Kausalanalyse: Economics meets Data Science

TU Dortmund, Wintersemester 2026/27

Marc Justin Schmidt

2026-10-30

Willkommen zur Kausalanalyse

Diese HTML-Seite enthält alle Materialien zu der Übung des Kurses “Kausalanalyse: Economics meets Data Science” an der TU Dortmund im Wintersemester 2026/27. Alle Unterlagen werden in dem Moodle Kurs zur Verfügung gestellt und werden im Laufe des Semesters aktualisiert bzw. ergänzt.

In dieser Übung vertiefen Sie die Grundlagen der Kausalanalyse und wenden datenanalytische Methoden zur Identifikation kausaler Effekte an. Diese Übung verbindet die in der Vorlesung gelernte ökonom(etr)ische Theorie mit praktischer Anwendung in R.

Die Übung ist in die gleichen Themenblöcke aufgeteilt wie die Vorlesung, wobei jede Übungssession aus zwei Teilen besteht: Folien und Übungen.

2 von 7 Sessions freigeschaltet

Session 1: Einführung in R und RStudio

Grundlegende Erklärung der Programmiersprache R und der Entwicklungsumgebung RStudio (IDE).

🖥️ HTML 📄 PDF 📝 Aufgaben ✅ Lösungen

Diese Session ist essenziell, um die folgenden Sessions zu verstehen und die Übungen bearbeiten zu können.

Session 2: Statistische Grundlagen

Eigenschaften von Schätzern und Grundlagen der Inferenz.

🖥️ HTML 📄 PDF 📝 Aufgaben 1 ✅ Lösungen 1 📝 Aufgaben 2 ✅ Lösungen 2

Vertiefung des Verständnisses zentraler statistischer Konzepte, die für empirische Kausalanalyse notwendig sind. Im Mittelpunkt stehen die Eigenschaften von Schätzern (Erwartungstreue, Konsistenz, Effizienz), die Idee des zentralen Grenzwertsatzes sowie inferenzstatistische Verfahren wie Hypothesentests, p-Werte und Konfidenzintervalle.

Datensatz: students_performance.csv

Session 3: Potential Outcomes Framework

Counterfactuals und durchschnittliche kausale Effekte als theoretisches Fundament.

Wird bald freigeschaltet

Session 4: Regression

Regression als lineare Approximation der CEF (unter CIA).

Wird bald freigeschaltet

Session 5: Directed Acyclical Graphs

DAGs zur Darstellung kausaler Annahmen und Identifikation (Backdoor).

Wird bald freigeschaltet

Session 6: Empirische Strategien

Instrumentenvariablen und Differenz-von-Differenzen Ansatz zur Auflösung von Endogenität.

Wird bald freigeschaltet Wird bald freigeschaltet

Session 7: Probeklausur

Beispielhafte Darstellung der anstehenden Klausur zur besseren Vorbereitung.

Wird bald freigeschaltet

Session X: Freiwilliges Projekt

Eigenständige Replikation oder Analyse eines empirischen Forschungsprojekts.

🖥️ HTML 📄 PDF

Auswahl eines Papers mit zugänglichem Datensatz und eigenständige Umsetzung in R. Eigene Projektvorschläge sind willkommen.

Literatur

Bei Fragen oder Unklarheiten zu den Themen der Vorlesung und/oder der Übung ist es oft hilfreich sich weiterführende Literatur und alternative Erklärungen anzusehen. Hier einige Empfehlungen:

Hauptliteratur

  • Angrist, J. D., & Pischke, J. S. (2008) – Mostly Harmless Econometrics: An Empiricist’s Companion. Mostly Harmless Econometrics.
  • Angrist, J. D. and Pischke, J.-S. (2014) – Mastering ’Metrics: The Path from Cause to Effect.
  • Cunningham, S. (2021) – Causal Inference: The Mixtape. Causal Inference: The Mixtape.
  • Huntington-Klein, N. (2021) – The Effect: An Introduction to Research Design and Causality. The Effect Book.
  • Morgan, S. L. and Winship, C. (2014) – Counterfactuals and Causal Inference: Methods and Principles for Social Research.

R-Programmierung

  • Fahrmeir, L.; Heumann, C.; Künstler, R.; Pigeot, I; Tutz, G. (2016) – Statistik: Der Weg zur Datenanalyse. Universitätsbibliothek.
  • Wickham, H. (2019) – Advanced R. Advanced R.
  • Wickham, H., & Grolemund, G. (2017) – R for Data Science. R for Data Science.

Lernstrategie

Probleme werden Teil des Lernprozesses sein (insbesondere beim Programmieren). Nicht verzweifeln! Hier einige Tipps:

  • Nutzen Sie die Hilfe-Funktionen in R (?function)
  • Konsultieren Sie Stack Overflow oder Online-Ressourcen für spezifische Probleme oder Fragen
  • Arbeiten Sie mit Kommilitonen zusammen
  • Verwenden Sie Large Language Models (z.B. ChatGPT) für Erklärungen und Code-Beispiele (Vorsicht: nicht blind übernehmen! Programmierkenntnisse sind essenziell.)
  • Nutzen Sie die Sprechstunden

Kontakt

Marc Justin Schmidt

Viel Erfolg beim Lernen der Kausalanalyse!

Danke an Sven Werenbeck-Ueding (Ruhr-Universität Bochum) für Teilskripte!

Impressum

Marc Justin Schmidt · TU Dortmund, Fakultät Wirtschaftswissenschaften, Lehrstuhl Mikroökonomie
marcjustin.schmidt@tu-dortmund.de
Verantwortlich für den Inhalt: Marc Justin Schmidt