title: Ekonometri II Vize Projesi output: Ahmad Mustafa Hassanzada 1910504546 rmdformats::material output: 17.04.2024 rmdformats::material

vize projesi

R ve Rstudio

-https://posit.co/download/rstudio-desktop/ bu siteden ilke olarak R ve soraden RStudio yokledim ve bilgisayarimde çalıştırdım sonrasinde Rstudio’de yeni proje açtim ve Desktop’ta kayıt ettim daha sonra sol üst kısmınde (+) işaretine basarak RMarkdown seçip yeni proje açtım ve proje ismini yazdım ve kendı bilgilerimi yazıp OK ustunde tıkladım.

ve https://rpubs.com/ranydc/rmarkdown_themes bu sitede tema seçep yokladım

RMarkdown projesi hazırladım

Projemı RMarkdown’da hazrladım, ve internit sitemi yokladim

Siteme Nasıl yokladım

Rpubs’ta hısap açtım projemi açıp ust kisminde ortada (knit) özarınde basarak projeme acık halını yada nasıl olduğunu gorabılırım. projemın sağüst kısmında (publish) basarak orada kendi siteme yökledim

Pakatler

Pakatlar Nedir? Neden kullanılır?

RStudio, R programlama dili ile çalışırken geliştiricilere birçok kolaylık sağlayan bir entegre geliştirme ortamıdır. R paketleri, R programlama dilinin işlevselliğini genişletmek için kullanılır.

RStudio’nun bazı önemli paketleri ve işlevleri

Dplyr

Veri işleme ve analiz için kullanılır. Veri çerçevelerini filtrelemek, sıralamak, toplamak ve dönüştürmek gibi işlemleri kolaylaştırır

Tidyverse

Bu paket, R programlama dilinde veri temizleme, analiz ve görselleştirme işlemlerini daha etkili hale getirir. Dplyr, ggplot2 ve diğer bazı paketleri içerir

Glimpse

Veri çerçevelerini hızlı bir şekilde incelemek için kullanılır. Veri setinin yapısını anlamak ve eksik değerleri tespit etmek için faydalıdır

ggplot2

Veri görselleştirmesi için güçlü bir araçtır. Grafikler, çizimler ve istatistiksel görseller oluşturmak için kullanılır.

magrittr

Veri işleme zincirlerini oluşturmak için kullanılır. Veri manipülasyonunu daha okunaklı ve esnek hale getirir.

Pakatlar nasıl işlenir?

-R programlama dilinde paketleri yüklemek oldukça önemlidir. Paketler, R işlevselliğini genişletir ve veri analizi, istatistiksel hesaplamalar ve görselleştirmeler için kullanılır. İşte R’da paketleri yükleme ve kullanma adımları:

-Paketleri Yükleme: R yazılımını açtığınızda, Tools (Araçlar) menüsünden Install Packages (Paketleri Yükle) seçeneğini kullanabilirsiniz. Alternatif olarak, Console (Konsol) bölmesinde install.packages(“paket_ismi”) komutunu kullanarak paketleriR yükleyebilirsiniz.

Örnek olarak

install.packages("ggplot2")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)

##Paketin Kullanımı

##Paketten hangi verileri alabileceğinizi araştırmak

-iDünya Bankası Veri Kataloğu’na gidin: Dünya Bankası Veri Kataloğu’na https://data.worldbank.org/ veya Dünya Bankası Veri sayfasına https://databank.worldbank.org/home gidin.

-Göstergeleri Araştırın veya Keşfedin: İlgili veriyi bulmak için arama çubuğunu kullanın veya göstergeler bölümünü keşfedin. Örneğin, GSYİH, nüfus, enflasyon vb. gibi göstergeleri arayabilirsiniz.

-Göstergeleri Seçin: İlgili göstergeye tıklayın. Bu, verinin ve ayrıntılarının sağlandığı bir sayfaya yönlendirecektir.

-Göstergelerin Kodunu Not Edin: Her gösterge için sayfa genellikle onu temsil eden bir kod sağlar. Örneğin, “NY.GDP.MKTP.CD” GSYİH’yi temsil eder.

-Göstergelerin Açıklamalarını Anlayın: Anali z için doğru değişkenleri kullandığından emin olmak için gösterge açıklamalarını okumalısınız.

-WDI paketini kullanarak, kritik Dünya Kalkınma Göstergelerine erişiyoruz ve analizimiz için gerekli ekonomik ve sosyal metrikleri topluyoruz.

##Dünya bankası verileri nelerdir?

-Dünya Bankası’nın veritabanı, 217 ekonomi ve 40’tan fazla ülke grubu için 50 yılı aşkın veriyi kapsayan 1,400’den fazla zaman serisi göstergeden oluşmaktadır. https://data.worldbank.org/ adresini ziyaret ettiğinizde, verilere ‘ülke’ ve ‘gösterge’ye dayalı olarak göz atabilirsiniz. ’Ülkeye veya Göstergelere Göre Göz At’ seçeneği altında, ‘gösterge’ bölümüne inerek farklı başlıklar altında birçok zaman serisine erişim sağlanabilir. İlk başlıklar, ‘Tarım ve Kırsal Kalkınma,’ ‘Yardım Etkinliği’ ve ‘İklim Değişikliği’ gibi çeşitli alanları kapsar ve toplamda 20 başlık ve 1,400 zaman serisini içerir.

-İstediğiniz veri kümesi için anahtar kelimeyi bulmak için ‘gösterge’ bölümüne giderek ve https://data.worldbank.org/indicator sayfasını ziyaret ederek belirli veri kümesi sayfasına ulaşabilirsiniz. Örneğin, çeşitli ülkeler için Gayri Safi Yurtiçi Hasıla (GSYİH) ve Toplam Nüfus verileri hakkında meraklıysanız, ilgili URL’leri kullanmanız gerekir: ‘Ekonomi ve Büyüme’ kategorisi altında GSYİH (mevcut ABD doları) ve ‘İklim Değişikliği’ kategorisi altında Nüfus, toplamı gibi başlıkları göreceksiniz, belirli bir sayfaya benzer bir sayfaya ulaşabilirsiniz.

https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?view=chart https://data.worldbank.org/indicator/SP.POP.TOTL?view=chart -NY.GDP.MKTP.CD -Paket daha önce yüklenmediyse, paketi yükleyin. -PAketi R’da aktif hale getirin.

install.packages("WDI")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)

Çin ve Amerika Birleşik Devletleri (ABD)

arasındaki Gayri Safi Yurtiçi Hasıla (GSYİH) verilerini karşılaştıralım:

1.Çin: 2023 yılında GSYİH, bir önceki yıla göre %5,2 artışla 126 trilyon 58 milyar 200 milyon yuana ulaştı1. Kişi başına düşen GSYİH, 11.560,24 ABD doları olarak hesaplandı2. 2.Amerika Birleşik Devletleri (ABD): 2024’ün ilk çeyreğinde ABD’nin GSYİH’si bir önceki yılın aynı dönemine göre %5,3 artarak 29,63 trilyon yuana (yaklaşık 4,17 trilyon ABD doları) ulaştı 3.Çeyrek bazında bakıldığında, ABD ekonomisi ilk üç ayda %1,6 büyüdü 4.Bu verilere dayanarak, Çin ve ABD ekonomileri arasındaki farkları görebiliriz. Çin, büyük bir ekonomik büyüme kaydediyor, ancak ABD’nin daha yüksek bir GSYİH’ya sahip olduğunu görüyoruz.

https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=US-CN

NY.GDP.MKTP.CD

## install.packages("WDI") (zatan R'a yüklediğim icin bir daha indimama girekyok.Eğer yoklenmedise zatan R'a yüklediğim icin bir daha indimama girekyok,Eğer yoklenmedise çalıştıre biliriz )

library(WDI)##  bu adım yülenmesi icin aktif hale getiremesi için kolanılır
data_WDI <- country <- "us"
data_WDI <- country <- "ch"
install.packages("WDI")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)
library(WDI)
ticaret_verisi <- WDI(country = "USA", indicator = "NE.EXP.GNFS.ZS", start = 2000, end = 2022)

1.Veriyi Gözlemleme: -Veriyi inceleyerek hangi sütunların olduğunu ve verinin genel yapısını anlayın. Bu, veri çerçevesinin ilk birkaç satırını görüntülemekle başlayabilir.

-Aşağıdaki kodu kullanarak veri çerçevesinin ilk 5 satırını gözlemleyebilirsiniz:

head(ticaret_verisi)
##         country iso2c iso3c year NE.EXP.GNFS.ZS
## 1 United States    US   USA 2022       11.77312
## 2 United States    US   USA 2021       10.93729
## 3 United States    US   USA 2020       10.20923
## 4 United States    US   USA 2019       11.87247
## 5 United States    US   USA 2018       12.36099
## 6 United States    US   USA 2017       12.26174

2 Veriyi Görselleştirme: -Veriyi görselleştirmek için ggplot2 veya base R gibi grafik kütüphanelerini kullanabilirsiniz. Örneğin, ihracat oranını yıllara göre bir çizgi grafiği ile görselleştirebilirsiniz.

-Aşağıdaki kodu kullanarak ihracat oranını yıllara göre çizgi grafiği ile görselleştirebilirsiniz:

library(ggplot2)
ggplot(data = ticaret_verisi, aes(x = year, y = NE.EXP.GNFS.ZS)) +
  geom_line() +
  labs(x = "Yıl", y = "İhracat Oranı", title = "ABD İhracat Oranı")

3.Veri Analizi: -Veriyi daha ayrıntılı olarak analiz etmek için istatistiksel yöntemler kullanabilirsiniz. Örneğin, ihracat oranının yıllar arasında nasıl değiştiğini inceleyebilirsiniz.

-Aşağıdaki kodu kullanarak ihracat oranının yıllar arasındaki değişimini hesaplayabilirsiniz:

mean(ticaret_verisi$NE.EXP.GNFS.ZS, na.rm = TRUE)
## [1] 11.48552

Çin’in Gayri Safi Yurtiçi Hasıla (GSYİH) verilerini göstermek için aşağıdaki bilgileri kullanabilirsiniz:

Çin’in 2023 yılında GSYİH büyüme hızı yaklaşık olarak %5,2 olarak tahmin ediliyor1. 2024 yılında ise GSYİH büyüme hızının %5,3 olması bekleniyor1. Bu verileri Markdown formatında aşağıda bulabilirsiniz:

Ardından, Çin’in 2000 ile 2022 yılları arasındaki GSYİH verilerini çekmek için aşağıdaki kodu kullanabilirsiniz:

cin_gsyih <- WDI(country = "CN", indicator = "NY.GDP.MKTP.CD", start = 2000, end = 2022)

Veriyi Markdown formatında göstermek için aşağıdaki kodu kullanabilirsiniz:

cat("Çin GSYİH Verileri (2000-2022):\n\n")
## Çin GSYİH Verileri (2000-2022):
for (i in 2000:2022) {
  cat(paste("* ", i, ": $", cin_gsyih[which(cin_gsyih$year == i), "NY.GDP.MKTP.CD"], " milyar\n", sep = ""))
}
## * 2000: $1211331651829.85 milyar
## * 2001: $1339400897153.44 milyar
## * 2002: $1470557654824.11 milyar
## * 2003: $1660280543870.95 milyar
## * 2004: $1955346768757.64 milyar
## * 2005: $2285961149904.26 milyar
## * 2006: $2752118657221.64 milyar
## * 2007: $3550327803024.69 milyar
## * 2008: $4594336785752.06 milyar
## * 2009: $5101691124358.41 milyar
## * 2010: $6087191746738.57 milyar
## * 2011: $7551545703518.14 milyar
## * 2012: $8532185381696.43 milyar
## * 2013: $9570471111847.82 milyar
## * 2014: $10475624944290.1 milyar
## * 2015: $11061572618594.8 milyar
## * 2016: $11233313730288.5 milyar
## * 2017: $12310491333980.9 milyar
## * 2018: $13894907857925.9 milyar
## * 2019: $14279968506242.8 milyar
## * 2020: $14687744162801 milyar
## * 2021: $17820459508852.2 milyar
## * 2022: $17963171479205.3 milyar
library(ggplot2)
ggplot(data = ticaret_verisi, aes(x = year, y = NE.EXP.GNFS.ZS)) +
  geom_line() +
  labs(x = "Yıl", y = "İhracat Oranı", title = " CN İhracat Oranı")

şimde USA Ve Chının (GSYH)karşılaşmasını yapıyorum

Ardından, ABD ve Çin’in 2000 ile 2022 yılları arasındaki GSYİH verilerini çekmek için aşağıdaki kodu kullandım.

abd_gsyih <- WDI(country = "USA", indicator = "NY.GDP.MKTP.CD", start = 2000, end = 2022)
cin_gsyih <- WDI(country = "CN", indicator = "NY.GDP.MKTP.CD", start = 2000, end = 2022)

Veriyi Markdown formatında göstermek için aşağıdaki kodu kullandım.

cat("ABD GSYİH Verileri (2000-2022):\n\n")
## ABD GSYİH Verileri (2000-2022):
for (i in 2000:2022) {
  cat(paste("* ", i, ": $", abd_gsyih[which(abd_gsyih$year == i), "NY.GDP.MKTP.CD"], " milyar\n", sep = ""))
}
## * 2000: $10250947997000 milyar
## * 2001: $10581929774000 milyar
## * 2002: $10929112955000 milyar
## * 2003: $11456442041000 milyar
## * 2004: $12217193198000 milyar
## * 2005: $13039199193000 milyar
## * 2006: $13815586948000 milyar
## * 2007: $14474226905000 milyar
## * 2008: $14769857911000 milyar
## * 2009: $14478064934000 milyar
## * 2010: $15048964444000 milyar
## * 2011: $15599728123000 milyar
## * 2012: $16253972230000 milyar
## * 2013: $16843190993000 milyar
## * 2014: $17550680174000 milyar
## * 2015: $18206020741000 milyar
## * 2016: $18695110842000 milyar
## * 2017: $19477336549000 milyar
## * 2018: $20533057312000 milyar
## * 2019: $21380976119000 milyar
## * 2020: $21060473613000 milyar
## * 2021: $23315080560000 milyar
## * 2022: $2.54397e+13 milyar
cat("\nÇin GSYİH Verileri (2000-2022):\n\n")
## 
## Çin GSYİH Verileri (2000-2022):
for (i in 2000:2022) {
  cat(paste("* ", i, ": $", cin_gsyih[which(cin_gsyih$year == i), "NY.GDP.MKTP.CD"], " milyar\n", sep = ""))
}
## * 2000: $1211331651829.85 milyar
## * 2001: $1339400897153.44 milyar
## * 2002: $1470557654824.11 milyar
## * 2003: $1660280543870.95 milyar
## * 2004: $1955346768757.64 milyar
## * 2005: $2285961149904.26 milyar
## * 2006: $2752118657221.64 milyar
## * 2007: $3550327803024.69 milyar
## * 2008: $4594336785752.06 milyar
## * 2009: $5101691124358.41 milyar
## * 2010: $6087191746738.57 milyar
## * 2011: $7551545703518.14 milyar
## * 2012: $8532185381696.43 milyar
## * 2013: $9570471111847.82 milyar
## * 2014: $10475624944290.1 milyar
## * 2015: $11061572618594.8 milyar
## * 2016: $11233313730288.5 milyar
## * 2017: $12310491333980.9 milyar
## * 2018: $13894907857925.9 milyar
## * 2019: $14279968506242.8 milyar
## * 2020: $14687744162801 milyar
## * 2021: $17820459508852.2 milyar
## * 2022: $17963171479205.3 milyar

ABD ve Çin’in Gayri Safi Yurtiçi Hasıla (GSYİH) verilerini gösteren bir çizgi grafiği.

library(ggplot2)

# ABD GSYİH verileri
abd_gsyih <- data.frame(
  year = 2000:2022,
  gsyih = abd_gsyih$NY.GDP.MKTP.CD / 1e9  # Milyar dolar cinsinden
)

# Çin GSYİH verileri
cin_gsyih <- data.frame(
  year = 2000:2022,
  gsyih = cin_gsyih$NY.GDP.MKTP.CD / 1e9  # Milyar dolar cinsinden
)

# Çizgi grafiği oluştur
ggplot() +
  geom_line(data = abd_gsyih, aes(x = year, y = gsyih, color = "ABD"), size = 1) +
  geom_line(data = cin_gsyih, aes(x = year, y = gsyih, color = "Çin"), size = 1) +
  labs(x = "Yıl", y = "GSYİH (Milyar $)", title = "ABD ve Çin GSYİH Verileri (2000-2022)") +
  scale_color_manual(values = c("ABD" = "blue", "Çin" = "red")) +
  theme_minimal()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

# Vektörleri tanımlayın
x1 <- c(1, 2, 3, 4, 5, 6)
x2 <- c(8, 8, 8, 7, 5)  # Daha kısa vektör
y <- c(9, 11, 12, 13, 14, 16)

# Daha kısa vektörü en uzun vektörün uzunluğuna ulaşacak şekilde doldurun
length(x2) <- length(y)

# Veri çerçevesini oluşturun
df <- data.frame(x1 = x1, x2 = x2, y = y)
# Vektörleri tanımlayın
x1 <- c(1, 2, 3, 4, 5, 6)
x2 <- c(8, 8, 8, 7, 5)  # Daha kısa vektör
y <- c(9, 11, 12, 13, 14, 16)

# Daha kısa vektörü en uzun vektörün uzunluğuna ulaşacak şekilde doldurun
length(x2) <- length(y)

# Veri çerçevesini oluşturun
df <- data.frame(x1 = x1, x2 = x2, y = y)
# Install and load the necessary package
install.packages("quantmod")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)
library(quantmod)
## Loading required package: xts
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## Loading required package: TTR
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
# Get US nominal GDP data
getSymbols("NGDPNSAXDCUSQ", src = "FRED")
## [1] "NGDPNSAXDCUSQ"
plot(NGDPNSAXDCUSQ, main = "US Nominal GDP (Current Prices)")

# Install and load the necessary package
install.packages("wbstats")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)
library(wbstats)

# Get China's nominal GDP data
china_gdp <- wb(indicator = "NY.GDP.MKTP.CD", country = "CN", startdate = 2000, enddate = 2022)
## Warning: `wb()` was deprecated in wbstats 1.0.0.
## ℹ Please use `wb_data()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
plot(china_gdp, main = "China Nominal GDP (Current Prices)")

ulke_kogu_US <- "DZ"
gosterge_kodu_ticaret <- "NE.EXP.GNFS.CD"

2022 seneseni seçiyorum

install.packages("WDI")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)
library(WDI)
# ABD ve Çin'in GSYH istatistiklerini çek
abd_gsyh <- WDI(country = "USA", indicator = "NY.GDP.MKTP.CD", start = 2000, end = 2022)
cin_gsyh <- WDI(country = "CHN", indicator = "NY.GDP.MKTP.CD", start = 2000, end = 2022)
# Install and load the WDI package
install.packages("WDI")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.3'
## (as 'lib' is unspecified)
library(WDI)

# Download GDP and population data for all countries
data <- WDI(country = "all", indicator = c("NY.GDP.MKTP.CD", "SP.POP.TOTL"), start = 2000)

Proje seçemi ve anlatımı

## Sürdürülebilir Enerji ve Çevre Koruma

Giriş: Sürdürülebilir enerji, çevresel dengenin korunması ve temiz hava, insanlığın geleceği için hayati önem taşımaktadır. Bu proje, güneş panelleri ve su barajları kullanarak yenilenebilir enerji üretimi, hava kalitesinin iyileştirilmesi ve atık malzemelerin enerjiye dönüştürülmesi konularını ele alacaktır.

Amaç: Projemizin amacı, yenilenebilir enerji kaynaklarının etkin kullanımını teşvik etmek, hava kirliliğini azaltmak ve geri dönüşüm yoluyla enerji üretimini artırmaktır.

Yöntem:

-Güneş panelleri ve su barajlarından elde edilen enerji verimliliği analizi. -Hava kalitesi ölçümleri ve iyileştirme stratejileri. -Geri dönüşüm materyallerinin enerjiye dönüşüm süreçlerinin incelenmesi.

Veri Toplama Kaynakları:

-Güneş panelleri ve su barajları hakkında teknik bilgiler için TURECO Solar1 ve İsos Enerji2 web siteleri. -Hava kalitesi verileri için yerel çevre yönetim birimleri ve hava kalitesi izleme istasyonları. -Geri dönüşüm ve enerji dönüşüm verileri için yerel belediyeler ve geri dönüşüm tesisleri.

R Markdown Kullanımı: R Markdown, raporlarınızı düzenlemek ve sunmak için kullanabileceğiniz bir araçtır. R Markdown dosyaları .Rmd uzantısına sahiptir ve RStudio içinde oluşturulabilir. Aşağıda R Markdown kullanımının temel adımları bulunmaktadır:

1.R Markdown Dosyası Oluşturma:

-RStudio’da File > New File > R Markdown seçeneğini kullanarak yeni bir R Markdown dosyası açın.

-Belge başlığı, yazar adı ve çıktı formatı (HTML, PDF, Word) gibi detayları girin

2.Başlık ve Alt Başlıklar:

-Başlık için # Başlık Adı, alt başlıklar için ## Alt Başlık Adı kullanın.

3.Metin Biçimlendirme:

Kalın metin için kalın, italik metin için italik kullanın.

4.Listeler:

-Sıralı listeler için sayıları kullanın (1., 2., 3., …). -Sırasız listeler için - veya * işaretlerini kullanın.

5.Kod Blokları:

-R kodlarınızı {r} ... arasına yerleştirin.

6.Çıktı Üretme:

-R Markdown dosyanızı Knit butonu ile belirlediğiniz formatta (HTML, PDF, Word) çıktı alın.