Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Miriam Beblo, Prof. Dr. Jan Marcus (WiSO-Fakultät, UHH)

Schedule: mondays, 16:30 – 18:00 (starting 24.10.2016, bi-weekly, plus on day in January)

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 30.09.2016 (13 Uhr) via Geventis

Course description:
The course Empirical Labour Economics consists of two parts, a seminar part and a one-day workshop.

Seminar part: Participants are expected to regularly attend the researchseminar Labour Economics, which is jointly organized by the departments ofSocioeconomics and Economics as well as external research institutions andwhere external speakers are invited to present and discuss their current workon labour, family and migration issues. The seminar is held biweekly on Mondaysfrom 4.30 to 6 pm (for the programme see http://www.wiso.uni-hamburg.de/fachbereich-sozoek/professuren/beblo/04-forschung/forschungsseminar.html). Participants should hand in a written comment on one of the seminartalks (focusing on research design and implementation).

Workshop part: Toward the end of the semester the course concludes witha day-long meeting, where all participants will present their own researchideas and implementation problems, in consideration of the labour seminarpapers discussed.

Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Ulrich Fritsche (WiSo-Fakultät, UHH)

Schedule:
Di., 21.02.2017, 09:00 – 17:00 Uhr
Mi., 22.02.2017, 09:00 – 15:00 Uhr
Do., 23.02.2017, 09:00 – 17:00 Uhr
Fr., 24.02.2017, 09:00 – 15:00 Uhr

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 30.09.2016 (13 Uhr) via Geventis

Course description:
Roadmap:

1. Basics: Difference Equations, Solutions, Lag Operators
2. Stationary Time-Series Models: ARMA (p,q), ACF/PACF, Box-Jenkins
3. Identification Problems in Macroeconometrics
4. Models with Trend: Dickey-Fuller-Test, Structural Change, Panel UnitRoot tests
5. Cointegration and Error-Correction Models
6. Some Non-linear Time-Series Models

Lernziel:

Students will be enabled to apply macro econometric techniques to avariety of cases. Students are encouraged to bring their own problems and data sets to analyze them in the course.Students will be enabled to use the software RATS.

Vorgehen:

The course is a mixture of lectures, practical exercises and programmingRATS code and own empirical work.

Literatur:

Basic References:

• @1: Enders (2010), ch. 1;Kirchgässner, Wolters (2007), ch. 1.
• @2: Enders (2010), ch. 2;Kirchgässner, Wolters (2007), ch. 2.
• @3: Favero (2001), ch. 3, ch.4, ch. 6; Kirchgässner, Wolters (2007), ch. 4; Enders (2010)3, ch. 5.
• @4: Enders (2010), ch. 4;Kirchgässner, Wolters (2007), ch. 5.
• @5: Enders (2010), ch. 6;Kirchgässner, Wolters (2007), ch. 6.
• @6: Enders (2010), ch. 7.

Books:

• Walter Enders (2010): Applied Econometric Time Series, 3rd edition,Wiley.
• Carlo A. Favero (2001): Applied Macroeconometrics, Oxford UniversityPress.
• Gebhard Kirchgässner, JürgenWolters (2007): Introduction to Modern Time Series Analysis, Springer.
• RATS: www.estima.com

Zusätzliche Hinweise zu Prüfungen:

Students will work on empirical projects (either own projects or tasks defined in the course). A written documention of the empirical project will be graded.

Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Katharina Kleinen-von Königslöw (WiSo-Fakultät, UHH)

Schedule:
Do., 24.11.2016, 09:00 – 17:00 Uhr
Fr., 25.11.2016, 09:00 – 15:00 Uhr
Do., 12.01.2017, 09:00 – 17:00 Uhr
Fr., 13.01.2017, 09:00 – 15:00 Uhr

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 30.09.2016 (13 Uhr) via Geventis

Course description:
Für eine Vielzahl sozialwissenschaftlicher Fragestellungen bleibt die manuelle quantitative Inhaltsanalyse weiterhin die Methode der Wahl, weil sie die systematische Erhebung komplexerer Konzepte – wie etwa Frames, politische Claims, Diskursqualität (Deliberation) oder Nachrichtenwerte –erlaubt, die derzeit (noch?) nicht verlässlich automatisiert erfasst werden können. Ziel des Workshops ist es zunächst zu erarbeiten, wie diese Konzepte valide und reliabel mittels manueller Inhaltsanalysen erfasst werden können. Im zweiten Block steht die Auswertung inhaltsanalytischer Daten im Vordergrund,die in der statistischen Grundausbildung oft zu kurz kommt: Jenseits vonKreuztabellen, wie lassen sich z.B. Faktoren- und Clusteranalysen für dieAuswertung von Frames oder Netzwerkanalysen für die Auswertung politischerClaims nutzbar machen?

Die Veranstaltung richtet sich an Doktorierende, die einemanuelle quantitative Inhaltsanalyse von Print-, Online-, und sozialen Medienoder vergleichbaren Textsorten planen oder aber noch Anregungen für dieAuswertung ihrer vorliegenden Inhaltsanalyse-Daten suchen. Gute Kenntnisse eines statistischen Auswertungsprogramms werden dringend empfohlen, die Arbeit im Kurs erfolgt in R und/oder SPSS. Je nach Interessenslage derKursteilnehmerInnen kann auch auf Fragen der Datenakquise (Datenbanken,API-Schnittstellen etc.), der für die Codierung verfügbaren Software oder der ergänzenden (semi-)automatisierten Inhaltsanalyse besprochen werden.

Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Olaf Posch (WiSo-Fakultät, UHH)

Schedule: Freitags, 09:00 – 12:00 Uhr (ab 11.11.2016) wöchentlich

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 30.09.2016 (13 Uhr) via Geventis

Course description:
This course provides a toolbox for solving dynamic optimization problems in stochastic macroeconomic models. In particular, we briefly review optimal control theory and dynamic programming. We then thoroughly study models in discrete time and continuous time under uncertainty. The optimization problems are illustrated by various examples of dynamic stochastic general equilibrium (DSGE) models.

Course outline.

Part I: Basic mathematical tools

(i) Control theory (maximum principle, Euler equation, transversality condition)

(ii) Dynamic programming (Bellman equation, envelope theorem, multiple variables)

(iii) An example: Lucas’ model of endogenous growth

Part II: Stochastic models in discrete time

(i) Stochastic control problems

(ii) Analyzing equilibrium dynamics

(iii) An example: Real business cycles (RBC)

(iv) An example: A new Keynesian model for monetary analysis

(v) Solving dynamic equilibrium models with Dynare

Part III: Stochastic models in continuous time

(i) Stochastic differential equations and rules for differentials (Itˆo’s formula)

(ii) An example: Merton’s model of growth under uncertainty

(iii) Stochastic dynamic control problems (Bellman equation)

(iv) An example: Continuous-time RBC (under Gaussian and/or Poisson uncertainty)

(v) An example: The matching approach to unemployment

(vi) An example: Walde’s model of endogenous growth cycles

References

• Chang, F.-R. (2004): Stochastic optimization in continuous time. Cambridge Univ. Press.
• Sydsæter, K., P. Hammond, A. Seierstad, and A. Strøm (2008): Further Mathematics for Economic Analysis. Prentice Hall.
• Walde, K. (2012): Applied Intertemporal Optimization. Lecture Notes, Gutenberg University Mainz, http://www.waelde.com/aio.

Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Kai-Uwe Schnapp (WiSo-Fakultät, UHH)

Schedule: Mo., 27.02.2017, 10:00 – 16:00 Uhr

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 15.12.2016 (13 Uhr) via Genentis

Course description:
In dem eintägigen Kurs geht es darum, den TeilnehmerInnen die Grundlogik und die Grundfunktionen von LaTeX als Schreib- und Satzprogramm zu vermitteln sowie eine Reihe von Ressourcen vorzustellen, die die Arbeit mit LaTeX unterstützen können.

Folgende Elemente des Satzes mit LaTeX sollen vermittelt werden:

• grundlegende Textstruktur (Deckblatt, Inhalts- und Abbildungsverzeichnisse, Überschriften verschiedener Ebenen, Fußnoten)
• Einbindung von Tabellen, Formeln und Grafiken
• Erstellung eines Literaturverzeichnisses (entweder frei oder basierend auf der Literaturdatenbank citavi)
• erstellen von Folien mit LaTeX
• Installationshinweise zu TexLive (LaTeX-Compiler, der auf unterschiedlichen Betriebssystemen läuft) und TexStudio (Arbeitsoberfläche, aka Editor)

Zielgruppe
Der Kurs richtet sich an Personen, die Text zu schreiben haben, in denen vermehrt Formeln und andere formale Darstellungen auftauchen, oder die ein professionelles Satzprogramm kennenlernen möchten.

Sofern die Platzkapazität es zulässt, sind auch Studierende aus den Masterprogrammen gern als TeilnehmerInnen gesehen.

Lernziel
Lern- und damit Tagesziel ist es, dass die TeilnehmerInnen mit einem ersten eigenen Text „nach Hause“ gehen, der alle wesentlichen Textelemente enthält und als Vorlage für die eigene Weiterarbeit genutzt werden kann. Die TeilnehmerInnen sollten nach dem Tag soweit sein, selbst in die Textproduktion mit LaTeX einzusteigen, und alle weiteren auftauchen Probleme mit Hilfe von KollegInnen und Foren lösen zu können.

Vorgehen
Der Kurs wird im CIP-Pool durchgeführt. Wir werden Schritt für Schritt durch die Erarbeitung des in „Lernziele“ genannten Dokumentes gehen, so dass am Ende des Tages tatsächlich jede/r das erste eigene LaTeX-Dokument mit nach Hause nehmen kann.

Wir arbeiten auf den Poolrechnern mit dem Compiler TexLive (einige Details dazu im Kurs) und der Editoroberfläche TexStudio (einige Details dazu im Kurs).

Der Kurs wird aus drei Teilen zu je ca. 90 Minuten bestehen.

EIGENE RECHNER können NUR genutzt werden, WENN auf diesen Rechnern TexLive und TexStudio LAUFFÄHIG INSTALLIERT sind. Ich kann im Kurs nur Installationshinweise geben. Eine gemeinsame Installation der Programme erlaubt der zeitliche Rahmen NICHT.

Literatur
Im Kurs wird ein kurzes Dokument zur Verfügung gestellt, in dem die behandelten Befehle und Arbeitsweisen dokumentiert sind. Weitere Empfehlungen für gute Referenzen werden im Kurs gegeben bzw. sind auch in diesem Dokument enthalten.

Hinweise zur Prüfung
TeilnehmerInnen erhalten für diesen Kurs 1 Leistungspunkt. Die Vergabe des Leistungspunktes ist an die Erfüllung folgender Aufgabe geknüpft:

TeilnehmerInnen schicken mir vor Beginn des Kurses ein eigenes Dokument von ca. 5 -7 Textseiten. Dieses Dokument muss Überschriften mindestens zweier Ordnungen enthalten, mindestens eine Tabelle, mindestens eine Grafik, mindestens eine Fußnote und ein Literaturverzeichnis. Dieses Dokument ist nach dem Kurs in ein LaTeX-Dokument umzuwandeln und spätestens 4 Wochen nach dem Kurstermin als LaTeX-Dokument und als PDF abzugeben.

Institution: Graduate School at Faculty of Business, Economics and Social Sciences – Universität Hamburg

Lecturer: Prof. Dr. Kai-Uwe Schnapp (WiSo-Fakultät, UHH)

Schedule: Mo., 13.02.2017, 10:30 – 16:00 Uhr
Di., 14.02.2017, 09:00 – 15:00 Uhr
Mi., 15.02.2017, 09:00 – 15:00 Uhr
Do., 16.02.2017, 09:00 – 15:00 Uhr

Place: Universität Hamburg, further information in Geventis

Registration: You can register for the course until 15.12.2016 (13 Uhr) via Geventis

Course description:
In their education students do regularly get to know statistics to a certain extent. Ideally, some data analysis will be done with data sets ready made for teaching. The resulting knowledge of statistics differs from university to university, but usually it is sufficient for at least simple tasks in data analysis. Actually starting with an analysis of one’s own, however, all too often is a bit rocky. The reason for this being that just knowing statistics is not enough. Why is that so? Self-collected data usually do not come as ready-made as it appears in statistics classes. They need to be adapted, transformed, aggregated or disaggregated, thoroughly documented and saved in meaning- and useful partitions. This involves a large number of tiny steps and decisions in the work process. It is all too easy to lose track of what has been done when, how, why and with which result. Why has X been filtered, why has Y been aggregated the way it has been aggregated, and where does the correction in Z come from and how has it been justified? After a few days it is often not clear anymore, why a variable does now look the way it does. And be it for the reason that the seed number for some random number generator has either not even been set or at least not been saved. It gets much more inconvenient later on, when an article is ready for publication and the journal is asking for documentation or even a replication data set. Or, when an interested reader is sending an e-mail, asking politely for more detailed information on data preparation and analysis. Because it is now that the search starts for information that has been lost along the way.

Many of those problems can be avoided by a well-conceived and thoroughly developed plan for data manipulation and analysis accompanied by extensive documentation of every step in the work process. Most if not all of the things one has been doing can be kept within reach when the steps in the work process are clear (and standardized to the extent possible), and when saving and documenting becomes part of the daily routine of working with data.

This course will try to introduce students to such a working-method with data and at the same time do the first steps of data manipulation and analysis with STATA. The aim is not, however, to actually teach statistics. It is assumed that the students already have at least a basic knowledge of statistics with at least some descriptive and inferential methods known to everybody. Basic knowledge of regression analysis is mandatory.

The structure of STATA’s command language, work process and documentation will be presented. The course teaches some tricks how to achieve almost directly a publishable output. A special focus will be put on graphical output and its improvement.

You may bring your own data into the workshop. However, having data of one’s own is not required.

Learning goal
You will get to know: – STATA’s user interface – basic knowledge in data handling and data manipulation with STATA – basic knowledge of the structure and workings of STATA’s commands for data analysis – basic knowledge of how to quickly produce publishable output with STATA – basic knowledge of efficient process management and documentation using STATA

After all, the course is a language course of sorts. You will get to know STATA as a language to code your data analysis.

Approach
The course will be held in a computer lab. All steps will be demonstrated by the instructor and directly applied by the students. There will be room for free but guided exercise.

There will be a brief (90 minutes) intro into the Graphical User Interface of STATA for people who have never worked with STATA before on the first day of the course week. The course itself starts on the second day of that week, so that newbies have an afternoon’s time to achieve a little acquaintance based on the intro in the morning.

Literature
As introductory literature and a good guide book for further work I suggest Kohler/Kreuter „Data analysis using STATA“ (meanwhile in its third edition) or K/K „Datenanalyse mit STATA“ (the fourth edition from 2012 is strongly recommended).

Exam information
In order to earn credits students will have to complete a homework of about 5-15 hours (depending on individual work pace and prior knowledge) with some data manipulation and analysis, the production of some output that is (almost) ready for publication and a thorough documentation of the whole process.