Advanced Business Econometrics

Ziel des Kurses ist es, Doktoranden eine Einführung in und einen Überblick über die neuesten Discrete-Choice-Methoden in der Wirtschafts- und Marketingforschung zu geben. Forscher verwenden diese statistischen Methoden, um die Entscheidungen zu untersuchen, die Verbraucher, Haushalte, Unternehmen und andere Akteure treffen. Jedes der Haupt­modelle wird abgedeckt: logit, generalisierter Extremwert (einschließlich verschachtelter und verschachtelter Logits), probit und mixed logit sowie eine Vielzahl von Spezifikationen, die auf diesen Grundlagen aufbauen. Simulations­unterstützte Schätz­verfahren werden untersucht und verglichen, einschließlich der maximalen simulierten Wahrscheinlichkeit, der Methode der simulierten Momente und der Methode der simulierten Werte. Der Kurs behandelt auch Verfahren für Endogenitäts- und Erwartungs­maximierungs­algorithmen. Die Teilnehmer werden eine Vielzahl von Artikeln und Fall­studien studieren, die die Anwendung solcher Modelle auf reale Geschäftsphänomene demonstrieren.

Die Vorlesungen zum Thema „Advanced Business Econometrics“ decken folgende Themen ab:

• Properties of Discrete Choice Model 
• Logit Model
• Numerical Maximization 
• Nested Logit 
• Probit Model
• Mixed Logit
• Conditional Distributions of Individual-level Parameters
• Endogeneity: BLP, Control functions, Latent Instruments

• Ben-Akiva M. and D. Bolduc (1996): „Multinomial Probit with a Logit Kernel and a General Parametric Specification of the Covariance Structure,“ working paper. 
• Berry, S. (1994): „Estimating Discrete Choice Models of Product Differentiation,“ The Rand Journal of Economics, Vol. 25, No. 2, pp. 242–262.
• Berry, S., A. Pakes, and J. Levinsohn (1995): „Automobile Prices in Equilibrium,“ Econometrica,Vol. 63, No. 4, pp. 841–890.
• Berry, S., A. Pakes, and J. Levinsohn (2004): „Differentiated Products Demand Systems from a Combination of Micro and Macro Data: The New Vehicle Market,“ Journal of Political Economy, Vol. 112, No. 1, pp. 68–105.
• Brownstone D. and K. Train (1998/99): „Forecasting New Product Penetration with Flexible Substitution Patterns,“ Journal of Econometrics, Vol. 89, No. 1–2, pp. 109–129
• Hausman,  J. and D. Wise, „A Conditional Probit Model for Qualitative Choice: Discrete Decisions Recognizing Interdependence and Heterogenous Preferences,“ Econometrica, Vol. 48, No. 2, pp. 403–426.
• Lerman S. and C. Manski (1981): „On the Use of Simulated Frequencies to Approximate Choice Probabilities,“ in C. Manski and D. McFadden (eds.), Structural Analysis of Discrete Data with Econometric Applications, Cambridge, MA, MIT Press, 1981.
• McFadden,  D. (1978): „Modeling the Choice of Residential Location,“ [PDF] in A. Karlquist, et al. (eds.), Spatial Interaction Theory and Planning Models, Amsterdam, North-Holland Publishing Company.
• McFadden,  D. (1994): „Conditional Logit Analysis of Qualitative Choice Behavior,“ [PDF] in P. Zarembka (ed.), Frontiers of Econometrics, New York, NY, Academic Press.
• McFadden D. and K. Train (2000): „Mixed MNL Models of Discrete Response,„Journal of Applied Econometrics, Vol. 15, No. 5, pp. 447–470
• Park S. and S. Gupta (2009): „A Simulated Maximum Likelihood Estimator for the Random Coefficient Logit Model Using Aggregate Data,“ Journal of Marketing Research,Vol. 46, No. 4, pp. 531–42. 
• Petrin A. and K. Train (2010): „A Control Function Approach to Endogeneity in Consumer Choice Models,“ Journal of Marketing Research,Vol. 47, No. 1, pp. 3–13.
• Revelt  D. and K. Train (1998): „Mixed Logit with Repeated Choices,“ Review of Economics and Statistics, Vol. LXXX, No. 4, pp. 647–657.
• Ruud, P. (2000): An Introduction to Classical Econometric Theory, New York, Oxford University Press.
• Staelin, Richard (1994): How to Write Readable Papers for Marketing Science
• Train,  K. (1978): „A Validation Test of a Disaggregate Mode Choice Model,“ Transportation Research, Vol. 12, pp. 167–174. 
• Train,  K. (1986): „Qualitative Choice Analysis“, Cambridge, MA, MIT Press.
• Train, K., D. McFadden, and M. Ben-Akiva (1987): „The Demand for Local Telephone Service: A Fully Discrete Model of Residential Calling Patterns and Service Choices,“ RAND Journal of Economics, Vol. 18, No. 1, pp. 109–123.
• Train  K. and M. Weeks (2005): „Discrete Choice Models in Preference Space and Willingness-to-pay Space,“ in Applications of Simulation Methods in Environmental and Resource Economics, R. Scarpa and A Alberini, eds., Springer, Dordrecht.
• Train K. and C. Winston (2007): „Vehicle Choice Behavior and the Declining Market of US Automakers,“ Internatinal Economic Review, Vol. 48, No. 4, pp. 1469-1496.
• Train, K. E. (2009): „Discrete Choice Methods with Simulation“, Cambridge, Second Edition. The book can be downloaded from http://eml.berkeley.edu/books/choice2.html
• Walker, J., M. Ben-Akiva, and D. Bolduc (2007): „Identification of Parameters in Normal Error Component Logit Mixture (NECLM) Models,“ Journal of Applied Econometrics, Vol. 22, pp 1095-1025.