Beiträge von KathiVWL

Lisa hat das schon super erklärt, kann ich so bestätigen. Zur Interpretation hab ich mir noch folgenden Merksatz angewöhnt, der mir in der Klausur geholfen hat:

• |ε| > 1 → elastisch: die Menge reagiert überproportional auf die Preisänderung (z.B. Luxusgüter, Güter mit vielen Substituten)
• |ε| < 1 → unelastisch: die Menge reagiert unterproportional (z.B. Grundnahrungsmittel, Dinge ohne Alternativen)
• |ε| = 1 → man spricht von „isoelastisch" bzw. Einheitselastizität

Das Vorzeichen selbst sagt dir nur die Richtung (negativ = normale fallende Nachfrage), aber nicht die Stärke der Reaktion. Deswegen wird in fast allen Lösungen mit dem Betrag gearbeitet, wenn's um die Einordnung geht. Ich schreib in Klausuren trotzdem immer den vollständigen Wert mit Vorzeichen hin und daneben dann extra „|ε| = ..." mit der Einordnung, einfach damit der Korrektor sieht, dass ich beides verstanden hab – Vorzeichen für die Richtung, Betrag für die Stärke. Hat bei mir noch nie Punktabzug gegeben, eher im Gegenteil.

Kleiner Fehler, den ich am Anfang auch gemacht hab: nicht mit dem Betrag schon in der Rechnung arbeiten und dann das Vorzeichen komplett vergessen zu erwähnen. Lieber einmal sauber beides hinschreiben.

Hey Felix, das Problem kenn ich gut, hatte ich bei Mikro 1 auch dauernd. Mein System mittlerweile:

• Erstmal wirklich alle Alternativen aus dem Text rausschreiben, die zur Verfügung stehen – auch die, die auf den ersten Blick unwichtig wirken.
• Dann fragen: Was wird durch die gewählte Option konkret verdrängt? Also welche Handlung kann ich NICHT mehr machen, weil ich mich für die eine entschieden hab.
• Von den verdrängten Alternativen nur die mit dem höchsten Nutzen/Ertrag zählt – das ist dann der entgangene Nutzen. Nicht alle aufsummieren!

Genau da liegt glaub ich dein Denkfehler: Opportunitätskosten sind nicht die Summe aller nicht gewählten Optionen, sondern nur die eine beste davon. Wenn du also drei Alternativen hast, interessiert dich nur die zweitbeste Option (also die beste von den nicht gewählten).

Zu expliziten Kosten: die sind ja meist schon in der Aufgabe als Geldbeträge genannt (Miete, Material etc.). Opportunitätskosten dagegen stecken oft "versteckt" in Formulierungen wie "könnte stattdessen" oder "verzichtet auf". Ich markier mir solche Signalwörter beim ersten Lesen immer direkt.

Merksatz, der mir hilft: Opportunitätskosten = Wert der besten entgangenen Alternative, nicht die Summe aller Alternativen. Vielleicht hilft dir das als Raster schon weiter.

Sitze gerade an einer Übungsaufgabe zum Konfidenzintervall und komm bei der Wahl zwischen z- und t-Verteilung nicht ganz klar. In unserem Skript steht nur so pauschal „ab n=30 kann man die Normalverteilung nehmen“, aber mir ist nicht klar ob das wirklich die einzige Bedingung ist.

Ich dachte eigentlich, dass es auch darauf ankommt, ob die Varianz der Grundgesamtheit bekannt ist oder nicht? Also quasi:

• Varianz bekannt → immer z-Wert, egal wie groß n ist?
• Varianz unbekannt und n klein → t-Verteilung
• Varianz unbekannt aber n groß (ab 30) → kann man trotzdem z nehmen, weil die t-Verteilung sich dann eh annähert?

Stimmt das so, oder hab ich da was durcheinandergebracht? In der Aufgabe ist die Varianz nicht gegeben, nur die Stichprobenvarianz aus den Daten, und n=25. Nehme ich da automatisch t, unabhängig davon wie die Daten verteilt sind? Oder muss ich vorher noch checken ob die Grundgesamtheit normalverteilt ist? Bin da gerade etwas verwirrt und wäre für Erklärung dankbar 🙂

Der Merksatz von Marco trifft's gut, ich hab für mich noch einen zusätzlichen Kniff, der mir in der Klausur Zeit und Nerven spart: ich schreib an jeden Ast nicht nur die Wahrscheinlichkeit, sondern auch explizit das "gegeben"-Zeichen mit dran, also wirklich P(Alarm | fehlerhaft) ausschreiben und nicht nur "0,9" hinkritzeln. Klingt nach Mehraufwand, aber genau dieses Verwechseln von Pfadwahrscheinlichkeit und bedingter Wahrscheinlichkeit ist bei mir früher der Fehler gewesen.

Zusätzlich markiere ich mir am Ende jedes Pfades das Gesamtereignis, also z.B. "fehlerhaft UND Alarm", damit ich am Schluss genau weiß, welche Pfade ich für Zähler und Nenner der Bayes-Formel brauche. Der Nenner ist ja nix anderes als die Summe aller Pfade, die zum Ereignis "Alarm" führen (Satz der totalen Wahrscheinlichkeit), egal ob fehlerhaft oder nicht. Wenn man sich das bildlich im Baum anschaut, markiere ich die beiden relevanten Endäste einfach farbig, dann sieht man sofort: Zähler = ein Ast, Nenner = Summe von zwei Ästen.

Finde übrigens, dass man solche Aufgaben super in der Lerngruppe übt, weil man sich gegenseitig abfragen kann, ob man die Ereignisse richtig benannt hat, bevor man überhaupt rechnet. Macht bei mir echt einen Unterschied, weil man sich selbst leicht in der eigenen Logik verheddert.

Noch ein Praxishinweis für alle, die mit SPSS arbeiten wie ich: dort bekommt ihr den VIF nicht automatisch angezeigt, sondern müsst ihn bei der linearen Regression explizit anfordern, unter Statistiken gibt's das Kästchen "Kollinearitätsdiagnose". Dann erscheint in der Koeffiziententabelle zusätzlich Toleranz und VIF pro Variable. Wichtig dabei: die Toleranz ist einfach der Kehrwert vom VIF (Toleranz = 1/VIF), manche Lehrbücher und Dozenten reden lieber in Toleranzwerten, also Toleranz unter 0,1 entspricht VIF über 10, Toleranz unter 0,2 entspricht VIF über 5. Falls euer Dozent also mit Toleranz statt VIF kommt, nicht verwirren lassen, ist dieselbe Information nur gespiegelt.

Ein typischer Fehler, der mir am Anfang auch passiert ist: man schaut sich die Kollinearitätsdiagnose-Tabelle (die mit Eigenwerten und Konditionsindex, die Lisa oben angesprochen hat) unten im Output an, aber vergisst, dass SPSS die auch separat ausgibt, zusätzlich zur VIF-Spalte in der Koeffiziententabelle. Für die Hausarbeit würde ich beide Tabellen mitnehmen und kurz referenzieren, dann hat man Einzelbetrachtung (VIF) und Gesamtbetrachtung (Konditionsindex) sauber dokumentiert.

Bin zwar eher auf der VWL-Schiene unterwegs, aber Vektoralgebra hatten wir in Statistik/Mathe-Vorkurs auch durch, und das Prinzip ist ja überall gleich. Vielleicht hilft ein ganz kleines Zahlenbeispiel zur Veranschaulichung, das hat bei mir damals klick gemacht:

Nimm a = (1, 0, 0) und b = (0, 1, 0), also zwei senkrechte Einheitsvektoren.

• Skalarprodukt: a·b = 1·0 + 0·1 + 0·0 = 0. Ergebnis ist eine nackte Zahl, keine Richtung. Null heißt hier: die Vektoren haben keine gemeinsame Richtung, sie "überlappen" sich nicht – passt zu Lisas Merksatz.
• Kreuzprodukt: a×b = (0·0-0·1, 0·0-1·0, 1·1-0·0) = (0,0,1). Das Ergebnis ist selbst wieder ein Vektor, und zwar genau der, der senkrecht auf a und b steht.

Genau an diesem Beispiel sieht man schön: senkrechte Vektoren geben beim Skalarprodukt immer 0, aber beim Kreuzprodukt den maximal möglichen Betrag (hier Betrag 1, weil beide Einheitsvektoren waren). Das ist quasi das Gegenteil voneinander – wo das Skalarprodukt "verschwindet", ist das Kreuzprodukt maximal, und umgekehrt bei parallelen Vektoren. Fand ich als Eselsbrücke ganz hilfreich, um mir beide Konzepte auseinanderzuhalten, auch wenn ich die konkreten Technische-Mechanik-Anwendungen von euch nicht aus erster Hand kenne.

Marco hat das schon super erklärt, ich geb euch noch ein Zahlenbeispiel zur Kontrolle, bei mir klickt's am ehesten, wenn ich konkret durchrechne.

Angenommen k = 0,07 (also 7% stetiges Wachstum). Dann:

t = ln(2) / 0,07 = 0,693 / 0,07 ≈ 9,9

Also verdoppelt sich der Bestand nach knapp 10 Zeiteinheiten. Check: N(9,9) = N0 * e^(0,07*9,9) = N0 * e^0,693 = N0 * 2 ✓ passt.

Noch ein kleiner Merksatz aus der Praxis, den ich mir für die Faustregel gemerkt habe (auch wenn das streng genommen für diskretes Wachstum gedacht ist, als grobe Näherung funktioniert's auch bei kleinen k ganz gut): die 70er-Regel. Verdopplungszeit ≈ 70 / (Wachstumsrate in Prozent). Bei 7% also 70/7 = 10 – passt super zu meinem Ergebnis oben.

Zu Timst Frage mit Prozent vs. Dezimalzahl: Ich schreib mir bei solchen Aufgaben immer explizit hin "k = 0,07 (= 7%)", bevor ich überhaupt in die Formel einsetze. Klingt banal, aber genau da passieren die meisten Fehler in Klausuren, wenn man unter Zeitdruck ist.

Falls jemand noch testen will: bei k = 0,02 (2%) kommt t ≈ 34,7 raus – auch das passt zur 70er-Regel (70/2 = 35, kleine Abweichung wegen der Rundung von ln(2)).

Lisas Erklärung über die UIP ist echt gut, genau so hab ich das Trilemma auch erst verstanden. Ich ergänz mal ein zweites historisches Beispiel, das mir persönlich noch mehr geholfen hat: der Weg in die Eurozone bzw. vorher der EWS-Wechselkursmechanismus (WKM). Länder wie Frankreich oder Italien mussten in den 1980ern/90ern ihre Währungen eng an die D-Mark binden, um später eurofähig zu werden. Die Bundesbank hat damals eine relativ straffe Geldpolitik gefahren (Inflationsbekämpfung nach der Wiedervereinigung). Frankreich hätte eigentlich gerne niedrigere Zinsen gehabt, um die eigene Konjunktur zu stützen, musste aber de facto der Bundesbank folgen, sonst wäre der Franc unter Druck geraten. Das nannte man damals auch „Politique du franc fort“. Freier Kapitalverkehr war durch den Binnenmarkt ja gegeben, fester Kurs war politisch gewollt, also blieb nur: Zinsautonomie aufgeben. Das Pfund-Beispiel von Lisa zeigt den Fall, wo ein Land das nicht mitmacht und das System crasht. Frankreich zeigt den anderen Weg: man bleibt im Festkurs, gibt aber die eigene Zinspolitik auf. Am Ende ist die Eurozone dann sowieso nur die logische Konsequenz draus, man hat die Zinsautonomie komplett abgegeben und eine Gemeinschaftswährung gemacht. Merksatz für die Klausur: Trilemma heißt nicht „alle drei sind gleichzeitig verboten“, sondern „du kannst dir aussuchen, welche zwei du behältst“ – Kevin, vielleicht hilft dir das als zweiten Anker neben dem Pfund-Beispiel.

Lisa, guter Punkt mit dem Condition Index, das notiere ich mir auch mal für später. Eine Sache würde ich noch zur VIF-Praxis ergänzen, weil ich das in der eigenen Hausarbeit auch erst übersehen hatte: VIF immer auf Basis der tatsächlichen Regressoren im finalen Modell prüfen, nicht auf irgendeiner Vorstufe. Gerade wenn man noch Variablen umkodiert, Dummys erzeugt oder log-transformiert, ändert sich die Kollinearitätsstruktur teils deutlich. Bei kategorialen Variablen mit mehreren Dummys sollte man außerdem nicht den klassischen VIF pro Dummy anschauen, sondern den generalisierten VIF (GVIF), sonst überschätzt man das Problem leicht, weil die Dummys einer Gruppe sich zwangsläufig gegenseitig "erklären".

Zur Doku in der Hausarbeit: ich schreibe immer kurz dazu, welche Software/welches Package ich genutzt habe und ob Konstante mit reingerechnet wurde, das verändert den VIF-Wert nämlich auch manchmal. Und falls jemand das von Hand nachvollziehen will: man kann sich den VIF auch grob über die paarweise Korrelation r zweier Variablen annähern, wenn's wirklich nur zwei sind, die kollinear sind: VIF ≈ 1/(1-r²). Ersetzt die Hilfsregression nicht komplett, hilft aber als Sanity-Check, ob die Softwareausgabe plausibel ist.

Lisas Merksatz find ich gut, ich ergänz noch kurz, warum der ifo-Index speziell so ein starker Frühindikator ist: Er fragt ja nicht nur nach der aktuellen Geschäftslage, sondern explizit auch nach den Erwartungen für die nächsten 6 Monate. Diese Erwartungskomponente ist der eigentliche Clou – Unternehmen passen ihre Investitions- und Produktionspläne an das an, was sie erwarten, nicht an das, was gerade ist. Deshalb reagiert der Index oft schon, bevor sich das in harten Daten wie Industrieproduktion oder BIP zeigt.

Zur Einordnung in der Klausur hilft mir immer diese Dreiteilung mit Beispielen:

• Frühindikatoren: ifo-Geschäftsklima, Auftragseingänge, Baugenehmigungen, Aktienkurse (ja, auch die zählen oft dazu, weil Märkte zukünftige Gewinnerwartungen einpreisen)
• Präsenzindikatoren: BIP, Industrieproduktion, Kapazitätsauslastung
• Spätindikatoren: Arbeitslosenquote, Lohnentwicklung, Zinsen für Unternehmenskredite (weil Banken erst nach bestätigter Krise die Konditionen anpassen)

Typischer Fehler in Klausuren: Leute verwechseln manchmal Zinssätze – kurzfristige Notenbankzinsen können fast wie Präsenzindikatoren wirken, während Kreditkonditionen fürs Gewerbe eher spät reagieren. Lohnt sich, da genau hinzuschauen, was in der Aufgabenstellung gemeint ist.

Hi zusammen, wir hatten letzte Woche die klassische Phillips-Kurve dran, also dieser inverse Zusammenhang zwischen Inflation und Arbeitslosigkeit. Mein Prof meinte dann so nebenbei, dass das empirisch heute oft nicht mehr so sauber funktioniert, hat das aber nicht weiter ausgeführt.

Ich hab mir überlegt, dass es vielleicht mit Inflationserwartungen zu tun hat (Stichwort erwartungsaugmentierte Phillips-Kurve), aber so richtig blicke ich nicht durch, warum die Beziehung in den letzten Jahren so flach bzw. instabil geworden ist. Gab's doch auch Phasen mit niedriger Arbeitslosigkeit UND niedriger Inflation gleichzeitig, oder verwechsle ich da was?

Hat jemand von euch dazu schon mal was Genaueres gelesen oder in ner Vorlesung besprochen, wie die moderne VWL das einordnet? Also ob man das Konzept komplett verwirft oder nur anpasst?

Marco hat das schon sauber erklärt, ich ergänz nur noch den Teil mit dem kritischen Wert, weil das bei mir am Anfang auch gesessen hat wie Kraut und Rüben.

Stell dir die Standardnormalverteilung vor, Alpha = 0,05:

• Zweiseitig: du teilst die 0,05 auf beide Enden auf, also je 0,025. Kritische Werte liegen dann bei ca. ±1,96.
• Einseitig (bei dir linksseitig, weil H1: p_neu < p_alt): die ganzen 0,05 wandern in die linke Ecke. Kritischer Wert liegt bei ca. -1,645.

Du siehst: -1,645 ist "näher an der Mitte" als -1,96. Das heißt, deine Teststatistik muss nicht ganz so extrem ausfallen, damit du H0 verwirfst. Genau deshalb ist der einseitige Test "mächtiger" für die eine Richtung – aber eben nur, wenn die Richtung vorher inhaltlich klar begründet ist und nicht erst gewählt wird, nachdem man die Daten gesehen hat (das wär dann p-hacking light, sowas mögen Prüfer gar nicht).

Typischer Fehler, den ich in Klausuren oft sehe: Leute rechnen zweiseitig, kommen knapp nicht über die Signifikanzschwelle, und wechseln dann nachträglich auf einseitig, damit's passt. Das ist methodisch unsauber – die Testrichtung muss aus der Fragestellung kommen, nicht aus dem Ergebnis.

Für dein Beispiel: da die Aufgabe explizit "senkt" sagt, bist du mit linksseitig und kritischem Wert -1,645 (bei Alpha=0,05) auf der sicheren Seite.

Hey Robert, Korrelationsmatrix allein reicht tatsächlich nicht, weil die nur paarweise Zusammenhänge zeigt. Multikollinearität kann aber auch entstehen, wenn mehrere Variablen zusammen eine andere erklären, das siehst du in der Matrix gar nicht. Deswegen VIF checken, ist echt der Standard.

Kurz zur Logik: Für jede unabhängige Variable wird eine Hilfsregression auf alle anderen X gerechnet, daraus bekommst du ein R². Der VIF ist dann 1/(1-R²), die Toleranz ist einfach der Kehrwert davon (1-R²). Merksatz: Toleranz und VIF sagen dasselbe aus, nur gespiegelt – kleine Toleranz = hoher VIF = Problem.

Als Faustregel gilt meistens:

• VIF < 5 (manche sagen auch < 10): meist unproblematisch
• VIF > 10 bzw. Toleranz < 0,1: da würde ich definitiv genauer hinschauen

Wichtig: es gibt keinen scharfen Grenzwert, der überall gilt, das hängt auch von Stichprobengröße und Kontext ab. Typischer Fehler ist, dass man nur auf einen einzigen Schwellenwert starrt und den Rest der Diagnostik ignoriert.

Zum Umgang: Rauswerfen ist nur eine Option. Man kann auch Variablen zu einem Index zusammenfassen, zentrieren (v.a. bei Interaktionstermen hilfreich), die Stichprobe vergrößern oder im Extremfall Ridge-Regression nutzen, die genau für solche Fälle gemacht ist. Kommt halt drauf an, wie theoretisch wichtig beide Variablen für deine Fragestellung sind.

Dein Prof meint die Steuerinzidenz: Wer einen Zoll formal abführt, sagt nichts darüber, wer ihn wirtschaftlich trägt. Das entscheidet sich über die Preise.

Fall 1: kleines Land (Standardfall in der Übung). Das Land kann den Weltmarktpreis nicht beeinflussen. Der Inlandspreis steigt also um den vollen Zoll. Getragen wird er von den inländischen Käufern.

Rechenbeispiel: Weltmarktpreis 10 €, Zoll 2 €. Nachfrage Q_D = 100 − 5P, inländisches Angebot Q_S = 5P − 30.

• Bei P = 10: Nachfrage 50, Inland produziert 20 → Import 30
• Bei P = 12: Nachfrage 40, Inland produziert 30 → Import 10

Wohlfahrt:

• Konsumentenrente sinkt um 2 · (50 + 40) / 2 = 90
• Produzentenrente steigt um 2 · (20 + 30) / 2 = 50
• Zolleinnahmen 2 · 10 = 20
• Nettoverlust 90 − 50 − 20 = 20

Die 20 sind deine zwei Dreiecke: das Produktionsdreieck (½ · 2 · 10 = 10, teure Inlandsproduktion ersetzt billigere Importe) und das Konsumdreieck (½ · 2 · 10 = 10, Leute kaufen weniger, obwohl sie es zum Weltmarktpreis gekauft hätten).

Merksatz: Umverteilung von Konsumenten zu Produzenten und Staat – plus zwei Dreiecke, die niemand bekommt.

Die Faustregel ist zum Glück ganz simpel: Schau, wann die Information fehlt – vor oder nach dem Vertragsabschluss.

• Adverse Selektion = vor dem Vertrag, verborgene Eigenschaften (hidden characteristics). Die Versicherung kann beim Abschluss nicht sehen, wer ein guter und wer ein schlechter Fahrer ist.
• Moral Hazard = nach dem Vertrag, verborgenes Handeln (hidden action). Der Fahrer ändert sein Verhalten, weil er jetzt versichert ist, und die Versicherung kann das nicht beobachten.

Dein zweites Beispiel ist also adverse Selektion: Das Risiko war schon vorher da, es wird nur nicht offengelegt.

Und damit zum Markt für Zitronen (Akerlof, 1970): Gebrauchtwagenmarkt, der Verkäufer weiß, ob sein Auto gut ist oder eine „Zitrone“, der Käufer nicht. Also zahlt der Käufer nur einen Durchschnittspreis. Für Besitzer guter Autos ist der zu niedrig, die ziehen sich zurück. Dadurch sinkt die Durchschnittsqualität, der Preis sinkt weiter, die nächsten guten Autos verschwinden … Im Extremfall bricht der Markt zusammen, obwohl es Käufer und Verkäufer gäbe, die sich eigentlich einig wären.

Genau das ist die Pointe der adversen Selektion: Es wird die falsche Gruppe ausgewählt (negative Auslese). Bei Versicherungen das Gleiche: Steigt die Prämie, steigen zuerst die guten Risiken aus.

Marco hat das super erklärt. Zwei Klausurfallen, über die ich selbst schon gestolpert bin:

• Vorzeichen von λ: Je nachdem, wie ihr die Lagrange-Funktion aufschreibt, kommt λ = 5 oder λ = −5 heraus. Mit L = U + λ · (80 − 2x − 4y) wird λ positiv und direkt als Schattenpreis lesbar. Schreibt man die Klammer andersherum (2x + 4y − 80), dreht sich das Vorzeichen. Beides ist rechnerisch richtig – in der Interpretation muss man es aber wissen. Nehmt am besten die Schreibweise aus eurem Skript.
• Einheit mitdenken: λ = 5 heißt „5 Nutzeneinheiten pro Euro“. Wenn die Zielfunktion Kosten und die Nebenbedingung eine Produktionsmenge ist, heißt λ plötzlich „Grenzkosten der letzten Einheit“. Das fragen Dozenten gern als Interpretationsteil ab, und da gibt es oft mehr Punkte als für die Rechnung.

Und noch ein Hinweis: Die Bedingungen erster Ordnung zeigen nur einen Kandidaten. Ob wirklich ein Maximum vorliegt, prüft man formal mit der geränderten Hesse-Matrix. Bei so einer typischen Cobb-Douglas-artigen Nutzenfunktion und linearem Budget ist das aber praktisch immer ein Maximum – und in vielen Einführungsklausuren wird es gar nicht verlangt. Kurz im Skript nachschauen, ob ihr das braucht. 🙂

Gute Frage, und die Antwort auf Punkt 1 lautet: Es ist kein Fehler, es ist Absicht – das BIP misst schlicht etwas anderes, als die meisten glauben.

Definition, und jedes Wort zählt: Das BIP ist der Wert aller im Inland in einer Periode produzierten Waren und Dienstleistungen für die Endverwendung, bewertet zu Marktpreisen. Daraus folgt alles Weitere:

• „Für die Endverwendung“ → Vorleistungen werden abgezogen, sonst zählt man den Stahl beim Stahlwerk, beim Zulieferer und beim Autohersteller dreifach. Die zentrale Größe ist die Bruttowertschöpfung = Produktionswert − Vorleistungen.
• „Zu Marktpreisen“ → und hier liegt dein Unfall-Paradoxon: Werkstatt, Abschleppdienst, Arztbesuch und neues Auto sind Markttransaktionen, also Produktion, also BIP. Hausarbeit, Kindererziehung, Pflege von Angehörigen und Ehrenamt sind keine Markttransaktionen – es gibt keinen Preis, also keinen Eintrag. Die bekannte Pointe dazu: Wenn jemand seine Haushaltshilfe heiratet, sinkt das BIP.
• Genauso wenig erfasst wird die Schattenwirtschaft (sie wird nur geschätzt zugerechnet), und der Vermögensverlust durch das kaputte Auto taucht nirgends als Abzug auf – das BIP ist eine Stromgröße (Produktion pro Jahr), keine Bestandsgröße (Vermögen).

Die drei Berechnungswege – beliebte Klausurfrage, weil alle drei zwingend dasselbe Ergebnis liefern müssen:

1. Entstehungsrechnung: Summe der Bruttowertschöpfung aller Sektoren + Gütersteuern − Gütersubventionen.
2. Verwendungsrechnung: C + I + G + (X − M) – Konsum, Investitionen, Staatsausgaben, Außenbeitrag. Merke: Importe werden abgezogen, weil sie in C, I und G schon drinstecken, aber nicht im Inland produziert wurden.
3. Verteilungsrechnung: Arbeitnehmerentgelt + Unternehmens- und Vermögenseinkommen (plus Korrekturen). Sie zeigt, wem das Einkommen zufällt.

Zwei Abgrenzungen, die in der Klausur gern verwechselt werden:

• BIP = Inlandskonzept (wer im Inland produziert, unabhängig von der Staatsangehörigkeit), BNE = Inländerkonzept (BIP + Primäreinkommen aus der übrigen Welt − an die übrige Welt). Für Länder mit vielen Pendlern oder Auslandsinvestitionen ist das ein großer Unterschied.
• Nominal vs. real: Das nominale BIP steigt auch bei reinen Preissteigerungen. Erst das reale BIP (zu Vorjahres- bzw. Basispreisen) zeigt echtes Mengenwachstum. Umrechnung über den BIP-Deflator = nominales BIP / reales BIP × 100. Wenn irgendwo „Wachstum“ steht, ist fast immer real gemeint – sonst misst man Inflation.

Ich hänge noch ein Gegenstück an, weil das in unserer Klausur direkt nach dem Gefangenendilemma kam und viele verwechselt haben: die Hirschjagd (Stag Hunt).

Geschichte: Zwei Jäger können gemeinsam einen Hirsch erlegen (großer Ertrag), aber nur, wenn beide mitmachen. Jeder kann stattdessen allein sicher einen Hasen fangen. Wer auf den Hirsch wartet, während der andere zum Hasen läuft, geht leer aus.

Auszahlungen (Zeile, Spalte):

• Hirsch / Hirsch: (4, 4)
• Hirsch / Hase: (0, 3)
• Hase / Hirsch: (3, 0)
• Hase / Hase: (3, 3)

Beste Antworten: Spielt der andere Hirsch, ist Hirsch für mich besser (4 > 3). Spielt der andere Hase, ist Hase besser (3 > 0). Es gibt also keine dominante Strategie und zwei Nash-Gleichgewichte: (Hirsch, Hirsch) ist auszahlungsdominant, (Hase, Hase) ist risikodominant, weil man damit sicher 3 bekommt.

Der entscheidende Unterschied zum Gefangenendilemma:

• Im Gefangenendilemma ist gegenseitige Kooperation kein Gleichgewicht – jeder hat einen Anreiz abzuweichen, egal was der andere tut. Absprachen helfen nicht (cheap talk).
• In der Hirschjagd ist Kooperation ein Gleichgewicht – niemand will einseitig abweichen, wenn er sicher ist, dass der andere mitmacht. Das Problem ist Vertrauen und Koordination, nicht der Anreiz zum Betrug. Hier hilft Kommunikation tatsächlich.

Prüffrage für die Klausur: „Ist gegenseitige Kooperation ein Nash-Gleichgewicht?“ Wenn nein → Dilemma, man braucht Verträge, Sanktionen oder Wiederholung. Wenn ja → Koordinationsproblem, dann reichen oft Absprachen, Standards oder ein gemeinsames Signal.

Marcos Rechnung ist die eine Hälfte. Die andere Hälfte ist in Bachelorarbeiten fast immer das größere Problem: Wer antwortet – nicht wie viele.

Das klassische Lehrbuchbeispiel dazu: Bei der US-Präsidentschaftswahl 1936 hat eine Zeitschrift über zwei Millionen Antworten gesammelt und klar falsch gelegen, während ein Institut mit einer viel kleineren, aber gezielt gezogenen Stichprobe richtig lag. Die Zeitschrift hatte vor allem Leute mit Telefon und Auto angeschrieben – damals ein deutlich wohlhabenderer Teil der Bevölkerung. Eine verzerrte Stichprobe wird durch mehr Fälle nicht besser, nur präziser falsch.

Was das für deinen Plan bedeutet:

• LinkedIn und WhatsApp-Gruppen ergeben eine Gelegenheitsstichprobe mit Selbstselektion. Antworten werden vor allem Leute, die dich kennen, dem Thema Homeoffice gegenüber eine starke Meinung haben oder generell viel online sind. Die Formel mit den 385 setzt aber eine Zufallsstichprobe voraus. Die Fehlermarge von ± 5 Prozentpunkten darfst du bei deinem Vorgehen streng genommen gar nicht angeben.
• Das ist kein Beinbruch – in Abschlussarbeiten ist das normal. Entscheidend ist, dass du es offen benennst: im Methodenteil als nicht-probabilistische Stichprobe und in den Limitationen mit der Folge, dass die Ergebnisse nicht auf alle Vertriebsbeschäftigten verallgemeinerbar sind.
• Filterfragen einbauen: Arbeitest du im Vertrieb? Hast du Homeoffice-Möglichkeit? Sonst sammelst du Antworten, die du am Ende wieder rauswerfen musst.
• Teilgruppen mitdenken: 120 Antworten klingen gut, bis du nach Innen- und Außendienst, drei Altersgruppen und Geschlecht aufteilst. Dann sitzen in manchen Zellen nur noch fünf Personen. Plane nur die Vergleiche, die du wirklich brauchst.
• Ausfälle einrechnen: Abbrüche und unvollständige Bögen sind bei Online-Umfragen häufig. Ein Aufschlag von 20 bis 30 Prozent auf deine Mindestgröße ist realistisch.

Pragmatischer Vorschlag: Konzentriere dich auf eine oder zwei klar formulierte Hypothesen, rechne dafür mit G*Power die Mindestgröße, sammle etwas darüber hinaus und dokumentiere Rekrutierungsweg und Rücklauf transparent. Gutachter bewerten in Bachelorarbeiten vor allem, ob du die Grenzen deines Designs verstehst – eine ehrliche Limitation wird besser bewertet als eine behauptete Repräsentativität. 🙂

Der Denkfehler steckt im Vergleichspunkt: Das Kino verliert bei den Studierenden nichts, weil es ohne Rabatt viele von ihnen gar nicht als Kunden hätte. Die Frage ist nicht „10 € oder 7,50 € von derselben Person“, sondern „7,50 € von jemandem, der sonst zu Hause geblieben wäre“ – ohne dafür den Preis für alle anderen senken zu müssen.

Genau das ist das Dilemma des Monopolisten mit Einheitspreis: Senkt er den Preis, um zusätzliche Kunden zu gewinnen, verschenkt er die Senkung auch an alle, die den höheren Preis gezahlt hätten. Preisdiskriminierung löst das, indem sie den Markt aufteilt.

Die drei Grade – Eselsbrücke: Person, Paket, Pass.

• 1. Grades (Person): Jeder zahlt genau seine maximale Zahlungsbereitschaft. Der Anbieter schöpft die gesamte Konsumentenrente ab. In Reinform ein theoretischer Grenzfall – am nächsten kommen Verhandlungspreise und personalisierte Preise.
• 2. Grades (Paket): Der Anbieter kennt die Kunden nicht einzeln, bietet aber ein Menü an – Mengenrabatte, Tarife, Versionen (Basis/Premium). Die Kunden sortieren sich selbst ein.
• 3. Grades (Pass): Unterschiedliche Preise für Gruppen anhand eines beobachtbaren Merkmals – Studierendenausweis, Seniorenpass, Wohnort. Dein Kinobeispiel.

Damit das funktioniert, braucht es drei Voraussetzungen:

1. Marktmacht – bei vollständiger Konkurrenz gibt es keinen Preisspielraum.
2. Unterscheidbare Gruppen mit unterschiedlicher Preiselastizität.
3. Keine Arbitrage – die Studierenden dürfen ihre günstigen Tickets nicht an Normalzahler weiterverkaufen können. Deshalb die Ausweiskontrolle am Einlass.

Und wie teuer wird es in welchem Markt? Der Anbieter setzt in jedem Teilmarkt Grenzerlös = Grenzkosten. Über die Amoroso-Robinson-Relation ist der Grenzerlös GE = p · (1 − 1/|ε|). Stilisiertes Beispiel mit Grenzkosten von 5 €:

• Normalzahler, |ε| = 2: p · (1 − 1/2) = 5 → p = 10 €
• Studierende, |ε| = 3: p · (1 − 1/3) = 5 → p = 7,50 €

Merksatz: Wer elastischer reagiert, zahlt weniger. Die Studierenden sind nicht billiger dran, weil das Kino nett ist, sondern weil sie bei jedem Euro mehr schneller abspringen.

Zu deiner letzten Frage: Ja, inhaltlich dasselbe. „Preisdiskriminierung“ ist der VWL-Fachbegriff und wertfrei gemeint; im Marketing sagt man lieber Preisdifferenzierung, weil „Diskriminierung“ im Alltag negativ klingt.