In diesem empirischen Seminar wird mit den Daten des Sozioökonomischen Panels (SOEP) eine empirische Analyse angefertigt. Zur Arbeit mit den Daten bietet sich z.B. das Statistikprogramm R an. Eine Kurzeinführung in R und den Datensatz steht zur Verügung.
Für die Anfertigung der Seminararbeit stehen 40 Werktage (Mo-Fr) zu Verfügung. Nach ungefähr vier Wochen der Bearbeitungszeit erfolgt eine Zwischenpräsentation des Arbeitsstandes bei den Betreuer*innen. Zum Abschluss des Seminars werden in einem 3-Minuten-Kurzvortrag die Ergebnisse auf Basis eines Posters vorgestellt (7., 10., oder 11.7., nach Absprache mit den Seminarteilnehmenden).
Die Bearbeitungsstart wird individuell abgesprochen. Ein Thema kann spätestens bis 18.4.2023 ausgegeben werden. Die Anmeldung beim Prüfungsamt findet in der vorgezogenen Anmeldephase des Sommersemesters statt.
Für die erfolgreiche Teilnahme am Seminar werden 6 ECTS vergeben. Die Prüfungsleistungen sind eine Seminararbeit (ca. 15 Seiten, 60% der Gesamtnote), ein Vortrag zum Arbeitsfortschritt in der vierten Bearbeitungswoche (ca. 15 Minuten, 20% der Gesamtnote), Anfertigung und Kurzvorstellung (3 Min.) eines Posters zur Seminararbeit (20% der Gesamtnote). Das Seminar kann wahlweise auf Deutsch oder Englisch absolviert werden.
Anmeldungen (inkl. Themenwunsch) und Fragen zum Seminar können gern an stella.martin@wiwi.uni-muenster.de gerichtet werden.
Themenliste:
Kinder als Armutsrisiko für ihre Eltern
„Mit dem zweiten Kind kommt der soziale Abstieg“ – Das Armutsrisiko von Mehrkindfamilien
Stronger Together - Ökonomische Robustheit von Paar- vs. Singlehaushalten
Diskriminieren Eltern ihre Kinder? Gender Pay Gaps beim Taschengeld
Desperate Housewives – Gender Identity and Womens’ Labor Supply
Regionale Einkommensungleichheiten in Deutschland
Vermögensungleichheit in Deutschland
Quo vadis, Mittelschicht? Die Polarisierung der Einkommen in Deutschland
Eigene Themenvorschläge sind darüber hinaus möglich, bedürfen aber der Absprache mit den Betreuenden.
Kurs im HIS-LSF- Lehrende/r: Stella Martin
- Lehrende/r: Kevin Stabenow
- Lehrende/r: Mark Trede