Hochschule München

Lernziele / Kompetenzen:

Die Studierenden sind nach dem Besuch dieses Moduls in der Lage, fortgeschrittene Methoden aus dem Gebiet der multivariaten Verfahren auf praktische Fragestellungen anzuwenden, die Ergebnisse in Bezug auf konkrete Anwendungsfälle zu interpretieren und mögliche Handlungsanweisungen daraus abzuleiten. Die Problemstellungen werden in integrierten Übungssequenzen mit der Statistik-Software R vorgeführt und eingeübt.

Des Weiteren widmen sich die Teilnehmer:innen in kleineren Gruppen den Problemstellungen mit betriebswirtschaftlichem Bezug, setzen sich mit den statistischen Methoden auseinander und präsentieren ihre Ergebnisse. Die Studierenden erkennen durch den Besuch des Moduls, wie vielfältig statistische Modelle in der betriebswirtschaftlichen Praxis eingesetzt werden und wie hilfreich der Einsatz dieser Methoden zur Daten-getriebenen Lösung von Problemen ist.

Inhalte

·        Regressionsmodelle

·        Diskriminanzanalyse

·        Clusterverfahren

·        Ausblick in Verfahren des Maschinellen Lernens

Eingesetzte Methoden der Betriebswirtschaftslehre:

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

Modellierung von Problemstellungen mithilfe statistischer Modelle

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

Fortgeschrittene multivariate Methoden, KQ-Methode, ML-Methode

·        Qualitativ-interpretative Methoden (Experteninterview, Umfragen, standardisierte Erhebungen):

Diskussion, Interpretation und Präsentation von Ergebnissen multivariater statistischer Verfahren in der betriebswirtschaftlichen Praxis

Lehr-und Lernmethoden:

·        Seminaristischer Unterricht

·        Selbstgesteuertes Lernen

·        Kommunikation von Ergebnissen

·        Gruppenarbeit anhand von Praxisbeispielen

Literatur

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

·        Weitere Literatur wird in der Veranstaltung bekannt gegeben

After completing this module, students will be able to apply advanced methods from the field of multivariate procedures to real-world problems, interpret the results with regard to the question at hand and derive possible instructions for action. Applications of multivariate methods are demonstrated and practiced in integrated exercise sequences using the statistical software R.

In addition, the participants work in smaller groups on problems with a business reference, deal with the statistical methods and present their results. Upon completing this module, students will recognize how diverse statistical models are used in business practice and how helpful the use of these methods is for data-driven problem solving.

Contents:

• Regression models
• Discriminant analysis
• Cluster methods
• Outlook on machine learning methods

Teaching and learning methods:

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