#NUElectures: Antrittsvorlesung von Prof. Dr. Dovern und Abschiedsvorlesung von Prof. Dr. Klein
Erstmalig im Jubiläumsjahr der WiSo angeboten, stellen Forschende der WiSo bei den #NUElectures innovative Wissenschaft erlebbar, verständlich und spannend an ganz unterschiedlichen Orten in der Stadt wie beispielweise dem JOSEPHS, auf AEG, im NMN, im ZOLLHOF und im GNM vor. Die 14 #NUElectures bündeln im Jubiläumsjahr Antrittsvorlesungen, allgemeine Vorlesungen sowie Abschiedsvorlesungen einer Vielzahl von Professorinnen und Professoren des Fachbereichs Wirtschafts- und Sozialwissenschaften.
In der kommenden #NUElecture am 8. Juli 2019 im JOSEPHS widmet sich Prof. Dr. Dovern in seiner Antrittsvorlesung dem Thema „Dissens über die Zukunft: Heterogenität makroökonomischer Erwartungen“.
Makroökonomische Erwartungen – zum Beispiel über Inflation oder Wirtschaftswachstum – sind für viele Entscheidungen von größter Bedeutung. So beispielsweise für die Zinsentscheidungen der EZB, die Planung der Sozialversicherungssysteme, Investitionsentscheidungen von Firmen, Lohnverhandlungen oder die private Altersvorsorge.
Insofern ist es kein Zufall, dass Erwartungen spätestens seit dem Werk von John M. Keynes eine zentrale Rolle in allen makroökonomischen Modellen spielen. Wie genau solche Erwartungen gebildet werden und wie sie modelliert werden sollten, ist aber auch heute noch höchst umstritten.
8. Juli 2019 // 17:00 – 18:30 Uhr, JOSEPHS, Karl-Grillenberger-Straße 3, 90402 Nürnberg
In der gleichen Woche, am 10. Juli 2019, präsentiert Prof. Dr. Klein in seiner Abschiedsvorlesung im Haus des Spiels das Thema „Zur Bedeutsamkeit empirischer Befunde: Signifikanz in Zeiten von Big Data“.
Das Wörtchen „signifikant“ hat Konjunktur. Signifikanz – das ist das Siegel, das wissenschaftliche Artikel brauchen, um glaubwürdig zu sein. Liefert ein Experiment ein signifikantes Ergebnis, dann wird daraus häufig geschlossen, dass die hinter der Arbeit stehende Hypothese mit hoher Wahrscheinlichkeit korrekt ist. Aber um die Aussagekraft eines Ergebnisses beurteilen zu können, reicht die Signifikanz alleine nicht aus. Ein typisches Ergebnis aus statistischen Erhebungen lautet beispielweise „Eine gute Abiturnote führt im Durschnitt zu einer signifikant besseren Punktzahl in einer Klausur“. Diese Aussage entstammt der Anwendung eines statistischen Tests und wird getroffen mittels des sog. p-Wertes. Wenn der kleiner ist als z.B. 5% wird das obige Ergebnis als richtig akzeptiert. p-Werte haben aber das Problem, dass sie beliebig klein werden können, wenn nur der Stichprobenumfang ausreichend erhöht wird. Für große Datensätze, also Big Data, scheint somit jede noch so kleine Differenz plötzlich signifikant zu werden.
Der Eintritt der Lectures ist immer frei, für einen angenehmen Abend sorgen zudem kalte Getränke und ein kleiner Imbiss.