Zur Beantwortung von ökonomischen Fragestellungen mit Hilfe statistischer Methoden dient die Ökonometrie. Aus der ökonomischen Theorie ergeben sich statistische oder ökonometrische Modelle, die mit Hilfe geeigneter Datensätze aufgestellt und überprüft werden können. Anschließend können mit Hilfe der Modelle zum Beispiel Simulationen oder Prognosen erstellt werden. Dieser Kurs führt in die Grundlagen der Ökonometrie ein, mit besonderem Schwerpunkt auf dem linearen Regressionsmodell als Grundmodell der ökonomischen Modellbildung und auf der Zeitreihenanalyse. Parallel wird die Statistik-Software EViews vorgestellt, die schnell zu erlernen ist und gleichzeitig sehr gut geeignet ist, um ökonometrische Modelle, insbesondere Zeitreihen aufzustellen und zu analysieren.

Lernziele:

• grundlegende Funktionen in EViews verwenden
• ökonometrische Fragestellungen mit statistischen Hypothesentests beantworten
• einfache, multiple und nichtlineare Regressionen durchführen
• die Voraussetzungen Ihrer Analysen prüfen können
• stationäre Zeitreihenmodelle aufstellen und analysieren
• nichtstationäre dynamische Modelle berechnen

Voraussetzungen:

Grundkenntnisse der Statistik sind hilfreich, aber nicht zwingend erforderlich. Keine EViews-Vorkenntnisse nötig.

In diesem eintägigen Kurs lernen Sie die Programmiersprache von Eviews kennen. Wir beginnen mit einfachen Funktionen, die zum Einlesen von Daten benötigt werden und zeigen Ihnen, wie Sie die Menü-Befehle durch Programme ersetzen können. Anschließend wenden wir uns den klassischen Elementen einer Programmiersprache zu, z.B. Schleifen oder den Umgang mit Vektoren und Matrizen. Darüberhinaus zeigen wir Ihnen den Umgang mit Datenbanken, Modellen und Verknüpfungen, Objekte und Graphen und vieles mehr. Alle Elemente werden mit Beispielen dokumentiert, die Sie selbstverständlich als Vorlagen mit nach Hause nehmen können.

Lernziele

• Daten einlesen und ausgeben
• Objekte und Commands
• Schleifen und Bedingungen
• Datenbanken und Verknüpfungen
• Matrizen und Vektoren
• Arbeiten mit Grafiken

Voraussetzungen:

In diesem Kurs wird nicht auf die fundamentale Bedienung und oder die statistischen Funktionen von EViews eingegangen.

In diesem Kurs stehen fortgeschrittenere Methoden der Modellierung in der Ökonometrie im Vordergrund. Wir beginnen mit einer Wiederholung der Zeitreihenanalyse und dynamischen Modellen, die zeitliche Dynamik von wirtschaftlichen Abläufen berücksichtigen. Dann stellen wir Mehrgleichungsmodelle vor, die es erlauben, Entwicklungen und Wechselwirkungen von mehr als einer Variablen parallel darzustellen. Dies führt in natürlicher Weise zu Vektormodellen, etwa den VAR (vector autoregressive) bzw. VEC (vector error correction) Modellen. Schließlich behandeln wir noch die ARCH bzw. GARCH Modelle für die Analyse von Finanzmärkten.

Lernziele:

• AR, MA, ARMA und ARIMA Modelle
• ARDL - dynamische Regressionsmodelle
• Mehrgleichungsmodelle
• VAR und VEC Modelle
• ARCH und GARCH Modelle

Voraussetzungen:

Grundkenntnisse der Statistik sind hilfreich. Keine EViews-Vorkenntnisse nötig.

Webinar: Tipps & Tricks mit EViews

EViews bietet einen umfangreichen Satz an Standardgrafiken zur Visualisierung von Daten. Jede dieser Grafiken lässt sich auf vielfältige Weise individualisieren.

Im ersten Teil dieser Websession werden verschiedene Grafiken zur Präsentation von mehreren Zeitreihen vorgestellt. Dabei wird auf verschiedenste Optionen zur Optimierung dieser Grafiken eingegangen.

Mit der Version 7.1 wurde EViews um ein stetig wachsendes Framework von Add-Ins erweitert. Diese kostenlos downloadbaren Add-Ins stellen zusätzliche Funktionalität für EViews zur Verfügung. Zahlreiche neue Funktionen, wie zum Beispiel:

• Automatisierte Modellwahl von ARIMA Modellen
• Bai-Perron-Strukturbruchanalyse
• alternative Tests auf Normalverteilung (Shapiro-Wilk, ...)
• Ridge Regression oder
• Prognosen mittels VAR-Modellen

In unserer Tips&Tricks-Reihe werden wir die Installation und Anwendung von Add-Ins in EViews vorstellen. Dabei werden die Add-Ins zur automatisierten Modellwahl bei ARIMA-Modellen und zur Prognose mit Hilfe von VAR-Modellen benutzt.