a <- 7 + 3
b<- a + 14
c<- b/a
d<- b*c
a
## [1] 10
b
## [1] 24
c
## [1] 2.4
d
## [1] 57.6
#[1] 10
##[1] 24
##[1] 2.4
##[1] 57.6

x = c(1.2.3) x

## [1] 4 5 6

Burada ‘x’; 1,2 ve 3 öğelerine sahip bir vektördür.

VEKTÖRLERİN BİRLEŞMESİ

y = c(4,5,6,7,8,9)
y
## [1] 4 5 6 7 8 9

İSİMLENDİRİLMİŞ VEKTÖR

myvec = c(birinci='x',ikinci='y')
myvec
## birinci  ikinci 
##     "x"     "y"
##myvec[1]
##myvec['ikinci']

MATRİSLER

Matrisler iki boyutta düzenlenmiş verilerdir, yanyana ya da alt alta dizilmiş vektör gibi.

a <- 1:2
b <- 3:4
c <- 5:6
cbind(a,b,c)
##      a b c
## [1,] 1 3 5
## [2,] 2 4 6
library(wooldridge)
data(intdef)

Veri Seti

data() fonksiyonunu Console’a yazdıktan sonra, wooldridge veri setlerinden istediğimiz veri setini parentez içine yazarsak o veri setini, sağ üst köşede bulunan Environment sekmesinden gözlemleyebilirsiniz. intdef veri seti ilk olarak Promise olarak görülecektir. Bu data’yı daha kullanmaya başlamadığımız anlamına gelir.

Promise yazısına tıkladığınızda artık veri setimiz kullanıma hazırdır. Aslında tıklamanıza gerek yok, veri setini ilk Console’da kulandığımızda otomatik olarak promise kaybolur ve veri seti kullanıma hazır olur.

head(intdef)
##   year   i3  inf  rec  out        def i3_1 inf_1      def_1        ci3 cinf
## 1 1948 1.04  8.1 16.2 11.6 -4.6000004   NA    NA         NA         NA   NA
## 2 1949 1.10 -1.2 14.5 14.3 -0.1999998 1.04   8.1 -4.6000004 0.06000006 -9.3
## 3 1950 1.22  1.3 14.4 15.6  1.2000008 1.10  -1.2 -0.1999998 0.12000000  2.5
## 4 1951 1.55  7.9 16.1 14.2 -1.9000006 1.22   1.3  1.2000008 0.32999992  6.6
## 5 1952 1.77  1.9 19.0 19.4  0.3999996 1.55   7.9 -1.9000006 0.22000003 -6.0
## 6 1953 1.93  0.8 18.7 20.4  1.6999989 1.77   1.9  0.3999996 0.15999997 -1.1
##        cdef y77
## 1        NA   0
## 2  4.400001   0
## 3  1.400001   0
## 4 -3.100001   0
## 5  2.300000   0
## 6  1.299999   0
tail(intdef)
##    year   i3 inf  rec  out        def i3_1 inf_1      def_1        ci3
## 51 1998 4.81 1.6 20.0 19.2 -0.7999992 5.07   2.3  0.3000011 -0.2600002
## 52 1999 4.66 2.2 20.0 18.6 -1.3999996 4.81   1.6 -0.7999992 -0.1500001
## 53 2000 5.85 3.4 20.9 18.4 -2.5000000 4.66   2.2 -1.3999996  1.1900001
## 54 2001 3.45 2.8 19.8 18.6 -1.1999989 5.85   3.4 -2.5000000 -2.3999999
## 55 2002 1.62 1.6 17.9 19.4  1.5000000 3.45   2.8 -1.1999989 -1.8300000
## 56 2003 1.02 2.3 16.5 19.9  3.3999996 1.62   1.6  1.5000000 -0.6000000
##          cinf       cdef y77
## 51 -0.6999999 -1.1000004   1
## 52  0.6000000 -0.6000004   1
## 53  1.2000000 -1.1000004   1
## 54 -0.6000001  1.3000011   1
## 55 -1.1999999  2.6999989   1
## 56  0.6999999  1.8999996   1

Wooldride veri setleri ve sizin ulşabileceğiniz bir çok veri seti değişkenleri kısaltma adlara sahip, örneğin out, örneğin rec. Analizi yapmadan önce bütün bu değişkenlerin anlamlarını öğrenmemiz gerekir. R’a yazdığımız bütün kodlar ve bütün paketler için konsola ? veya help yazabiliriz. Bu komut bize sağ alt köşede bulunan kutucukta, help sekmesinde o konuyla ilgili yardım getirecektir. Biz veri setimiz için yardım istediğimizden konsola ?intdef yazmalıyız.

?intdef
## starting httpd help server ... done
plot( intdef$inf ~ intdef$year)

attach(intdef)
plot(inf ~ year)

detach(intdef)
ilkmodel<- lm(intdef$i3 ~ intdef$inf)
summary(ilkmodel)
## 
## Call:
## lm(formula = intdef$i3 ~ intdef$inf)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -6.5689 -1.0385  0.0678  0.8962  5.0119 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  2.42032    0.46328   5.224 2.88e-06 ***
## intdef$inf   0.64056    0.09425   6.797 8.81e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.125 on 54 degrees of freedom
## Multiple R-squared:  0.461,  Adjusted R-squared:  0.4511 
## F-statistic: 46.19 on 1 and 54 DF,  p-value: 8.812e-09