您的位置：首页 > 其它

ECONOMETRICS CHAPTER1

2015-12-06 17:47 274 查看
♣回归一词的来历回归到中等，子辈较父辈的身高回归到中等。♣回归的现代含义研究一个因变量对解释变量的依赖关系。通过解释变量来估计和预测因变量。♣回归分析的结果不一定意味着因果关系，必须诉诸理论思考。♣回归与相关相关分析对称地对待所有变量。回归分析的因变量是随机的，解释变量是固定的。♣题1
#读入csv文件
cpidata<-read.table("D:/ECONOMETRICS/5e_data_sets/Table1_3.csv",header=TRUE,sep=",")
#cpidata2<-read.csv("D:/ECONOMETRICS/5e_data_sets/Table1_3.csv",header=TRUE,sep=",")
#identical(cpidata,cpidata2)
#查看行名和列名
#row.names(cpidata)
#names(cpidata)
#设置结果向量
temp<-numeric(length=25)
inflationdata<-data.frame(YEAR=cpidata[2:26,"YEAR"],USA=temp,Canada=temp,Japan=temp,France=temp,Germany=temp,Italy=temp,UK=temp)
#计算通货膨胀
for(iin2:26)
{for(jin2:8){inflationdata[i-1,j]=(cpidata[i,j]-cpidata[i-1,j])/cpidata[i-1,j]*100}}
#绘制图形
attch(inflationdata)
plot(YEAR,USA,type="l",ylim=c(min(inflationdata[2:8]),max(inflationdata[2:8])))
lines(YEAR,Canada,type="l",col="blue")
lines(YEAR,Japan,type="l",col="green")
lines(YEAR,France,type="l",col="red")
lines(YEAR,Germany,type="l",col="yellow")
lines(YEAR,Italy,type="l",col="orange")
lines(YEAR,UK,type="l",col="purple")







                                            

                                        

                        
                        内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息 
                    

                    

                    

                        

                         标签： 
                                                

                        

                    


                

            


            

                
相关文章推荐

                

                
            

        

        

            

            
            

                

                    
新的分享

                    

                        
                    

                

            


            

                

                    
章节导航