|
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 |