverfahren
Strukturbrüche
Autokorrelation
Heteroskedastizität
Multikollinearität
Endogenität/Simultanität
Zielsetzung und Themen der Arbeit
Die vorliegende Arbeit vermittelt die methodischen Grundlagen der empirischen Wirtschaftsforschung mit einem klaren Fokus auf die Anwendung und Validierung ökonometrischer Regressionsmodelle. Ziel ist es, ein Verständnis für die Identifikation, Schätzung und diagnostische Überprüfung ökonomischer Zusammenhänge unter Berücksichtigung typischer Störgrößen wie Autokorrelation, Heteroskedastizität und Endogenität zu schaffen.
- Grundlagen des linearen Regressionsmodells und dessen ökonomische Interpretation
- Methoden der Prognose und Wachstumsratenberechnung
- Diagnostik und Testverfahren zur Modellvalidierung (t-Test, F-Test, Wald-Test, Chow-Test)
- Umgang mit strukturellen Veränderungen im Modell (Strukturbrüche)
- Analyse und Behebung von Schätzproblemen wie Autokorrelation, Heteroskedastizität und Multikollinearität
Auszug aus dem Buch
Heteroskedastizität
Die Varianz der Störvariablen ε ist nicht konstant. Falls Varianz konstant → Homoskedastizität. Heteroskedastie führt nicht zu verzerrter Schätzung der Koeffizienten, aber zu verzerrter Schätzung der Standardfehler. Außerdem wird die Effizienz der Schätzung reduziert.
Bei Zeitreihen: Ansteigen der Varianz über die Zeit, Anstieg der Varianz mit dem Einkommen.
Bei Querschnittsdaten:
Höhere absolute Varianz bei großen Einheiten (große Unternehmen, hohes Einkommen).
Geringere relative Varianz bei großen Einheiten (Risikostreuung).
Konsequenzen der Heteroskedastizität:
Standardfehler der Koeffizienten sind verzerrt.
Daher weisen die Testfunktionen der t-Statistik und des F-Test nicht mehr die unterstellten Verteilungen auf.
Bei der Testentscheidung beruft man sich auf eine falsche Irrtumswahrscheinlichkeit.
Die Koeffizienten können weiterhin unverzerrt sein.
Zusammenfassung der Kapitel
Das lineare Regressionsmodell: Definition der grundlegenden ökonomischen, empirischen und ökonometrischen Modelltypen sowie Einführung der Variablennotation.
Auswertung der Schätzung: Systematisierung der ökonomischen und ökonometrischen Interpretation von Schätzergebnissen.
Kategorisierung von Datenarten: Abgrenzung von Zeitreihen-, Querschnitts- und Paneldaten hinsichtlich ihrer Erhebungsmethodik.
Datenquellen: Übersicht relevanter Institutionen wie Bundesbank, IFO und ZEW zur Gewinnung ökonomischer Datensätze.
Wachstumsraten: Methoden zur Berechnung von Wachstumsraten mittels absoluter Werte oder Differenzen von Logarithmen.
Prognosen: Unterscheidung zwischen statistischen und dynamischen Prognoseansätzen zur Fortschreibung ökonomischer Modelle.
Bestimmtheitsmaß R²: Erklärung des Anteils der erklärten Varianz und dessen Bereinigung durch den Adjusted R².
Standardfehler: Bedeutung des Standardfehlers für die Zuverlässigkeit von Schätzergebnissen und deren Interpretation.
Testverfahren: Einführung in t-Tests zur Koeffizientenprüfung und F-Tests zur Untersuchung gemeinsamer Effekte.
Strukturbrüche: Analyse von Modellinstabilitäten über Zeitverläufe unter Verwendung von Wald- und Chow-Tests.
Autokorrelation: Problematisierung korrelierter Residuen und deren Identifikation mittels Durbin-Watson- oder Breusch-Godfrey-Test.
Heteroskedastizität: Untersuchung von Varianzinstabilität der Störgrößen und Methoden zu deren Bereinigung.
Multikollinearität: Herausforderungen durch korrelierte erklärende Variablen und deren Einfluss auf die Schätzpräzision.
Endogenität/Simultanität: Problematik der Korrelation zwischen Regressoren und Störterm sowie Einsatz von Instrumentalvariablenschätzern.
Schlüsselwörter
Lineare Regression, Ökonometrie, Zeitreihen, Querschnittsdaten, Paneldaten, Bestimmtheitsmaß, Autokorrelation, Heteroskedastizität, Strukturbruch, Multikollinearität, Endogenität, t-Test, F-Test, Schätzer, Prognose
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit bietet eine zusammenfassende Darstellung der Methoden der empirischen Wirtschaftsforschung, insbesondere der Anwendung und Diagnose linearer Regressionsmodelle.
Was sind die zentralen Themenfelder?
Zu den Kerngebieten zählen die Modellbildung, Datenquellen, Prognoseverfahren, statistische Testverfahren und die Identifikation von Schätzproblemen wie Autokorrelation oder Multikollinearität.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, ein fundiertes Verständnis für die korrekte Durchführung und Überprüfung ökonometrischer Schätzungen in der Praxis zu vermitteln.
Welche wissenschaftlichen Methoden werden verwendet?
Es werden klassische statistische Schätzverfahren (OLS) sowie spezifische Diagnose- und Testverfahren zur Validierung der Modellannahmen behandelt.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in technische Aspekte der Modellschätzung, die Behandlung von Strukturbrüchen sowie die diagnostische Analyse von Störgrößen und Variablenbeziehungen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Regressionsanalyse, Heteroskedastizität, Autokorrelation, Bestimmtheitsmaß, Strukturbruch und Instrumentvariablen.
Warum ist das Bestimmtheitsmaß R² für die Analyse wichtig?
Es gibt an, wie viel Prozent der Varianz der abhängigen Variable durch das gewählte Modell erklärt werden kann.
Wie lässt sich ein Strukturbruch im Modell erkennen?
Ein Strukturbruch kann durch statistische Verfahren wie den Chow-Test oder den CuSum-Test identifiziert werden, wenn die Modellparameter über die Zeit nicht konstant bleiben.
Welche Konsequenzen hat Heteroskedastizität für eine Schätzung?
Während die Koeffizienten selbst unverzerrt bleiben können, führt Heteroskedastizität zu verzerrten Standardfehlern, was die Validität von t- und F-Tests einschränkt.
Was unterscheidet Paneldaten von Zeitreihen- und Querschnittsdaten?
Paneldaten kombinieren beide Ansätze, indem sie dieselben Merkmalsträger wiederholt über die Zeit hinweg beobachten.
- Arbeit zitieren
- Marcus Kreysch (Autor:in), 2012, Empirische Wirtschaftsforschung, München, GRIN Verlag, https://www.grin.com/document/278067
