Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top

2019 | Book

Erste Schritte – Datentypen – Kommandosprache Read chapter Read first chapter

Ökonometrie verstehen mit Gretl

Eine Einführung mit Anwendungsbeispielen

Authors: Jürgen Malitte, Dr. med. Sven Schreiber

Publisher: Springer Berlin Heidelberg

Part of: Springer Professional "Wirtschaft+Technik" , Springer Professional "Wirtschaft"

Login to get access
insite
SEARCH

About this book

Dieses Buch stellt eine einfache und verständliche Einführung in die Ökonometrie dar. Dabei werden grundlegende Theorien und Methoden erklärt und mit Hilfe der freien Statistiksoftware Gretl direkt umgesetzt. Gretl ermöglicht eine menügesteuerte Bedienung, sodass die Leser behutsam in die Welt der Ökonometrie eingeführt werden. Zahlreiche Gretl-Skripte unterstützen die Leser beim Verständnis und bei der Anwendung ökonometrischer Grundlagen und erleichtern damit den Lernprozess. Es eignet sich für Studenten sowie Praktiker, die ihre Kenntnisse im Bereich der Ökonometrie aufbessern möchten.

Table of Contents

Frontmatter

Einführung in den Umgang mit Gretl

Frontmatter
Kapitel 1. Erste Schritte – Datentypen – Kommandosprache
Zusammenfassung
Im Kapitel 1 wird die Installation von Gretl und die Durchführung einer Gretl-Sitzung beschrieben. Ausgehend von einem konkreten Datenbestand wird dem Leser/der Leserin ein erster Einstieg in den Umgang mit der grafischen Benutzeroberfläche von Gretl vermittelt. In diesem Zusammenhang werden die verschiedenen Bearbeitungsmöglichkeiten durch die vorhandene Menüstruktur näher erläutert.
Ein weiterer Schwerpunkt des ersten Kapitels bildet die Darstellung der Kommandosprache von Gretl, die durch eine breite Palette von angebotenen Funktionen bzw. Kommandos eine effektive Bearbeitung und Analyse der Datenbestände ermöglicht. Dazu werden die verfügbaren Datentypen und die Kommandos zu den Kontrollstrukturen „Verzweigung“ und „Wiederholung“ dargestellt und in vielen Beispielen veranschaulicht.
Jürgen Malitte, Sven Schreiber
Kapitel 2. Vom Umgang mit Datasets
Zusammenfassung
Kapitel 2 behandelt die verschiedenen Strukturen von Datenbeständen wie Querschnittsdaten, Zeitreihen und Paneldaten. Es wird dargestellt, wie diese Strukturen Gretl-intern als Datasets organisiert bzw. definiert sind. Auch der Umgang mit diesen Strukturen innerhalb der Kommandosprache wird thematisiert. Da die Datenbestände in vielen externen Formaten vorliegen können, z.B. als Excel-Datei oder Textdatei, wird auf die Vorgehensweise beim Import der Bestände näher eingegangen, wobei die jeweils vorliegende Struktur zu berücksichtigen ist.
Zusätzlich werden in diesem Kapitel einige Aspekte der Auswertung von Datasets behandelt wie z.B. die Ermittlung wichtiger Kennzahlen, aggregierte Auswertungen und die Problematik von fehlenden Werten innerhalb des Datasets. Mit dem Konzept der Dummy- und Indikatorvariablen können insbesondere Strukturbrüche in der Modellbildung berücksichtigt werden. Das Kapitel schließt mit einem Überblick über die Erstellung von Grafiken wie Boxplot, Streudiagramm und Häufigkeitsdiagramm.
Jürgen Malitte, Sven Schreiber
Kapitel 3. Die Gretl-Sitzung
Zusammenfassung
Im Kapitel 3 wird systematisch auf die Komponenten einer Gretl-Sitzung eingegangen. Der Leser/die Leserin erfährt, was unter einer Sitzung zu verstehen ist und dass bestimmte Daten, die innerhalb der Sitzung erzeugt werden, im Sitzungsspeicher abgelegt werden können, der in der sog. „Symbolansicht“ auffindbar ist. Nicht nur Gretl selbst, sondern auch Benutzer können zum Beispiel Ergebnisse aus Regressionsanalysen, erstellte Grafiken oder die Inhalte von Variablen in der Symbolansicht ablegen und dort auch wieder löschen.
Es wird gezeigt, wie die Verwaltung der Sitzungsdaten entweder mit der Kommandosprache von Gretl oder über die grafische Benutzeroberfläche erfolgen kann.
Jürgen Malitte, Sven Schreiber

Die Analyse ökonometrischer Modelle mit Gretl

Frontmatter
Kapitel 4. Regressionsanalyse von Querschnittsdaten
Zusammenfassung
Das Kapitel 4 beschreibt, wie eine Regressionsanalyse mit Datasets mit einer Querschnittsstruktur in Gretl durchgeführt werden kann. Dabei werden sowohl Regressionsmodelle mit einer einzigen unabhängigen Variablen (einfache lineare Regression) als auch Modelle mit mehreren unabhängigen Variablen (multiple lineare Regression) untersucht. Die Darstellung beschränkt sich nicht allein auf die theoretischen Modellierungsansätze, wie sie ebenfalls in anderen Darstellungen der Ökonometrie enthalten sind, sondern hebt vor allem die praktische Anwendung hervor, also die Wiedergabe und Interpretation konkreter Regressionsergebnisse mit Hilfe von Gretl.
Ein Schwerpunkt des Kapitels liegt daher in der Darstellung der praktischen Durchführung von Hypothesentests der Regressionsparameter und der Berechnung von Konfidenzintervallen. Außerdem wird auf Modelle eingegangen, bei den der Datenzusammenhang eine nichtlineare Form aufweist. Dabei wird aufgezeigt, wie durch geeignete Transformationen der Variablenwerte ein lineares Modell entwickelt und mit dem üblichen Verfahren geschätzt werden kann.
Jürgen Malitte, Sven Schreiber
Kapitel 5. Probleme der Modellbildung und Maßnahmen zur Qualitätssteigerung
Zusammenfassung
Das Kapitel 5 behandelt Themen, die sich auf die Spezifikation eines ökonometrischen Modells beziehen und auf damit verbundene Probleme, die zu einer fehlerhaften Modellierung führen können. Dazu zählen eine hohe Abhängigkeit der Regressoren untereinander oder die Nichtberücksichtigung von Regressoren mit hoher Erklärungsrelevanz. Ein weiteres Problem stellen Strukturbrüche dar, bei denen sich der Datenzusammenhang ab einem bestimmten Wert oder ab einem bestimmten Zeitpunkt anders darstellt. Dazu wird der sog. Chow-Test vorgestellt und an einem Beispiel verdeutlicht. Mit dem sog. RESET-Test wird ein weiterer Fehlspezifikationstest behandelt, mit dem untersucht wird, ob eine lineare Modellierung angemessen ist.
Eine andere Klasse von Tests wird herangezogen, um bestimmte Eigenschaften der Störgrößen zu untersuchen. Ist z. B die Varianz für alle Störgrößen nicht konstant, hat diese Feststellung negative Auswirkungen auf die Effizienz der geschätzten Modellparameter.
Negative Auswirkungen auf die Modellschätzung sind auch gegeben, wenn Regressoren mit den Störgrößen korreliert sind. Dieses unter dem Begriff „Endogenität“ zusammengefasste Phänomen wird am Schluss des Kapitels behandelt. Zum besseren Verständnis wird dazu auf die Modellierung sog. „simultaner“ Modelle eingegangen, in denen Endogenität oft eine besondere Rolle spielt.
Jürgen Malitte, Sven Schreiber
Kapitel 6. Regressionsanalyse von Zeitreihen
Zusammenfassung
Das Kapitel 6 gibt eine kurze Einführung in die Analyse von Zeitreihen und erläutert die Grundkonzepte sowie besondere Eigenschaften von Zeitreihen (stationäre vs. nichtstationäre Zeitreihen). Insbesondere wird der Fokus darauf gelegt, wie diese Konzepte in Gretl umgesetzt sind. Im Gegensatz zu Querschnittsdaten besitzen Zeitreihenmodelle die Eigenschaft, dass ihre Störgrößen häufig miteinander korreliert sind, was zu ineffektiven Modellschätzungen führt. Um Autokorrelation aufzudecken, werden Tests vorgestellt wie der Durbin-Watson-Test und der Breusch-Godfrey-Test und in Gretl anhand von Beispieldaten umgesetzt.
Die Regressionsanalyse von trendenden Zeitreihen offenbart häufig ein Phänomen, das als „Scheinregression“ bekannt ist. Da die Parameterschätzer des Modells scheinbar signifikante Ergebnisse liefern, wird dabei eine Abhängigkeit der Zeitreihen festgestellt, die in Wirklichkeit nicht existiert. Deshalb wird in diesem Kapitel ausführlicher auf das Konzept der sog. „Kointegration“ von nichtstationären Zeitreihen eingegangen.
Jürgen Malitte, Sven Schreiber
Kapitel 7. Regressionsanalyse von Panel-Daten
Zusammenfassung
Im Kapitel 7 wird eine kurze und knappe Einführung in die Regressionsanalyse von Paneldaten gegeben. Da diese Art von Daten eine Zeitdimension und eine Querschnittsdimension besitzt, können die Methoden der Querschnittsanalyse oder der Zeitreihenanalyse hier keine direkte Anwendung finden. Dieser Befund wird ausführlich erläutert und an Beispielen veranschaulicht.
Anschließend wird gezeigt, wie Gretl zwei Modellierungsansätze verwirklicht, die zur Schätzung eines Regressionsmodells herangezogen werden können: das Fixed-Effects-Modell und das Random-Effects-Modell. Es wird gezeigt, unter welcher Prämisse das eine oder das andere Modell zu bevorzugen ist.
Jürgen Malitte, Sven Schreiber

Anhang

Frontmatter
Kapitel 8. Matrixbasierte Darstellung der allgemeinen Regressionsanalyse
Zusammenfassung
Im Hauptteil des Buches erfolgt die Behandlung der Ökonometrie ohne den Rückgriff auf die Matrizenrechnung. Da diese aber in vielen Darstellungen der Regressionsanalyse einen wichtigen Stellenwert besitzt, erfolgt deren Behandlung in diesem Anhang.
Nach einer Einführung in die wichtigsten Konzepte und Begrifflichkeiten steht die Matrixbearbeitung innerhalb der Gretl-Kommandosprache im Mittelpunkt des Anhangs A. Dabei erweist sich die Verwendung der Kommandosprache und deren Angebot an matrixverarbeitenden Funktionen als besonders vorteilhaft, sodass in diesem Kapitel viele Beispiele von Kommandoskripten mit Matrixbezug angegeben werden.
Jürgen Malitte, Sven Schreiber
Kapitel 9. Übersicht der Gretl-Funktionen und Kommandos
Zusammenfassung
Im Anhang B wird eine detaillierte Übersicht der wichtigsten Gretl-Funktionen und Kommandos gegeben. Diese werden in Kategorien eingeteilt, sodass sie für den Leser/die Leserin besser auffindbar sind. So lassen sich Funktionen, die gewisse mathematische oder statistische Kennzahlen berechnen, von solchen unterscheiden, die die Verarbeitung von Zeichenketten zum Gegenstand haben. Außerdem existieren mächtige Funktionen zur Durchführung von statistischen Tests usw.
Zu jeder Funktion/jedem Kommando wird die Syntax beschrieben und durch ein Beispiel erläutert. Damit kann der Leser/die Leserin eigene Kommandoskripte erstellen und austesten.
Jürgen Malitte, Sven Schreiber
Kapitel 10. Statistische Verteilungen und Tabellen
Zusammenfassung
Anhang C beinhaltet die statistischen Tabellen der Normal-, Chi-Quadrat-, t- und F-Verteilungen. Die Präsentation erfolgt hier nicht in traditioneller tabellarischer Form, sondern es wird gezeigt, wie auf diese Tabellen über entsprechende Gretl-Dialoge innerhalb der Benutzeroberfläche zugegriffen werden kann.
Außerdem wird gezeigt, wie in Gretl die kritischen Werte der Testverteilungen von Dickey-Fuller und Engle-Granger ermittelt werden können.
Jürgen Malitte, Sven Schreiber
Kapitel 11. Verwendete Datasets
Zusammenfassung
Anhang D enthält die Bezeichnungen aller Datasets, die im Buch verwendet werden. Sie dienen dazu, die behandelten Konzepte zu verdeutlichen und dem Leser/der Leserin Material an die Hand zu geben, mit dem er/sie die Ergebnisse von Regressionsanalysen nachvollziehen kann.
Jürgen Malitte, Sven Schreiber
Backmatter
Metadata
Title
Ökonometrie verstehen mit Gretl
Authors
Jürgen Malitte
Dr. med. Sven Schreiber
Copyright Year
2019
Publisher
Springer Berlin Heidelberg
Electronic ISBN
978-3-662-58275-6
Print ISBN
978-3-662-58274-9
DOI
https://doi.org/10.1007/978-3-662-58275-6