Lehre

Ich halte an der Universität Regensburg Vorlesungen und Seminare in den Themenfeldern Ökonometrie und Data Science. WIchtig dabei ist mir die anwendungsorientierte Lehre und das Erlernen von Programmiersprachen.

Folgende Vorlesungen werden aktuell angeboten:

Economic Data Science und Immobilienmarktanalysen in Python

Inhalte:

Die Vorlesung soll Studierenden das methodische und praktische Handwerkszeug mitgeben, um eigenständig Datenanalysen zu volkswirtschaftlichen und immobilienwirtschaftlichen Fragestellungen durchzuführen und sie auf empirische Abschlussarbeiten vorbereiten. Wir arbeiten in Python mit verschiedenen volkswirtschaftlichen und immobilienwirtschaftlichen Datensätzen.

Folgendes ist geplant:

Einführung in Programmierung und Datenstrukturen in Python
Datenanalysen:
- Datenaufbereitung und explorative Analysen
- Visualisierung von Daten und ökonomische Interpretationen
- Regression und kausale Analysen
- Praktische Datenanalysen u.a. mit Immobilienmarktdaten und Regionaldaten der Gemeinden
Datenbeschaffung:
- Überblick über gängige Datenquellen für ökonomische und immobilienwirtschaftliche Analysen
- Einführung ins Webscraping
Praxisrelevante Fallstudien
Datenschutzgrundsätze, rechtliche Aspekte, Anonymisierung und Pseudonymisierung

Verwendbarkeit: Wahlpflichtmodul BSc VWL in der SMG Data Science for Economics und Immobilien- und Regionalökonomik sowie Wahlmodul BSc BWL und BSc Immo

Leistungspunkte: 6 ECTS

Angebotsturnus: Sommersemester

Termin: Vorlesung mittwochs 16.15-17.45 Uhr in Präsenz sowie Übung dienstags 10.15-11.45 Uhr per Zoom

Prüfungsleistung: Fallstudie sowie mündliche Prüfung

Einführung in die Ökonometrie

Inhalte:

Einführung in ökonometrische Methoden für die empirische Wirtschaftsforschung:

Erweiterung statistischer Grundkenntnisse
Das einfache und multiple lineare Regressionsmodell und die Interpretation der Modellparameter
Der Kleinst-Quadrate-Schätzer (KQ-Schätzer) und der (anwendbar) verallgemeinerte KQ-Schätzer: statistische und algebraische Eigenschaften
Statistische Tests für eine einzelne und von mehreren Hypothesen (t-Test, F-Test); Konfidenzintervalle
Modellspezifikation und Modelldiagnose
Zulassen von Heteroskedastie beim Schätzen und Testen
Prognosen und Prognosefehler
Empirische Anwendungen mit R

Verwendbarkeit: BSc BWL (PO2021), VTMG "Business Analytics" BSc Immo (PO2021), PMG "Grundlagen der VWL für Studierende der Immobilienwirtschaft" BSc VWL (PO2021), PMG "Grundlagen der VWL für Studierende der VWL" BSc IVWL (PO2021), PMG "Grundlagen der VWL für Studierende der iVWL" BSc DB, PMG "Data Analytics"

Leistungspunkte: 6 ECTS

Angebotsturnus: Wintersemester

Prüfungsleistung: Klausur, 19.02.

Lehre

Economic Data Science und Immobilienmarktanalysen in Python

Einführung in die Ökonometrie

Lehrstuhl für Economic Data Science

Prof. Dr. Carla Krolage