library(rmarkdown)
library(wooldridge)
data("driving")\(\bullet\) wooldridge paketi içerisinde “driving” adlı datayı kullanarak data içerisindeki veriler aracılığıyla trafik ölümleri üzerindeki etkisini göstermeyi amaçlamaktayım.
\[ happy = \beta_0 + \beta_1totfat + \beta_2unem + \beta_3bac10 + \beta_4bac8 + \beta_5minage + \beta_6perc14_24 + \beta_7state + \beta_8sbprim + \beta_9sbsecon + \beta_{10}year + u . \]
\(\bullet\) Denklemde;
\(\bullet\) totfat = Toplam trafik ölümleri ifade etmektedir.
\(\bullet\) unem = İşsizlik oranını yüzde olarak ifade etmektedir.
\(\bullet\) bac10 = Kan alkol limitinin .10 olduğunu ifade etmektedir.
\(\bullet\) bac08 = Kan alkol limitinin .08 olduğunu ifade etmektedir.
\(\bullet\) minage = Minimum alkol alma yaşını ifade etmektedir.
\(\bullet\) perc14_24 = 14 ila 24 yaş arası nüfus yüzdesini ifade etmektedir.
\(\bullet\) state = 48 Kıta devletini ifade etmektedir.
\(\bullet\) sbprim = Birincil emniyet kemeri yasası ise 1 anlamına gelmektedir.
\(\bullet\) sbsecon = İkincil emniyet kemeri yasası ise 1 anlamına gelmektedir.
\(\bullet\) year = 1980 - 2004 yıllarını ifade etmektedir.
head(driving, 13)## year state sl55 sl65 sl70 sl75 slnone seatbelt minage zerotol gdl bac10
## 1 1980 1 1.000 0.000 0 0 0 0 18 0 0 1
## 2 1981 1 1.000 0.000 0 0 0 0 18 0 0 1
## 3 1982 1 1.000 0.000 0 0 0 0 18 0 0 1
## 4 1983 1 1.000 0.000 0 0 0 0 18 0 0 1
## 5 1984 1 1.000 0.000 0 0 0 0 18 0 0 1
## 6 1985 1 1.000 0.000 0 0 0 0 20 0 0 1
## 7 1986 1 1.000 0.000 0 0 0 0 21 0 0 1
## 8 1987 1 0.542 0.458 0 0 0 0 21 0 0 1
## 9 1988 1 0.000 1.000 0 0 0 0 21 0 0 1
## 10 1989 1 0.000 1.000 0 0 0 0 21 0 0 1
## 11 1990 1 0.000 1.000 0 0 0 0 21 0 0 1
## 12 1991 1 0.000 1.000 0 0 0 0 21 0 0 1
## 13 1992 1 0.000 1.000 0 0 0 2 21 0 0 1
## bac08 perse totfat nghtfat wkndfat totfatpvm nghtfatpvm wkndfatpvm statepop
## 1 0 0 940 422 236 3.200 1.437 0.803 3893888
## 2 0 0 933 434 248 3.350 1.558 0.890 3918520
## 3 0 0 839 376 224 2.810 1.259 0.750 3925218
## 4 0 0 930 397 223 3.000 1.281 0.719 3934109
## 5 0 0 932 421 237 2.830 1.278 0.720 3951834
## 6 0 0 882 358 224 2.510 1.019 0.637 3972527
## 7 0 0 1080 500 279 3.177 1.471 0.821 3991569
## 8 0 0 1111 499 300 2.970 1.334 0.802 4015261
## 9 0 0 1024 423 226 2.580 1.066 0.569 4023858
## 10 0 0 1029 418 247 2.520 1.024 0.605 4030229
## 11 0 0 1121 466 271 2.650 1.102 0.641 4048508
## 12 0 0 1116 474 276 2.600 1.104 0.643 4099156
## 13 0 0 1031 408 218 2.250 0.890 0.476 4154014
## totfatrte nghtfatrte wkndfatrte vehicmiles unem perc14_24 sl70plus sbprim
## 1 24.14 10.84 6.060000 29.37500 8.8 18.9 0 0
## 2 24.07 11.08 6.330000 27.85200 10.7 18.7 0 0
## 3 21.37 9.58 5.710000 29.85765 14.4 18.4 0 0
## 4 23.64 10.09 5.670000 31.00000 13.7 18.0 0 0
## 5 23.58 10.65 6.000000 32.93286 11.1 17.6 0 0
## 6 22.20 9.01 5.640000 35.13944 8.9 17.3 0 0
## 7 27.08 12.53 6.990000 33.99371 9.8 17.0 0 0
## 8 27.67 12.43 7.470000 37.40741 7.8 16.6 0 0
## 9 25.45 10.51 5.620000 39.68992 7.2 16.2 0 0
## 10 25.53 10.37 6.130000 40.83333 7.0 15.8 0 0
## 11 27.69 11.51 6.690001 42.30189 6.9 15.5 0 0
## 12 27.23 11.56 6.730000 42.92308 7.2 15.4 0 0
## 13 24.82 9.82 5.250000 45.82222 7.4 15.3 0 0
## sbsecon d80 d81 d82 d83 d84 d85 d86 d87 d88 d89 d90 d91 d92 d93 d94 d95 d96
## 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
## 7 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 8 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
## 9 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
## 10 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
## 11 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
## 12 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
## 13 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
## d97 d98 d99 d00 d01 d02 d03 d04 vehicmilespc
## 1 0 0 0 0 0 0 0 0 7543.874
## 2 0 0 0 0 0 0 0 0 7107.785
## 3 0 0 0 0 0 0 0 0 7606.622
## 4 0 0 0 0 0 0 0 0 7879.802
## 5 0 0 0 0 0 0 0 0 8333.562
## 6 0 0 0 0 0 0 0 0 8845.614
## 7 0 0 0 0 0 0 0 0 8516.377
## 8 0 0 0 0 0 0 0 0 9316.308
## 9 0 0 0 0 0 0 0 0 9863.649
## 10 0 0 0 0 0 0 0 0 10131.764
## 11 0 0 0 0 0 0 0 0 10448.761
## 12 0 0 0 0 0 0 0 0 10471.199
## 13 0 0 0 0 0 0 0 0 11030.829\(\bullet\) Datadaki ilk 13 veri görülebilmektedir.
data("driving")
paged_table(driving)\(\bullet\) Kullanılan datadaki tüm veriler pagedtable sayesinde kolayca görülebilmektedir.
normalreg <- lm(totfat ~ unem + bac10 + bac08 + minage + perc14_24 + state + sbprim + sbsecon + year , data = driving)
require(dplyr)## Loading required package: dplyr##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionsummary(normalreg)##
## Call:
## lm(formula = totfat ~ unem + bac10 + bac08 + minage + perc14_24 +
## state + sbprim + sbsecon + year, data = driving)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1474.0 -468.5 -169.8 235.6 4302.0
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 62340.103 13316.178 4.682 3.17e-06 ***
## unem 73.085 13.346 5.476 5.30e-08 ***
## bac10 -21.683 74.916 -0.289 0.7723
## bac08 180.089 100.473 1.792 0.0733 .
## minage 58.141 33.289 1.747 0.0810 .
## perc14_24 21.638 19.832 1.091 0.2755
## state -7.906 1.636 -4.833 1.52e-06 ***
## sbprim 1065.904 92.557 11.516 < 2e-16 ***
## sbsecon 452.244 78.308 5.775 9.80e-09 ***
## year -31.936 6.648 -4.804 1.75e-06 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 806.2 on 1190 degrees of freedom
## Multiple R-squared: 0.1653, Adjusted R-squared: 0.159
## F-statistic: 26.18 on 9 and 1190 DF, p-value: < 2.2e-16\(\bullet\) unem’in t istatistiği yaklaşık 5.47’dır ve istatistiksel olarak anlamlıdır.
\(\bullet\) bac10’un t istatistiği yaklaşık -0.28’dir ve istatistiksel olarak anlamsızdır.
\(\bullet\) bac08’in t istatistiği yaklaşık 1.79’dur ve istatistiksel olarak anlamsızdır.
\(\bullet\) “Intercept” yani aslında en yukarıda verdiğim denklemde \(“\beta_0 ”\) değerine karşılık gelen katsayının, ki bu doğrunun başlangıç noktasını belirtiyor, tahmin değerinin 6234 olduğu görülmektedir.
\(\bullet\) “intercept” tahminini yorumlayacak olursak, tüm bağımsız değişkenlerin değeri 0 olduğunda, bağımlı değişkenin yani “tatfat” değişkeninin değerinin 6234 olacağını söylemektedir.
\(\bullet\) Sonuçları modelde yerine yazarsak;
\[ totfat = 6234 + 73.08 unem -21.68 bac10+180bac08+58.1minage+21.6perc14_24 -7.90state +106sbprim+452sbsecon-31.9year+u \]
\(\bullet\) Regresyon sonuçları yorumlandığında;
\(\bullet\) Kesim parametresinin \(\beta_0\)=6234’dür. Tüm bağımsız değişkenlerin değeri 0 olduğunda, bağımlı değişkenin yani “totfat” değişkeninin değerinin 6234 olacağı söylenmektedir.
\(\bullet\) İşsizlik oranını -yüzde olarak- getirisi \(\beta_1\) = 73.08 ’dir. İşsizlik oranını -yüzde olarak- değerinin eğimini yorumlayacak olursak; diğer tüm değişkenlerin etkisi sabit tutulduğunda, toplam trafik ölümleri her 1 puan artışa karşılık, puan 73.08 artmaktadır.
\(\bullet\) Kan alkol limitinin 0.10 olmasının getirisi \(\beta_2\) = -21.68’dir
\(\bullet\) Kan alkol limitinin 0.8 olmasının getirisi \(\beta_3\) = 180’dir
\(\bullet\) Minimum alkol alma yaşının getirisi \(\beta_4\) = 58.1’dir
\(\bullet\) 14 ila 24 yaş arası nüfus yüzdesinin getirisi \(\beta_5\) = 21.6’dır
\(\bullet\) 48 Kıta devletinin getirisi \(\beta_6\) = -7.90’dır.
\(\bullet\) Birincil emniyet kemeri yasasının getirisi \(\beta_6\) = 106’dır.
\(\bullet\) İkincil emniyet kemeri yasasının getirisi \(\beta_6\) = 452’dir
\(\bullet\) 1980 - 2004 yıllarının getirisi \(\beta_7\) = -31.9’dur.
library(plm) ##
## Attaching package: 'plm'## The following objects are masked from 'package:dplyr':
##
## between, lag, leaddrivingpd <- pdata.frame(driving, index = c("state", "year"))\(\bullet\) Veriseti panel verisetine çevrilmeli. pdata.frame komutu verisetini panel verisetine çevirmeye yardımcı olmaktadır.
\(\bullet\) Bu komut sayesinde birey ve zaman indexlerini verisetine tanıtabildim. Artık bu verisitini kullanarak plm komutunu kullanabilmekteyim.
pdim(drivingpd)## Balanced Panel: n = 48, T = 25, N = 1200\(\bullet\) plm paketinin içinde bulunan pdim komutu sayesinde verisetinin balansını kontrol edebilmekte, kaç ülke için toplam kaç yıl veri toplandığını görebiliriz. n burada 48 ülkeden , T = 25 yıl boyunca toplam 1200 tane gözlem toplanıldığını göstermektedir.
library(dynlm)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericwithinmodel1 <- plm(totfat ~ sbprim + sbsecon + factor(year)*minage, data = drivingpd, model = "within")\(\bullet\) totfat = Toplam trafik ölümleri ifade etmektedir.
\(\bullet\) sbprim = birincil emniyet kemeri yasası ise 1
\(\bullet\) sbsecon: = ikincil emniyet kemeri yasası ise 1
\(\bullet\) factor(year)*minage = yıllar ile minimum alkol alma yaşının çarpımı
\(\bullet\) Within tahmincisi kullanırken sadece zaman içinde değişen değişkenleri kullanabiliyoruz. Bu regresyon için, birincil emniyet kemeri yasası kuklası (sbprim), ikincil emniyet kemeri yasası kuklası (sbsecon) ve sene kuklalarıyla minimum alkol alma yaşının (minage) etkileşimini kullanarak totfat (oplam trafik ölümleri)’nı anlamaya çalıştım.
summary(withinmodel1)## Oneway (individual) effect Within Model
##
## Call:
## plm(formula = totfat ~ sbprim + sbsecon + factor(year) * minage,
## data = drivingpd, model = "within")
##
## Balanced Panel: n = 48, T = 25, N = 1200
##
## Residuals:
## Min. 1st Qu. Median 3rd Qu. Max.
## -956.8600 -48.3659 2.4352 49.2843 942.4742
##
## Coefficients: (16 dropped because of singularities)
## Estimate Std. Error t-value Pr(>|t|)
## sbprim -92.6078 23.3846 -3.9602 7.962e-05 ***
## sbsecon 23.6656 17.1465 1.3802 0.16780
## factor(year)1981 311.3725 420.4569 0.7406 0.45912
## factor(year)1982 353.6447 426.9757 0.8283 0.40770
## factor(year)1983 231.7364 429.4438 0.5396 0.58957
## factor(year)1984 191.8586 440.1786 0.4359 0.66302
## factor(year)1985 200.8533 475.6098 0.4223 0.67288
## factor(year)1986 -176.6593 534.6951 -0.3304 0.74117
## factor(year)1987 -687.4649 722.8049 -0.9511 0.34176
## factor(year)1988 -1355.4760 2152.6590 -0.6297 0.52904
## factor(year)1989 -164.5791 42.0427 -3.9146 9.605e-05 ***
## factor(year)1990 -185.9263 42.1382 -4.4123 1.122e-05 ***
## factor(year)1991 -249.8650 42.6743 -5.8552 6.259e-09 ***
## factor(year)1992 -297.6427 42.9004 -6.9380 6.723e-12 ***
## factor(year)1993 -279.8441 43.0175 -6.5054 1.167e-10 ***
## factor(year)1994 -268.3510 43.2595 -6.2033 7.775e-10 ***
## factor(year)1995 -244.9424 43.7927 -5.5932 2.802e-08 ***
## factor(year)1996 -235.2644 43.8376 -5.3667 9.745e-08 ***
## factor(year)1997 -233.4462 43.8642 -5.3220 1.240e-07 ***
## factor(year)1998 -241.1905 43.8938 -5.4949 4.841e-08 ***
## factor(year)1999 -231.3041 43.9614 -5.2615 1.712e-07 ***
## factor(year)2000 -225.5484 43.9994 -5.1262 3.483e-07 ***
## factor(year)2001 -220.5484 43.9994 -5.0125 6.242e-07 ***
## factor(year)2002 -200.3968 44.0402 -4.5503 5.943e-06 ***
## factor(year)2003 -198.9688 44.1303 -4.5087 7.212e-06 ***
## factor(year)2004 -203.8855 44.1303 -4.6201 4.282e-06 ***
## minage 27.7360 15.7997 1.7555 0.07945 .
## factor(year)1981:minage -18.2146 21.8687 -0.8329 0.40507
## factor(year)1982:minage -26.2371 22.1647 -1.1837 0.23677
## factor(year)1983:minage -21.4820 22.2058 -0.9674 0.33355
## factor(year)1984:minage -17.7166 22.6376 -0.7826 0.43402
## factor(year)1985:minage -18.7757 24.1285 -0.7782 0.43664
## factor(year)1986:minage 2.1014 26.6495 0.0789 0.93716
## factor(year)1987:minage 26.5210 35.3058 0.7512 0.45270
## factor(year)1988:minage 58.4193 102.9313 0.5676 0.57045
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Total Sum of Squares: 26071000
## Residual Sum of Squares: 21105000
## R-Squared: 0.19046
## Adj. R-Squared: 0.13103
## F-statistic: 7.50849 on 35 and 1117 DF, p-value: < 2.22e-16\(\bullet\) Yılların alkol alma yaşıyla olan etkileşimi anlamsız çıkmıştır.
\(\bullet\) Yalnızca yıl değerlerine bakıldığında 1989 ila 2004 yılları arasındaki değerler istatistik olarak anlamlıdır.
library(stargazer)##
## Please cite as:## Hlavac, Marek (2018). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.2. https://CRAN.R-project.org/package=stargazerstargazer(normalreg, withinmodel1, type = 'text')##
## =========================================================================
## Dependent variable:
## -------------------------------------------------
## totfat
## OLS panel
## linear
## (1) (2)
## -------------------------------------------------------------------------
## unem 73.085***
## (13.346)
##
## bac10 -21.683
## (74.916)
##
## bac08 180.089*
## (100.473)
##
## minage 58.141* 27.736*
## (33.289) (15.800)
##
## perc14_24 21.638
## (19.832)
##
## state -7.906***
## (1.636)
##
## factor(year)1981:minage -18.215
## (21.869)
##
## factor(year)1982:minage -26.237
## (22.165)
##
## factor(year)1983:minage -21.482
## (22.206)
##
## factor(year)1984:minage -17.717
## (22.638)
##
## factor(year)1985:minage -18.776
## (24.129)
##
## factor(year)1986:minage 2.101
## (26.650)
##
## factor(year)1987:minage 26.521
## (35.306)
##
## factor(year)1988:minage 58.419
## (102.931)
##
## sbprim 1,065.904*** -92.608***
## (92.557) (23.385)
##
## sbsecon 452.244*** 23.666
## (78.308) (17.146)
##
## year -31.936***
## (6.648)
##
## factor(year)1981 311.373
## (420.457)
##
## factor(year)1982 353.645
## (426.976)
##
## factor(year)1983 231.736
## (429.444)
##
## factor(year)1984 191.859
## (440.179)
##
## factor(year)1985 200.853
## (475.610)
##
## factor(year)1986 -176.659
## (534.695)
##
## factor(year)1987 -687.465
## (722.805)
##
## factor(year)1988 -1,355.476
## (2,152.659)
##
## factor(year)1989 -164.579***
## (42.043)
##
## factor(year)1990 -185.926***
## (42.138)
##
## factor(year)1991 -249.865***
## (42.674)
##
## factor(year)1992 -297.643***
## (42.900)
##
## factor(year)1993 -279.844***
## (43.017)
##
## factor(year)1994 -268.351***
## (43.260)
##
## factor(year)1995 -244.942***
## (43.793)
##
## factor(year)1996 -235.264***
## (43.838)
##
## factor(year)1997 -233.446***
## (43.864)
##
## factor(year)1998 -241.190***
## (43.894)
##
## factor(year)1999 -231.304***
## (43.961)
##
## factor(year)2000 -225.548***
## (43.999)
##
## factor(year)2001 -220.548***
## (43.999)
##
## factor(year)2002 -200.397***
## (44.040)
##
## factor(year)2003 -198.969***
## (44.130)
##
## factor(year)2004 -203.885***
## (44.130)
##
## Constant 62,340.100***
## (13,316.180)
##
## -------------------------------------------------------------------------
## Observations 1,200 1,200
## R2 0.165 0.190
## Adjusted R2 0.159 0.131
## Residual Std. Error 806.179 (df = 1190)
## F Statistic 26.182*** (df = 9; 1190) 7.508*** (df = 35; 1117)
## =========================================================================
## Note: *p<0.1; **p<0.05; ***p<0.01\(\bullet\) 2 model karşılaştırıldığında;
\(\bullet\) Minimum alkol alma yaşının (minage) 2 ayrı modelde de anlamca doğru olduğu fakat 1.modelin daha yüksek değerler taşıdığı görülmektedir.
\(\bullet\) Birincil emniyet kemeri yasası kuklasının (sbprim) 2 ayrı modelde de anlamca doğru olduğu fakat 1.modelin daha yüksek değerler taşıdığı görülmektedir.
\(\bullet\) \(R^2\) değerlerinin iki modelde de anlamlı olduğu görülmektedir.