rasul

dunya bankasından verileri indirmek 1 veri

Foreign direct investment, net inflows (BoP, current US$) Doğrudan yabancı yatırım, net girişler (BoP, cari ABD $)

library(WDI)
df = WDI(indicator='BX.KLT.DINV.CD.WD', country=c('all'), start=1960, end=2018)

library(ggplot2)

ggplot(df,aes(year,BX.KLT.DINV.CD.WD)) + geom_line()

## Warning: Removed 2660 rows containing missing values or values outside the scale range
## (`geom_line()`).

world bank data dan verileri indirmek 2 veri

GDP growth (annual %) GSYİH büyümesi (yıllık%)

library(WDI)
df = WDI(country = "all", indicator ='NY.GDP.MKTP.KD.ZG', start=1980,end=2018 )

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ lubridate 1.9.3     ✔ tibble    3.2.1
## ✔ purrr     1.0.2     ✔ tidyr     1.3.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

df <- df %>% filter(iso2c == c("TR","US","NO") )

library(ggplot2)

ggplot(df,aes(x=year))+ geom_line(aes(y=NY.GDP.MKTP.KD.ZG),color="red")+
  labs(title="1980-2018 yillari arasinda dunya gsyh buyume oranlari toplami")

ggplot(df, aes(year, NY.GDP.MKTP.KD.ZG, color = country))+
  geom_line()+
  labs(x = "Yil", y = "GSYH", title = "1980-2018 yillar arasinda Gsyh buyume oranlari karsilastirmalari")

Lineer Regresyon

library(WDI)
df <- WDI(country = "all", indicator = c("NY.GDP.MKTP.CD","BX.KLT.DINV.CD.WD"),start = 2000,end = 2018)

df <- df %>% filter(iso2c == "TR")

regresyon <- lm(NY.GDP.MKTP.CD~BX.KLT.DINV.CD.WD,data=df)

summary(regresyon)

## 
## Call:
## lm(formula = NY.GDP.MKTP.CD ~ BX.KLT.DINV.CD.WD, data = df)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -3.368e+11 -1.134e+11 -4.604e+09  1.546e+11  2.434e+11 
## 
## Coefficients:
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       3.467e+11  8.154e+10   4.253 0.000537 ***
## BX.KLT.DINV.CD.WD 2.711e+01  6.259e+00   4.331 0.000454 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.804e+11 on 17 degrees of freedom
## Multiple R-squared:  0.5245, Adjusted R-squared:  0.4966 
## F-statistic: 18.76 on 1 and 17 DF,  p-value: 0.0004539

Gsyh = 3.467 + 2.711 * dogrudan yatirimlar + gsyh yıllık buyume oranı   

• β₀ (Beta_0 = 3.467): Bu, bağımsız değişkenin (X) sıfır olduğu durumda bağımlı değişkenin (Y) beklenen değeridir. Yani, X’in etkisi olmadığı durumda Y’nin değeri 3.467 olarak öngörülüyor.

• β₁ (Beta_1 = 2.711): Bu, bağımsız değişken X’deki bir birimlik artışın, bağımlı değişken Y üzerindeki etkisini gösterir. Yani, X bir birim arttığında Y’nin ortalama olarak 2.711 birim artacağı anlamına gelir.

Bu iki katsayı, modelinizin temel dinamiklerini anlamanızı sağlar. X ile Y arasındaki ilişkiyi açıklamak için daha fazla bilgiye ihtiyaç duysanız da, bu değerler başlangıç noktası olarak önemli bir anlam taşır.