Universität Wien

040690 UK Generalized Linear Model (UK) (BA) (2026S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 60 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 03.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 10.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 17.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 24.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 14.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 21.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 28.04. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 05.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 12.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 19.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 26.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 02.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 16.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 30.06. 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock

Information

Aims, contents and method of the course

Ziele:
Praxisnahe Vermittlung von fortgeschrittenen Methoden der angewandten Statistik, insbesondere von verschiedenen Regressionsmodellen. Vermitteln eines Grundverständnisses für die statistische Modellierung. Durchführung von praxisorientierten Datenanalysen mittels R.

Inhalte:
1. Verallgemeinerte lineare Modelle; Modelle für positive stetige und binomiale Zielvariablen, Zähldaten.
2. Lineare und verallgemeinerte lineare gemischte Modelle.
3. Nichtparametrische Regression.

Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.

Assessment and permitted materials

Zwei digitale Multiple-Choice-Prüfungen via Moodle am eigenen Rechner im Hörsaal (Midterm am 28.04.2026 und Endterm am 30.06.2026).

Die Verwendung von KI-Tools (z. B. ChatGPT) ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).

Minimum requirements and assessment criteria

Jede Prüfung hat 20 Multiple-Choice Fragen. Für jede richtige Antwort gibt es einen Punkt (Teilpunkte sind möglich).

Die Note ermittelt sich nach folgendem Schema: 4 ab 20 Punkten, 3 ab 25 Punkten, 2 ab 30 Punkten, 1 ab 35 Punkten.

Examination topics

Inhalte der behandelten Themen

Reading list

Dobson, A.J. (2001) An introduction to generalised linear models
Fahrmeir, L., Kneib, T., Lang, S. (2007) Regression: Modelle, Methoden und Anwendungen
Nelder, J.A, McCullagh, P. (1989) Generalised linear models


Association in the course directory

Last modified: Fr 20.02.2026 14:26