EKONOMETRI 2 VIZE PROJESI
GIRIŞ
R Paketleri: Veri Analizi ve İşleme için Temel Araçlar
R paketleri, R programlama dilinde önceden yazılmış işlevlerin, veri kümelerinin ve dökümantasyonun bir araya getirildiği birimlerdir. Bu paketler, kullanıcıların çeşitli analiz, veri manipülasyonu, görselleştirme ve diğer işlemleri gerçekleştirmelerini sağlar.
Önemi ve Faydaları
R paketlerinin önemi, kullanıcılara geniş bir işlevsellik yelpazesi sunmalarıdır. Bu paketler, karmaşık istatistiksel analizlerden basit grafik oluşturmaya kadar çeşitli görevleri kolaylaştırır. Ayrıca, R topluluğu tarafından sürekli olarak geliştirilirler, bu da kullanıcıların güncel ve yenilikçi araçlara erişimini sağlar.
Erişim ve Kullanım
Bu paketlere erişmek için R’in install.packages()
işlevini kullanabiliriz. Bu işlev, CRAN (Comprehensive R Archive
Network) ve diğer depolardan paketleri indirir ve kurar. Kurulumdan
sonra, paketleri yüklemek için library() işlevini
kullanabiliriz.
Kullanımı
R paketlerini kullanmak için, paketin sağladığı işlevleri ve veri yapılarını kullanarak kod yazabiliriz. Örneğin, veri manipülasyonu için dplyr paketini, grafik oluşturma için ggplot2’yi ve istatistiksel modellerle çalışmak için stats paketini kullanabiliriz. Bu paketlerin işlevlerini çağırmak için R ortamında uygun komutları kullanırız.
Faz Bir: Projenin Kurulumu
1- Çalışma Ortamının Ayarlanması: Bu adımda, R çalışma ortamımızı belirli bir klasöre ayarlayacağız. Bu klasör, projemizde kullanacağımız tüm dosyaların bulunduğu yer olabilir.
2- Paketlerin Yüklenmesi: Gerekli paketlerin yüklenmesi için install.packages() fonksiyonunu kullanacağız. Bu paketler, veri manipülasyonu ve görselleştirme için gereklidir.
3- Paketlerin İçeri Aktarılması: Yüklediğimiz paketleri çalışma ortamımıza aktarmak için library() fonksiyonunu kullanacağız. Bu, paketlerin işlevlerine erişim sağlamamızı sağlar.
## Warning: package 'WDI' was built under R version 4.3.3## Warning: package 'dplyr' was built under R version 4.3.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Warning: package 'ggplot2' was built under R version 4.3.3## Warning: package 'explore' was built under R version 4.3.3## Warning: package 'tidyr' was built under R version 4.3.3Elbette, işte kullanılan paketlerin işlevselliğinin bir açıklaması:
- WDI (World Development Indicators - Dünya Kalkınma
Göstergeleri):
- İşlevselliği: WDI, Dünya Bankası’nın Dünya Kalkınma Göstergeleri veritabanına erişim sağlar ve çeşitli ülkeler için geniş bir sosyo-ekonomik veri yelpazesi sunar.
- Kullanımı: WDI ile, eğitim harcamaları, GDP büyüme oranı, genç okur yazarlık oranı gibi çeşitli göstergelerle ilgili verileri alabiliriz. Bu veriler, ekonomik analiz, kalkınma çalışmaları ve sosyal bilimler araştırmaları için kullanılabilir.
- dplyr:
- İşlevselliği: dplyr, R’de veri manipülasyonu için tasarlanmış bir
pakettir ve temel dört işlevi içerir:
filter(),mutate(),summarize(), vegroup_by(). - Kullanımı: dplyr, veri setlerini alt kümelemek, dönüştürmek, özetlemek ve gruplamak için kullanılır. Bu işlevlerle veri analizini ve manipülasyonunu daha kolay ve etkili hale getirir.
- İşlevselliği: dplyr, R’de veri manipülasyonu için tasarlanmış bir
pakettir ve temel dört işlevi içerir:
- ggplot2:
- İşlevselliği: ggplot2, R’de grafikler ve görselleştirmeler oluşturmak için güçlü bir çizim sistemi ve pakettir. Grafik oluşturmak için katmanlı bir dil sunar.
- Kullanımı: ggplot2, çeşitli grafik türlerini (nokta grafikleri, çubuk grafikleri, çizgi grafikleri, vb.) oluşturmak için kullanılır. Estetikler, ölçekler ve temalar gibi birçok özelleştirme seçeneği sunar.
- explore:
- İşlevselliği: explore, veri keşfi ve özetlemesi için bir pakettir ve bir veri setini anlamak ve keşfetmek için bir dizi işlev sunar.
- Kullanımı: explore, veri setini özetlemek, eksik değerleri analiz etmek, aykırı değerleri tanımlamak ve değişkenler arasındaki ilişkileri incelemek için kullanılır.
- tidyr:
- İşlevselliği: tidyr, veri düzenleme ve yeniden yapılandırma için
tasarlanmış bir pakettir ve
gather()vespread()gibi işlevler içerir. - Kullanımı: tidyr, veri setlerini geniş ve uzun formatlar arasında dönüştürmek için kullanılır. Veri düzenleme işlemlerini daha etkili hale getirir.
- İşlevselliği: tidyr, veri düzenleme ve yeniden yapılandırma için
tasarlanmış bir pakettir ve
Bu paketler birlikte, veri analizi, manipülasyonu, görselleştirme ve modelleme için kapsamlı bir araç seti sunarlar. Bu işlevselliği kullanarak, veri bilimcileri ve araştırmacılar geniş çapta veri analizi ve keşif yapabilirler.
Faz iki : Verinin Çekilmesi ve Keşfi
1- Dünya Veri Bankası’ndan veri çekme: İşte kullanabileceğimiz üç gösterge:
Eğitim harcamalarındaki devlet harcamaları, toplam (% GDP) (SE.XPD.TOTL.GD.ZS): Bu gösterge, eğitimde devlet harcamalarının GSMH’nin yüzdesini temsil eder. Genel ekonomik çıktıya göre eğitimde hükümetin yatırımını gösterir.
GDP büyüme oranı (yıllık %) (NY.GDP.MKTP.KD.ZG): Bu gösterge, GSMH’nin yıllık yüzde büyüme oranını temsil eder. Zaman içindeki ekonomik büyüme oranı hakkında bilgi verir.
Genç okur yazarlık oranı, nüfus 15-24 yaş arası, her iki cinsiyet (%) (SE.ADT.1524.LT.ZS): Bu gösterge, 15 ila 24 yaş arasındaki gençler arasındaki okur yazarlık oranını temsil eder. Genç nüfusun eğitim düzeyi hakkında bilgi verir.
Bu üç göstergeyi kullanarak Suudi Arabistan ve Yemen için veri çekelim.
# İlgilendiğimiz göstergeleri tanımlayalım
indicators <- c("SE.XPD.TOTL.GD.ZS", # Toplam eğitim harcamaları, toplam GDP'nin (%)
"NY.GDP.MKTP.KD.ZG", # GDP büyüme oranı (yıllık %)
"SE.ADT.1524.LT.ZS" # Genç okur yazarlık oranı, 15-24 yaş arası nüfus, her iki cinsiyet (%)
)
# Suudi Arabistan ve Yemen için veri çekme
saudi_data <- WDI(country = "SA", indicator = indicators, start = 2000, end = 2020)
yemen_data <- WDI(country = "YE", indicator = indicators, start = 2000, end = 2020)Bu kod bloğunda, eğitim ve ekonomik büyüme ile ilgili üç gösterge belirledik: eğitim harcamaları, GDP büyüme oranı ve genç okur yazarlık oranı. WDI() işlevini kullanarak bu üç göstergenin Suudi Arabistan ve Yemen için verilerini çektik.
2- Verileri Keşfetmek
## 'data.frame': 21 obs. of 7 variables:
## $ country : chr "Saudi Arabia" "Saudi Arabia" "Saudi Arabia" "Saudi Arabia" ...
## $ iso2c : chr "SA" "SA" "SA" "SA" ...
## $ iso3c : chr "SAU" "SAU" "SAU" "SAU" ...
## $ year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ SE.XPD.TOTL.GD.ZS: num 5.91 7.72 7.64 7.11 6.28 ...
## ..- attr(*, "label")= chr "Government expenditure on education, total (% of GDP)"
## $ NY.GDP.MKTP.KD.ZG: num 5.63 -1.21 -2.82 11.24 7.96 ...
## ..- attr(*, "label")= chr "GDP growth (annual %)"
## $ SE.ADT.1524.LT.ZS: num 95.9 NA NA NA 95.8 ...
## ..- attr(*, "label")= chr "Literacy rate, youth total (% of people ages 15-24)"## 'data.frame': 21 obs. of 7 variables:
## $ country : chr "Yemen, Rep." "Yemen, Rep." "Yemen, Rep." "Yemen, Rep." ...
## $ iso2c : chr "YE" "YE" "YE" "YE" ...
## $ iso3c : chr "YEM" "YEM" "YEM" "YEM" ...
## $ year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ SE.XPD.TOTL.GD.ZS: num 9.65 9.24 6.32 5.95 5.55 ...
## ..- attr(*, "label")= chr "Government expenditure on education, total (% of GDP)"
## $ NY.GDP.MKTP.KD.ZG: num 6.18 3.8 3.94 3.75 3.97 ...
## ..- attr(*, "label")= chr "GDP growth (annual %)"
## $ SE.ADT.1524.LT.ZS: num NA NA NA NA 77 NA NA NA NA NA ...
## ..- attr(*, "label")= chr "Literacy rate, youth total (% of people ages 15-24)"## country iso2c iso3c year SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG
## 1 Saudi Arabia SA SAU 2000 5.90983 5.625416
## 2 Saudi Arabia SA SAU 2001 7.71887 -1.210744
## 3 Saudi Arabia SA SAU 2002 7.63689 -2.819174
## 4 Saudi Arabia SA SAU 2003 7.10509 11.242061
## 5 Saudi Arabia SA SAU 2004 6.27746 7.958442
## 6 Saudi Arabia SA SAU 2005 5.43092 5.573850
## SE.ADT.1524.LT.ZS
## 1 95.91316
## 2 NA
## 3 NA
## 4 NA
## 5 95.84969
## 6 NA## country iso2c iso3c year SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG
## 1 Yemen, Rep. YE YEM 2000 9.645520 6.181916
## 2 Yemen, Rep. YE YEM 2001 9.237660 3.803646
## 3 Yemen, Rep. YE YEM 2002 6.320796 3.935232
## 4 Yemen, Rep. YE YEM 2003 5.948279 3.747398
## 5 Yemen, Rep. YE YEM 2004 5.554147 3.972696
## 6 Yemen, Rep. YE YEM 2005 5.150256 5.591748
## SE.ADT.1524.LT.ZS
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 77
## 6 NA## country iso2c iso3c year SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG
## 16 Saudi Arabia SA SAU 2015 NA 4.69014507
## 17 Saudi Arabia SA SAU 2016 NA 2.36307458
## 18 Saudi Arabia SA SAU 2017 NA -0.06969802
## 19 Saudi Arabia SA SAU 2018 NA 2.76224374
## 20 Saudi Arabia SA SAU 2019 NA 0.83228033
## 21 Saudi Arabia SA SAU 2020 NA -4.34138768
## SE.ADT.1524.LT.ZS
## 16 NA
## 17 NA
## 18 99.30188
## 19 NA
## 20 NA
## 21 99.49841## country iso2c iso3c year SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG
## 16 Yemen, Rep. YE YEM 2015 NA -27.9945463
## 17 Yemen, Rep. YE YEM 2016 NA -9.3751238
## 18 Yemen, Rep. YE YEM 2017 NA -5.0717956
## 19 Yemen, Rep. YE YEM 2018 NA 0.7524476
## 20 Yemen, Rep. YE YEM 2019 NA NA
## 21 Yemen, Rep. YE YEM 2020 NA NA
## SE.ADT.1524.LT.ZS
## 16 NA
## 17 NA
## 18 NA
## 19 NA
## 20 NA
## 21 NA## country iso2c iso3c year
## Length:21 Length:21 Length:21 Min. :2000
## Class :character Class :character Class :character 1st Qu.:2005
## Mode :character Mode :character Mode :character Median :2010
## Mean :2010
## 3rd Qu.:2015
## Max. :2020
##
## SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG SE.ADT.1524.LT.ZS
## Min. :5.138 Min. :-4.3414 Min. :95.85
## 1st Qu.:5.776 1st Qu.: 0.8323 1st Qu.:95.91
## Median :6.094 Median : 2.8503 Median :99.22
## Mean :6.389 Mean : 3.3224 Mean :97.96
## 3rd Qu.:7.238 3rd Qu.: 5.5739 3rd Qu.:99.30
## Max. :7.719 Max. :11.2421 Max. :99.50
## NA's :13 NA's :16## country iso2c iso3c year
## Length:21 Length:21 Length:21 Min. :2000
## Class :character Class :character Class :character 1st Qu.:2005
## Mode :character Mode :character Mode :character Median :2010
## Mean :2010
## 3rd Qu.:2015
## Max. :2020
##
## SE.XPD.TOTL.GD.ZS NY.GDP.MKTP.KD.ZG SE.ADT.1524.LT.ZS
## Min. :4.392 Min. :-27.99455 Min. :77
## 1st Qu.:5.150 1st Qu.: 0.28188 1st Qu.:77
## Median :5.554 Median : 3.64757 Median :77
## Mean :6.061 Mean : 0.08324 Mean :77
## 3rd Qu.:5.948 3rd Qu.: 3.95396 3rd Qu.:77
## Max. :9.646 Max. : 7.70231 Max. :77
## NA's :8 NA's :2 NA's :203- Temel İstatistikleri Görselleştirme
Tablo oluşturmak için knitr paketini kullanacağız. İlk adım, temel istatistikleri hesaplamak için mean(), median(), min(), max(), ve sd() gibi işlevlerle bir veri çerçevesi oluşturmaktır. Daha sonra, knitr::kable() işlevini kullanarak bu veri çerçevelerini güzel bir tabloya dönüştüreceğiz.
# Suudi Arabistan için temel istatistiklerin veri çerçevesini oluşturma
saudi_stats <- data.frame(
Ortalama = mean(saudi_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Medyan = median(saudi_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Minimum = min(saudi_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Maksimum = max(saudi_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
"Standart Sapma" = sd(saudi_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE)
)
# Yemen için temel istatistiklerin veri çerçevesini oluşturma
yemen_stats <- data.frame(
Ortalama = mean(yemen_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Medyan = median(yemen_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Minimum = min(yemen_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
Maksimum = max(yemen_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE),
"Standart Sapma" = sd(yemen_data$SE.XPD.TOTL.GD.ZS, na.rm = TRUE)
)
# knitr::kable() ile tabloyu görselleştirme
cat("Suudi Arabistan için Temel İstatistikler:\n")## Suudi Arabistan için Temel İstatistikler:| Ortalama | Medyan | Minimum | Maksimum | Standart.Sapma |
|---|---|---|---|---|
| 6.388505 | 6.093645 | 5.13781 | 7.71887 | 0.9864684 |
## Yemen için Temel İstatistikler:| Ortalama | Medyan | Minimum | Maksimum | Standart.Sapma |
|---|---|---|---|---|
| 6.061275 | 5.554147 | 4.392223 | 9.64552 | 1.581861 |
Bu kod, Suudi Arabistan ve Yemen için temel istatistikleri hesaplar ve sonuçları güzel bir şekilde biçimlendirilmiş bir tablo olarak görüntüler.
4- data vilulization using ggplot2
Bu kod bloğu, Suudi Arabistan ve Yemen için üç farklı göstergeye dayalı olarak üç görselleştirmeyi içerir. Her bir görselleştirme, yıllara göre belirli bir göstergeyi gösterir:
Toplam Eğitim Harcamaları (% of GDP): Bu grafik, eğitim harcamalarının GDP’nin yüzdesi olarak zaman içinde nasıl değiştiğini gösterir. Mavi renk Suudi Arabistan’ı, kırmızı renk ise Yemen’i temsil eder.
GDP Büyüme Oranı (Annual %): Bu grafik, her bir ülkenin yıllık olarak bildirilen GDP büyüme oranının zaman içindeki değişimini gösterir.
Genç Okur Yazarlık Oranı (%): Bu grafik, 15-24 yaş aralığındaki gençlerin okur yazarlık oranının zaman içindeki değişimini gösterir.
# Veri Görselleştirme
# Kütüphane yüklemesi
library(ggplot2)
# Suudi Arabistan verileri için bir çizgi grafiği oluşturma
ggplot(saudi_data, aes(x = year)) +
geom_line(aes(y = SE.XPD.TOTL.GD.ZS, color = "Toplam Eğitim Harcamaları")) +
geom_line(aes(y = NY.GDP.MKTP.KD.ZG * 5, color = "GDP Büyüme Oranı (Scaled)")) + # GDP büyüme oranını ölçekleme
geom_line(aes(y = SE.ADT.1524.LT.ZS * 10, color = "Genç Okur Yazarlık Oranı (Scaled)")) + # Genç okur yazarlık oranını ölçekleme
labs(title = "Suudi Arabistan'daki Eğitim ve Ekonomik Göstergeler",
x = "Yıl",
y = "Yüzde (%)",
color = "Gösterge") +
scale_color_manual(values = c("Toplam Eğitim Harcamaları" = "blue",
"GDP Büyüme Oranı (Scaled)" = "red",
"Genç Okur Yazarlık Oranı (Scaled)" = "green")) +
theme_minimal()## Warning: Removed 12 rows containing missing values or values outside the scale range
## (`geom_line()`).
# Yemen için görselleştirmeler
# Toplam eğitim harcamaları, toplam GDP'nin (%)
ggplot(yemen_data, aes(x = year, y = SE.XPD.TOTL.GD.ZS)) +
geom_line() +
labs(title = "Yemen: Toplam Eğitim Harcamaları (% of GDP)",
x = "Yıl",
y = "% of GDP")## Warning: Removed 8 rows containing missing values or values outside the scale range
## (`geom_line()`).
# GDP büyüme oranı (yıllık %)
ggplot(yemen_data, aes(x = year, y = NY.GDP.MKTP.KD.ZG)) +
geom_line() +
labs(title = "Yemen: GDP Büyüme Oranı (Annual %)",
x = "Yıl",
y = "GDP Growth Rate (%)")## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_line()`).
Bu kod bloğu, dplyr paketi kullanılarak Suudi Arabistan ve Yemen
verilerini filtreler, dönüştürür ve özetler. İlk olarak, eksik verileri
içermeyen satırları filtreleyerek başlıyoruz. Daha sonra, GDP per capita
(kişi başına düşen GDP) hesaplamak için yeni bir değişken oluşturuyoruz.
Son olarak, bu değişkenlerin ortalama ve medyanını hesaplayarak veriyi
özetliyoruz.
Bu kod bloğu, Suudi Arabistan ve Yemen için hesaplanan GDP per capita özetini ekrana yazdıracaktır. print() işlevi, belirtilen metni veya değişkeni konsola yazdırmak için kullanılır. Bu şekilde, hesaplanan özet istatistiklerini görebiliriz.
# Suudi Arabistan ve Yemen için veriyi filtreleme
saudi_filtered <- saudi_data %>%
filter(!is.na(SE.XPD.TOTL.GD.ZS)) # Eğitim harcamaları için eksik değerleri içermeyen satırları filtreleme
yemen_filtered <- yemen_data %>%
filter(!is.na(SE.XPD.TOTL.GD.ZS)) # Eğitim harcamaları için eksik değerleri içermeyen satırları filtreleme
# Veriyi dönüştürme: Kişi başına düşen GDP için yeni bir değişken oluşturma
saudi_mutated <- saudi_filtered %>%
mutate(GDP_per_capita = NY.GDP.MKTP.KD.ZG / SE.XPD.TOTL.GD.ZS)
yemen_mutated <- yemen_filtered %>%
mutate(GDP_per_capita = NY.GDP.MKTP.KD.ZG / SE.XPD.TOTL.GD.ZS)
# Veriyi özetleme: Ortalama ve medyan GDP per capita hesaplama
saudi_summary <- saudi_mutated %>%
summarize(
mean_GDP_per_capita = mean(GDP_per_capita, na.rm = TRUE),
median_GDP_per_capita = median(GDP_per_capita, na.rm = TRUE)
)
yemen_summary <- yemen_mutated %>%
summarize(
mean_GDP_per_capita = mean(GDP_per_capita, na.rm = TRUE),
median_GDP_per_capita = median(GDP_per_capita, na.rm = TRUE)
)
# Suudi Arabistan ve Yemen için hesaplanan GDP per capita özetini yazdırma
print("Suudi Arabistan için GDP per capita özeti:")## [1] "Suudi Arabistan için GDP per capita özeti:"## mean_GDP_per_capita median_GDP_per_capita
## 1 0.7489958 0.9890961## [1] "Yemen için GDP per capita özeti:"## mean_GDP_per_capita median_GDP_per_capita
## 1 0.4866587 0.629997# Suudi Arabistan verisi üzerinde düzenleme işlemlerini gerçekleştirin
saudi_tidied <- saudi_data %>%
gather(key = "gösterge_kodu", value = "gösterge_değeri", -country, -year)## Warning: attributes are not identical across measure variables; they will be
## dropped# Yemen verisi üzerinde düzenleme işlemlerini gerçekleştirin
yemen_tidied <- yemen_data %>%
gather(key = "gösterge_kodu", value = "gösterge_değeri", -country, -year)## Warning: attributes are not identical across measure variables; they will be
## dropped## country year gösterge_kodu gösterge_değeri
## 1 Saudi Arabia 2000 iso2c SA
## 2 Saudi Arabia 2001 iso2c SA
## 3 Saudi Arabia 2002 iso2c SA
## 4 Saudi Arabia 2003 iso2c SA
## 5 Saudi Arabia 2004 iso2c SA
## 6 Saudi Arabia 2005 iso2c SA## country year gösterge_kodu gösterge_değeri
## 1 Yemen, Rep. 2000 iso2c YE
## 2 Yemen, Rep. 2001 iso2c YE
## 3 Yemen, Rep. 2002 iso2c YE
## 4 Yemen, Rep. 2003 iso2c YE
## 5 Yemen, Rep. 2004 iso2c YE
## 6 Yemen, Rep. 2005 iso2c YEBu kod blokları, Suudi Arabistan ve Yemen verilerinin düzenleme işlemlerini gerçekleştirir. Veri setlerinin geniş formatı dar formata dönüştürülerek, verinin işlenmesi ve analiz edilmesi kolaylaştırılır.
## Warning in explore_shiny(data): This function can only be used in an
## interactive R session## Warning in explore_shiny(data): This function can only be used in an
## interactive R sessionBu kod blokları, Suudi Arabistan ve Yemen verileri için keşif analizi işlemlerini gerçekleştirir. Veri setlerinin yapısal özellikleri, özet istatistikleri ve dağılımı incelenir.
Tabloları karşılaştırmalı bir analiz gerçekleştirmek için öncelikle Suudi Arabistan ve Yemen’in belirli göstergeler üzerindeki eğilimlerini ve ilişkilerini inceleyeceğiz. İşte bu analizi yapmak için adımlar:
Eğitim Harcamaları (% of GDP) Karşılaştırması: Suudi Arabistan ve Yemen’in yıllara göre GDP’nin bir yüzdesi olarak toplam eğitim harcamalarının trendlerini karşılaştırın ve görselleştirin.
GDP Büyüme Oranı Karşılaştırması: Suudi Arabistan ve Yemen’in yıllara göre GDP büyüme oranını (yıllık yüzde değişim) karşılaştırın.
Genç Okur Yazarlık Oranı Karşılaştırması: Her iki ülkenin de yıllara göre genç okur yazarlık oranını (15-24 yaş) analiz edin ve karşılaştırın.
Bu görselleştirmeleri oluşturmak için ggplot2 kullanacağız. İşte bu karşılaştırmalı analizi gerçekleştirmek için örnek bir kod:
# Eğitim Harcamaları (% of GDP) Karşılaştırması
ggplot() +
geom_line(data = saudi_data, aes(x = year, y = SE.XPD.TOTL.GD.ZS, color = "Suudi Arabistan")) +
geom_line(data = yemen_data, aes(x = year, y = SE.XPD.TOTL.GD.ZS, color = "Yemen")) +
labs(title = "Eğitim Harcamaları (% of GDP) Karşılaştırması",
x = "Yıl",
y = "Eğitim Harcamaları (% of GDP)",
color = "Ülke") +
theme_minimal()## Warning: Removed 12 rows containing missing values or values outside the scale range
## (`geom_line()`).## Warning: Removed 8 rows containing missing values or values outside the scale range
## (`geom_line()`).
# GDP Büyüme Oranı Karşılaştırması
ggplot() +
geom_line(data = saudi_data, aes(x = year, y = NY.GDP.MKTP.KD.ZG, color = "Suudi Arabistan")) +
geom_line(data = yemen_data, aes(x = year, y = NY.GDP.MKTP.KD.ZG, color = "Yemen")) +
labs(title = "GDP Büyüme Oranı Karşılaştırması",
x = "Yıl",
y = "GDP Büyüme Oranı (%)",
color = "Ülke") +
theme_minimal()## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_line()`).