Aktuelle und ausgewählte Rechtsfragen im Zusammenhang mit der Thematik der
Digitalisierung; Fokus: Privatrecht; Bewerbungen per Mail bis 31.03.2023, Prüfungsanmeldung bis 20.04.2023, Themenvergabe zentral am 20.04.2023 über Moodle-Kurs
Die Studierenden befassen sich innerhalb der Veranstaltung intensiv mit dem von ihnen ausgewählten Thema und erarbeiten dieses im Rahmen einer ausführlichen wissenschaftlichen Ausarbeitung. Im Fokus der Veranstaltung stehen hochaktuelle Themen und Forschungsfragen, wodurch die Studierenden nicht nur mit Blick auf die spätere Berufspraxis lernen, wie sie sich selbständig in Probleme ein- und Lösungen erarbeiten (hier mit dem Fokus rechtlicher Fragen der Digitalisierung im Bereich des Privatrechts). Durch die umfangreichere wissenschaftliche Ausarbeitung erlangen die Studierenden darüber hinaus wertvolle Fähigkeiten bei der Anfertigung wissenschaftlicher Texte, vornehmlich mit Blick auf ihre Masterthesis.
Econometrics helps to estimate the relationships between economic events. We will discuss which methods we can use to estimate these relationships and what are the underlying assumptions of these methods
The aim of this course is to introduce students to empirical methods in economics. The goals of the course are to explain (1) which methods one can use to estimate the relationship between economic events, (2) assumptions of these methods, and (3) how to use these methods.
During the lectures you will learn:
- What are the key concepts in probability and statistics?
- Why and when to use maximum likelihood methods?
- What are the assumptions of the linear regression?
- How to provide hypothesis testing?
- When to use the non-linear regressions?
- What are the assumptions of multiple regressions model?
- How to provide joint-hypothesis testing?
- Why and when to use Bootstrapping?
- Why and when to use Machine Learning?
- Why and when to use Bayesian methods?
During the seminars you will learn:
- How to use statistical package R
- How to work with data sets
- How to provide a statistical analysis
- How to interpret and present your results
Prerequisites: Probability Theory
Preferred previous courses: Statistics, Econometrics, Programming in R
Course Structure
- Review of Probability and Statistics
- Review of Maximum Likelihood and Method of Moments
- Review of Linear Regression
- Review of Models with Multiple Regressors
- Bootstrap
- Bayesian methods
- Machine Learning