Statistical Learning

Module: Statistical Learning (6 Credits)
Name in diploma supplement	Statistical Learning
Responsible	Prof. Dr. Christoph Hanck
Admission criteria	See exam regulations.
Workload	180 hours of student workload, in detail: Attendance: 60 hours Preparation, follow up: 60 hours Exam preparation: 60 hours
Duration	The module takes 1 semester(s).
Qualification Targets	Die Studierenden verfügen über umfassende Kenntnisse moderner statistischer und ökonometrischer Methoden und beherrschen deren Anwendung bei der Lösung empirischer, ökonometrischer Fragestellungen kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen können ökonomische Probleme sachgerecht in ein ökonometrisches Modell überführen, die ökonometrischen und statistischen Schätz- sowie Testverfahren hinsichtlich ihrer Problemadäquanz beurteilen, die geeigneten Daten auswählen und die empirischen Befunde kritisch kommentieren sind in der Lage, eigenständig und mit Hilfe geeigneter statistischer und ökonometrischer Software praktische Probleme zu lösen können selbständig ausgewählte Übungsaufgaben bearbeiten
Relevance	Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.
Module Exam	Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung. Alternativ: Empirisches Prognoseprojekt (70% der Note) und Präsentation (in der Regel: 20 Minuten. 30% der Note). Die Art der Prüfung wird jeweils zu Semesterbeginn vom Dozenten festgelegt.
Usage in different degree programs	BWL EaF Master > Wahlpflichtbereich > 1.-3. Sem, Elective ECMX Master > Wahlpflichtbereich > ME7 Econometric Methods > 1.-3. Sem, Elective ECMX Master > Wahlpflichtbereich > ME6 Applied Econometrics > 1.-3. Sem, Elective GOEMIK Master > Wahlpflichtbereich > Bereich Volkswirtschaftslehre > 1.-3. Sem, Elective MuU Master > Wahlpflichtbereich I > Wahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen > 1.-2. Sem, Elective VWL Master > Wahlpflichtbereich I > 1.-3. Sem, Elective WiInf Master > Wahlpflichtbereich > Wahlpflichtbereich II: Informatik, BWL, VWL > Wahlpflichtmodule der Volkswirtschaftslehre > 1.-3. Sem, Elective
Elements	Lecture Statistical Learning (3 Credits) Exercise Statistical Learning (3 Credits)
Module: Statistical Learning (WIWI‑M0075)

Lecture: Statistical Learning (3 Credits)
Name in diploma supplement	Statistical Learning
Organisational Unit	Lehrstuhl für Ökonometrie
Lecturers	Dr. Thomas Deckers
Hours per week	2	Language	English
Cycle	summer semester	Participants at most	###LABEL_NOLIMIT###
Preliminary knowledge Knowledge of basic econometric concepts such as communicated in our bachelor and master courses “Einführung in die Ökonometrie" and “Methoden der Ökonometrie“ as well as good working knowledge of mathematical statistics.
Contents Linear regression and k-nearest neighbors Classification Resampling methods Linear Model selection and regularization Polynomial regression, splines and local regression Tree-Based methods Support vector machines Unsupervised learning
Literature Bishop, C. M. (2006). Pattern recognition and machine learning. New York: Springer. Davidson, R.; MacKinnon, J. G. (2004). Econometric theory and methods. New York: Oxford Univ. Press. Hastie, T.; Tibshirani R.; Friedman, J. (2013). The elements of statistical learning : data mining, inference, and prediction (2nd edition). New York: Springer. Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press. James, G.; Witten, D.; Hastie, T.; Tibshirani, R. (2016). An introduction to statistical learning : with applications in R. New York: Springer. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd edition). Cambridge, Mass.: MIT Press.
Teaching concept Classes are organized around traditional lectures. Students are however expected to contribute intensively through active discussion. Lectures are complemeted via, e.g., illustrations in R, joint interactive programming to better understand the statistical concepts as well as comprehensive problem sets to deepen students’ proficiency.
Lecture: Statistical Learning (WIWI‑C0467)

Exercise: Statistical Learning (3 Credits)
Name in diploma supplement	Statistical Learning
Organisational Unit	Lehrstuhl für Ökonometrie
Lecturers	Dr. Thomas Deckers, wissenschaftliche Mitarbeiter(innen)
Hours per week	2	Language	English
Cycle	summer semester	Participants at most	###LABEL_NOLIMIT###
Preliminary knowledge see lecture
Contents see lecture
Literature see lecture
Exercise: Statistical Learning (WIWI‑C0678)