AIM OF THE LECTURE
The aim is for students to understand the history of economic doctrines. After active participation in the module, students are able to identify and critically reflect on strands of argumentation of different economic theories from the past and present. Furthermore, they are able to explain historical controversies of economic thinking. They are able to evaluate current economic policy developments on the basis of theoretical-historical considerations and to draw economic policy conclusions.
COURSE REQUIREMENTS
There are no specific course requirements.
LITERATURE
Alessandro Roncaglia, The Wealth of Ideas (Cambridge, 2005)
Robert B. Ekelund and Robert F. Hébert, A History of Economic Theory and Method, 6th edition (Long Grove, Ill., 2013)
Murray N. Rothbard, Economic Thought Before Adam Smith and Classical Economics (Auburn, Ala., 1995)
- Trainer/in: Kristoffer Mousten Hansen
Modulverantwortliche: Prof. Dr. Bernd Süßmuth
Anzeige im Stundenplan:
Dauer: 1
Anzahl Wahlkurse: 0
Credits: 5,0
Startsemester: SoSe 2022
Ziele:
Die Studierenden können den Wirtschaftskreislauf und die Konzepte der Volkswirtschaftlichen Gesamtrechnungen (VGR) benennen und beschreiben. Sie sind in der Lage sachgerechte makroökonomische Analysen – insbesondere Konjunktur, Struktur- und Produktivitätsanalysen – durchzuführen. Darüber hinaus können sie vorliegende makroökonomische Analysen bewerten und einordnen.
Inhalt:
Ziele und Grundlagen der VGR, Inlandsproduktberechnung: Entstehung, Verteilung und Verwendung, Anwendungen der VGR, Satellitensysteme und Wohlfahrtsmessung
Teilnahmevoraussetzungen:
Bachelor of Science Wirtschaftswissenschaften: Teilnahme am Modul Makroökonomik (07-101-3101)
Literaturangabe:
Hinweise zu Literaturangaben erfolgen in den Lehrveranstaltungen.
Turnus:
jedes Sommersemester
- Trainer/in: Wolf-Dietmar Speich
Zielgruppe und Voraussetzungen
Zielgruppe des Moduls sind Studierende wirtschaftswissenschaftlicher Masterstudiengänge und des Studiengangs M.Sc. Data Science mit Interesse an quantitativer Marketingforschung, Knowledge Discovery in Databases, Business Intelligence sowie empirischer Wirtschaftsforschung.
Vorausgesetzt werden gute Kenntnisse in Wahrscheinlichkeitsrechnung, Statistik und linearer Algebra.
Inhalt
- Multivariate Daten
- Dimensionsreduktion: Hauptkomponenten- und Faktoranalyse
- Clusteranalyse
- Diskriminanzanalyse und multivariate Varianzanalyse
- Entscheidungsbäume
- Künstliche Neuronale Netze
- Assoziationsanalyse
- Trainer/in: Roland Schuhr