Tag Archives: Graduate School

Graduate School der Uni Hamburg: Estimation and Solution of DSGE Models – Application to Labor Search Models

Institution: Graduate School der Universität Hamburg

Dozent: Dr. Alexander Meyer-Gohde

Datum und Zeitplanung:

  • 06.01.2015 , 14:00 – 18:00 Uhr
  • 13.01.2015 , 16:00 – 18:00 Uhr
  • 20.01.2015 , 14:00 – 18:00 Uhr
  • 27.01.2015 , 14:00 – 18:00 Uhr

Ort: Universität Hamburg, Raum: B 537, VMP 9

Unterrichtssprache: Englisch

Beschreibung:

Die detaillierte Beschreibung zu dem Kursangebot “Estimation and Solution of DSGE Models: Application to Labor Search Models” finden Sie unter dem folgenden Link: DSGE_Course_Handout

Anmeldung:

Anmeldungen sind ab sofort bis zum 19.12.14 über Geventis https://www.geventis.uni-hamburg.de möglich.

 

Universität Hamburg – Doktorandenkurs: Anwendungen der Komplexitätstheorie auf Probleme in den Wirtschaftswissenschaften, insbesondere aus dem BWL-Bereich Operations & Supply Chain Management

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Prof. Dr. Wolfgang Brüggemann

Termin(e): 1. Hälfte wöchentlich; 2. Hälfte Blockveranstaltung

Lehrveranstaltungsart: 1. Hälfte Vorlesung; 2. Hälfte seminarähnliche Projektarbeit

Raum:

Semester-Wochen-Stunden:

Unterrichtssprache: Deutsch und Englisch

Zielgruppe: BWL mit Interesse an der numerischen Lösung von Optimierungsproblemen

Beschreibung:

Qualifikationsziele: Die Teilnehmer sollen am Ende des Kurses die in ihrer eigenen Forschungsarbeit auftretenden Probleme fehlerfrei mit den Methoden der Komplexitätstheorie analysieren können und ggf. Unterschiede hinsichtlich der Eignung verschiedener Modellierungsansätze aus dieser theoretischen Perspektive erkennen können und als Motivation zur Konzeption neuer Ansätze nutzen.

Inhalte:

  • Grundideen der Komplexitätstheorie
  • Klassische Anwendungen im O&SCM-Bereich
  • Analyse typischer Fehler bei der modellbasierten Untersuchung der Komplexität von wirtschaftswissenschaftlichen Problemen
  • Minimale Modelle
  • Anwendung auf aktuelle Probleme

Voraussetzungen für die Teilnahme: Idealerweise bringen die Teilnehmerinnen und Teilnehmer (gemischt-ganzzahlige) Optimierungsprobleme aus ihrer eigenen Forschungsarbeit mit, die sie auf ihre Komplexität untersuchen wollen oder auch schon untersucht haben. Vorkenntnisse im Umfang etwa aus der BWL-Master-Vorlesung „Vertiefungen zum Operations Research“ sind hilfreich, aber nicht zwingend erforderlich.

Art, Voraussetzungen und Sprache der Modulprüfung: Die Modulprüfung besteht aus einem schriftlichen Bericht über die Analyse der Komplexität eines eigenen (oder vom Veranstalter vergebenen) Problems

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Metaheuristics and Mathematical Programming

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Stefan Voß

Termin(e):
3-Tage-Block ca. Ende Nov./Anfang Dez. 2012
Plus Metaheuristics-Tagung am 28.02.-01.03.2013

Lehrveranstaltungsart: Workshop

Raum: n.a.

Semester-Wochen-Stunden: 2

Unterrichtssprache: englisch

Zielgruppe: Whoever is interested. PhD or advanced master students in business administration, economics, information systems, mathematics, civil engineering and alike.

Beschreibung:
Metaheuristics support managers in decision making with robust tools providing high quality solutions to important problems in business, engineering, economics and science in reasonable time horizons. While finding exact solutions in these applications still poses a real challenge despite the impact of recent advances in computer technology and the great interactions between computer science, management science / operations research and mathematics, (meta-) heuristics still seem to be the methods of choice in many (not to say most) applications. In this course we give some insight into the state of the art of metaheuristics. This focuses on the significant progress regarding the methods themselves as well as the advances regarding their interplay and hybridization with exact methods.

Basically, a metaheuristic is a top-level strategy that guides an underlying heuristic solving a given problem. That is, a metaheuristic is an iterative master process that guides and modifies the operations of subordinate heuristics to efficiently produce high-quality solutions. It may manipulate iteratively a complete (or incomplete) single solution or a collection of solutions. The subordinate heuristics are, e.g. high- (or low-) level procedures, simple local search, or just a construction method. Metaheuristics may use learning strategies to structure information in order to find optimal or near-optimal solutions efficiently.

Assuming a given problem, the goal is to find an optimal or at least a high-quality solution.

Each problem is associated with a solution space containing all feasible solutions according to the restrictions of the problem. One way of finding an optimal solution could be the search through all solutions and selecting the best one. Unfortunately, the size of the solution space is too large to accomplish all comparisons within a realistic time span and, therefore, heuristic methods have to be applied that limit the search on interesting areas of the solution space.

Well-known examples of metaheuristics are, e.g., simulated annealing, genetic algorithms, ant systems and tabu search.

In this course we learn about the basics of metaheuristics (What are metaheuristics? Why do we need them? What are the basic ingredients? How could we implement them? How could they be applied in different settings? etc.). Moreover, we are going to discuss the use of metaheuristics in different problem domains, let it be in computational logistics, telecommunications, production planning, marketing plus other domains the students might be interested in. Interest given, we could extend into hybridization with other types of methods like simulation, mathematical programming and alike.

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Advanced Bayesian Econometrics

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Mu-Chun Wang

Termin(e):
31.01. und 01.02.2013, 10.00 – 18.00 Uhr

Lehrveranstaltungsart: Block

Raum: n.a.

Semester-Wochen-Stunden: 1

Unterrichtssprache: englisch

Zielgruppe: n.a.

Beschreibung:
General Information
The objective of the course is to provide students state of the art tools in Bayesian econometrics for their own research ideas and projects in economics and other social sciences. Participants of the course are expected to have fundamental knowledge in Bayesian econometrics. Notice that there is an introductory course “Bayesian Econometrics” for master students during this semester. Participants are expected to be proficient in statistical and/or mathematical programing languages like MATLAB.

Course Logistics

Course References

  • „Bayesian Econometrics“, Gary Koop, Wiley, 2003
  • „Contemporary Bayesian Econometrics and Statistics“, John Geweke, Wiley, 2005
  • „Monte Carlo Statistical Methods“, Christian P. Robert and George Casella, Springer, 2004

Course Outline

1. Vector Autoregression
2. DSGE Models
3. Models with Time-Varying Parameters and Regime Switching
4. Dynamic Games and Discrete Choice Models
5. Marginal Likelihood Computation and Predictive Checks
6. Inferences on Markov Chain Monte Carlo

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Fallauswahl und komparative Methoden in den Sozialwissenschaften

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Cord Jakobeit

Termin(e):
18.01. und 25.01.2013, 09.00 – 17.00 Uhr

Lehrveranstaltungsart: Block

Raum: n.a.

Semester-Wochen-Stunden: 1

Unterrichtssprache: deutsch oder englisch

Zielgruppe: Sozialwissenschaften /Politikwissenschaft

Beschreibung:
Im Rahmen des Workshops geht es um Fragen der Fallauswahl und des Vergleichsdesigns. Ausgehend von einer theoretischen Einführung über Vor- und Nachteile, Funktionen und häufige Fehler des bzw. im Vergleichsdesign wird an Beispielen bzw. Vorschlägen aus dem Kreis der TeilnehmerInnen über Fallauswahl informiert und diskutiert. Es geht darum, in der Phase der Festlegung des Forschungsdesigns Fehler zu vermeiden und Festlegungen zu treffen, die dem Spannungsverhältnis von optimalem Design und forschungspraktischen Erwägungen gerecht werden. Wir klären grundsätzliche Fragen – warum vergleichen wir, was ist vergleichbar, was nicht etc. – und arbeiten gemeinsam an einer Verbesserung der Fallauswahl und des Forschungsdesigns der Projekte der TeilnehmerInnen.

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Discrete Choice Experiments

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Thorsten Teichert

Termin(e):
25.11.2012, 11.00 – 19.00 Uhr
26.11.2012, 10.00 – 18.00 Uhr

Lehrveranstaltungsart: Workshop

Raum: n.a.

Semester-Wochen-Stunden: 1

Unterrichtssprache: englisch

Zielgruppe: BWL/VWL/Sozialwissenschaften/Sozialökonomie

Beschreibung:

Seminar Objectives:

Discrete choice experiments are a research method which is widely applied in the areas of management, consumer research and economic evaluation to estimate metric preference functions from choice input data. The goal of this research workshop is to give insights into newest developments of this method. Topics covered include: A tutorial on traditional conjoint – Choice context effects – Latent class – Hierarchical Bayes – Best-Worst Scaling

The workshop is oriented towards the exchange of research ideas, advanced concepts as well as preliminary and final research findings. There will be time for open discussion related to your research work.

Cornerstones:

DAY 1:
A tutorial on conjoint experiments: We will trace the versions of conjoint from its analytic roots to choice-based conjoint that is the standard in business. We will show how to use project individual-level results to a population using simulators.

Experimental Design techniques: Deriving designs from orthogonal arrays is an elegant way to generate conjoint design. You will learn how to quickly easily generate a design that is, if not optimal, robustly good for a particular application.

DAY 2:
Segmentation and Latent class: Latent class models are a finite mixture application for discrete choice experiments. They account for heterogeneity by positing a number of classes of “latent” respondents reflecting groups of people with similar values same way.

Hierarchical Bayes: Hierarchical Bayes has revolutionized the assessment of value functions. We examine why it works and explore other applications of Bayesian estimation in preference assessment.

Context effects: We examine the lessons from research from the last 20 years on the asymmetric dominance effect. What has been learned about the choice process? How large is the effect? How can the effect be parametrically modelled? What should be done to account for the effect in commercial studies?

Methods and Applications Revisited: As a synopsis of our workshop, we compare the different approaches and their contributions in specific application contexts. We investigate the emerging possibilities of applying Best-Worst Scaling Techniques. We discuss practical issues as survey and software issues.

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Einführung in das Sozio-oekonomische Panel (SOEP)

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Thomas Siedler

Termin(e):
14.12.2012, 10.00 – 19.00 Uhr
15.12.2012, 10.00 – 19.00 Uhr

Lehrveranstaltungsart: Workshop

Raum: WP A507

Semester-Wochen-Stunden: 1

Unterrichtssprache: deutsch

Zielgruppe: DoktorandInnen der Sozialwissenschaften und Ökonomie

Beschreibung:
Das SOEP ist eine seit 1984 laufende jährliche Wiederholungsbefragung von Personen und Haushalten in Deutschland. In der ersten Welle in Westdeutschland wurden über 12,000 Personen in etwa 6,000 Haushalten befragt. Im Jahre 1990 wurden in Ostdeutschland die ersten Befragungen mit 6,014 Personen durchgeführt. Das SOEP deckt insbesondere die folgenden Themengebiete ab: Erwerbsbeteiligung und berufliche Mobilität, Einkommen, Erwerbs- und Familienbiographien, Gesundheit, subjektives Wohlbefinden, gesellschaftliche Partizipation und Zeitverwendung, Bildung, Haushaltszusammensetzung und Wohnsituationen, Familie und soziale Netzwerke. Die Veranstaltung gibt einen detaillierten Überblick über den Aufbau und die Struktur des SOEP. In praktischen Übungen lernen die Teilnehmer/innen Analysemöglichkeiten mit Längsschnittdaten kennen und es werden verschiedene Schätzmethoden mit Paneldaten vorgestellt.

Zielgruppe: Die Veranstaltung richtet sich insbesondere an Doktorand/innen die an einer anwendungsbezogenen Einführung in das Arbeiten mit Längsschnittdaten interessiert sind und das SOEP oder andere Paneldaten für empirische Analysen nutzen möchten

Vorkenntnisse: In den praktischen Lehreinheiten wird ausschließlich die Statistik-Software Stata verwendet. Teilnehmer/innen ohne Stata-Kenntnisse wird dringend geraten, sich zuvor mit der Software vertraut zu machen. Eine gute Einführung in Stata gibt das Buch von Kohler und Kreuter (2008).

Referenzen: Kohler, U. und Kreuter, F. (2008), Datenanalyse mit Stata: Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. Oldenbourg Wissenschaftsverlag.

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg – Doktorandenkurs: Einführung in die Mehrebenenanalyse (mit Stata)

Institution: Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg

Studiengang: Promotionsstudiengang

Dozent/in: Natascha Nisic

Termin(e):
10.01. und 17.01.2013, 09.00 – 17.00 Uhr
11.01. und 18.01.2013, 09.00 – 15.00 Uhr

Lehrveranstaltungsart: Workshop

Raum: n.a.

Semester-Wochen-Stunden: 2

Unterrichtssprache: deutsch

Zielgruppe: Sozialwissenschaften (Soziologie, VWL, BWL, etc.)

Beschreibung:
Der Kurs gibt eine Einführung in die Mehrebenenanalyse bzw. Analyse hierarchischer Daten (auch multilevel analysis, mixed models, hierarchical (linear) models). Eine solche Datenstruktur liegt insbesondere dann vor, wenn einzelne Beobachtungen nicht unabhängig sind, sondern jeweils einem übergeordneten Kontext angehören (z.B. Schüler in verschiedenen Schulklassen, Arbeitnehmer in Unternehmen, Befragte unterschiedlicher Länder). Neben der Vermittlung notwendiger methodischer und statistischer Grundlagen liegt der Schwerpunkt des Workshops auf der anwendungs- und praxisorientierten Umsetzung mehrebenenanalytischer Fragestellungen mithilfe der Statistiksoftware Stata (hands-on). Im Mittelpunkt stehen lineare Modelle, es werden jedoch auch weiterführende Ansätze und Anwendungen der Analyse hierarchischer Daten behandelt (nicht-lineare Modelle, Panelanalyse). Die Teilnehmer können gerne eigene mehrebenenanalytische Fragestellungen und Forschungsvorhaben im Kurs zur Diskussion stellen.

Voraussetzung für die Teilnahme sind (solide) Kenntnisse multivariater Regressionsverfahren (OLS) sowie Erfahrung im Umgang mit statistischen Auswertungsprogrammen (Stata-Kenntnisse sind von Vorteil, aber nicht zwingend).

Anmeldung über die Graduate School der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg (Dr. Ulf Beckmann)

Universität Hamburg: Doktorandenworkshop “Qualitative Comparative Analysis and Fuzzy Sets” am 29. und 30.05.2012

Workshop-Thema: “Qualitative Comparative Analysis and Fuzzy Sets”

Dozent: Dr. Claudius Wagemann (Istituto italiano di scienze umane (SUM), Florence)

Zeit: Di. 29.05. bis Mi. 30.05.2012

Ort: Universität Hamburg, Fakultät Wirtschafts- und Sozialwissenschaften Welckerstraße 8, Raum 2.18

Leistungspunkte: 2 Leistungspunkte bei erfolgreicher Teilnahme

Unterrichtssprache: deutsch

Anmeldefrist: 19. April bis 02. Mai 2012 (per Mail bei der Graduate School-Geschäftsstelle, siehe Anmeldeformular)

Terminplan:
Di., 29.05.12: 09:00 – 15:00 Uhr (1 Stunde Mittagspause)
Mi., 30.05.12: 09:00 – 12:00 Uhr

Workshop Outline

Universität Hamburg: Doktorandenworkshop “Behavioral Public Choice” vom 21.-25.05.2012

Workshop-Thema: “Behavioral Public Choice”

Dozent: Prof. Rebecca Morton (New York University, USA)

Zeit: Mo. 21.05. bis Fr. 25.05.2012

Ort:
Universität Hamburg, Fakultät Wirtschafts- und Sozialwissenschaften, Von-Melle-Park 5, Raum 5017

Leistungspunkte: 3 Leistungspunkte bei erfolgreicher Teilnahme

Unterrichtssprache: englisch

Anmeldefrist: 19. bis 30. April 2012 (per Mail bei der Graduate School-Geschäftsstelle, siehe Anmeldeformular)

Terminplan:
Mo., 21.05.12: 09:00 – 12:30 Uhr
Di., 22.05.12: 09:00 – 12:30 Uhr
Mi., 23.05.12: 09:00 – 12:30 Uhr
Do., 24.05.12: 09:00 – 12:30 Uhr
Fr., 25.05.12: 09:00 – 12:30 Uhr

Workshop Outline