Modul: Management-Methodik II (5301-440)

Personen:

• Prof. Dr. Alfonso Sousa-Poza (verantwortlich)

Studiengang:

• Agribusiness (bis Studienbeginn 2018) (Master, PO vom 01.10.2014)
  3. Semester, Wahl
• Agribusiness (ab Studienbeginn SS 2019) (Master, PO vom 01.04.2019)
  3. Semester, Wahl
• Bioeconomy (Master, PO vom 01.10.2014)
  3. Semester, Wahl
• Bioeconomy (Master, PO vom 01.10.2014)
  1. Semester, Wahl
• Bioeconomy (ab WS 16/17) (Master, PO vom 01.04.2017)
  3. Semester, Wahl
• Bioeconomy (ab WS 16/17) (Master, PO vom 01.04.2017)
  1. Semester, Wahl
• Master für das wirtschaftswissenschaftliche Lehramt (Master, PO vom 01.10.2009)
  1. Semester, Pflicht
• Management (Erstzulassung WS 16/17) (Master, PO vom 01.10.2016)
  1. Semester, Pflicht
• Management (Erstzulassung WS 17/18) (Master, PO vom 01.10.2016)
  1. Semester, Pflicht
• Master für das wirtschaftswissenschaftliche Lehramt (Master, PO vom 01.10.2016)
  1. Semester, Pflicht

Bezug zu anderen Modulen:

Quantitative Methoden 1, Quantitative Methoden 2, Quantitative Methoden 3 (B.Sc.)

Teilnahme­vorraussetzungen:

Ansätze der deskriptiven Datenanalyse, Grundlagen der Wahrscheinlichkeitstheorie, das Konzept von Zufallsvariablen und ihrer Verteilung, inferenzstatistische Schätz- und Testansätze sind bekannt.

Sprache:

englisch

ECTS:

4 credits

Angebotshäufigkeit:

jedes WS

Dauer des Moduls:

1 Semester

Prüfungsleistung:

Klausur

Prüfungsdauer:

60 Minuten

Arbeitsaufwand:

120 Stunden: 42 Stunden Präsenzstudium 78 Stunden Selbststudium

Fachkompetenzen:

Die Studierenden kennen einige der gängigsten Verfahren der multivariaten Datenanalyse. Aufbauend auf Fähigkeiten aus dem ersten Hochschulstudium / Bachelor können die Studierenden die Ergebnisse wesentlicher multivariater Analysemethoden verstehen und interpretieren. Das Modul vermittelt, wie sich schwierige statistische/ökonometrische Konzepte in ihre wesentlichen Bestandteile zerlegen lassen und welche Erkenntnisse sich aus deren Ergebnisse ableiten lassen. Sie sind in der Lage Analysemethoden wie multiple Regression, Faktorenanalyse oder logistische Regression geeignet zum Einsatz zu bringen und die Ergebnisse zu interpretieren.

Anmerkungen:

Vorlesungen werden auf Englisch stattfinden.

Lehrveranstaltungen