Hochschule München

Lernziele / Kompetenzen:

Die Studierenden sind nach dem Besuch dieses Moduls in der Lage, fortgeschrittene inferenzstatistische Methoden aus dem Gebiet der Regressionsverfahren auf praktische Fragestellungen anzuwenden und die Ergebnisse in Bezug auf konkrete Anwendungsfälle zu interpretieren. Die Anwendung der Regressionsverfahren und ihre Interpretation wird in integrierten Übungssequenzen mit der Statistik-Software R vorgeführt und eingeübt. Die Studierenden widmen sich im Anschluss in kleineren Gruppen den statistischen Problemstellungen mit betriebswirtschaftlichem Bezug, tauschen sich über die Herangehensweise aus und stellen ihre Ergebnisse vor. So lernen die TeilnehmerInnen die vielfältigen Anwendungsmöglichkeiten dieser Modellierungen kennen und erkennen wie hilfreich der Einsatz dieser Methoden zur Daten-getriebenen Lösung von Problemen ist.

Inhalte:

·        Einfaches Regressionsmodell, multiples Regressionsmodell

·        KQ-Schätzer, ML-Schätzer, Tests, Prognose

·        Modellierung mit Haupteffekten und Interaktionen

·        Ausblick in die Modellierung binärer Zielgrößen und Zähldaten

Eingesetzte Methoden der Betriebswirtschaftslehre:

·        Modelle und Methoden der Analyse (z.B.: Forschungs- und Analysemodelle):

o   Einsatz von Signifikanztests

o   Modellierung anhand inferenzstatistischer Verfahren

·        Quantitativ-Empirische Methoden (z.B.: Vergleichende – statistische, mathematische Methode, Datenanalysen):

o   Fortgeschrittene inferenzstatistische Methoden

o   KQ-Methode für Regression

o   ML-Methode für generalisierte Regressionsverfahren

·        Qualitativ-Interpretative Methoden (z.B.: Experteninterview, Umfragen, standardisierte Erhebungen):

o   Interpretation der statistischen Ergebnisse von Regressionsmodellen

o   Rückführung der Ergebnisse auf die inhaltliche Fragestellung  

Lehr-und Lernmethoden:

·        Seminaristischer Unterricht

·        Selbstgesteuertes Lernen

·        Kommunikation von Ergebnissen

·        Gruppenarbeit anhand von Praxisbeispielen

Literatur:

·        Galata, Wessler, Augustin, Scheid (2013), Empirische Wirtschaftsforschung, Hanser

·        Fahrmeir, Kneib, Lang (2009), Regression. Modelle, Methoden und Anwendungen, Springer

·        Weitere werden in der Veranstaltung bekannt gegeben

The students then work in smaller groups on statistical problems with a business reference, discuss their approach and present their results. In this way, the participants become familiar with the diverse use cases of these models and recognize how helpful regression methods are for the data-driven solution of problems.

Contents:

• Simple regression model, multiple regression model

• KQ estimator, ML estimator, tests, prediction

• Linear regression models with main effects and interactions

• Generalized linear regression models for binary target variables and count data

Teaching and learning methods:

• Seminar-based teaching
• Self-directed learning
• Communication of results
• Group work based on practical examples