-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathR_giris.Rnw
1555 lines (1220 loc) · 49.5 KB
/
R_giris.Rnw
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Emrah ER
%% "Ekonometriye Yeni Başlayanlar için Kısa bir R Kılavuzu"
%% kitapçığına ait Sweave dosyasıdır
%% Bu dosyayı R'da çalıştırmak için: `Sweave("R_giris.Rnw")'
%% Friedrich Leisch tarafından yazılan Sweave için
%% http://www.stat.uni-muenchen.de/~leisch/Sweave/
%% adresine bakınız.
%% Bu dosya Mahmood Arai tarafından hazırlanan
%% "A Brief Guide to R for Beginners in Econometrics"
%% kılavuzun Türkçeleştirilmiş halidir.
%% http://people.su.se/~ma/R_intro/
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Giriş
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\documentclass[10pt,a4wide]{article}
\usepackage[turkish]{babel}
\usepackage[latin5]{inputenc}
\usepackage[T1]{fontenc}
\usepackage{html,graphics,color,amsmath,amsfonts,natbib}
\usepackage{Sweave,fancyvrb,color,url,hyperref}
\SweaveOpts{echo=TRUE}
\setkeys{Gin}{width=\textwidth}
\setlength{\parindent}{0pt}
\setlength{\parskip}{0.2cm}
\newcommand{\R}{\textbf{R}}
\definecolor{Red}{rgb}{0.5,0,0}
\definecolor{Blue}{rgb}{0,0,0.5}
\hypersetup{%
breaklinks = {true},
colorlinks = {true},
linkcolor = {Blue},
citecolor = {Blue},
urlcolor = {Red}
}
\SweaveOpts{keep.source=TRUE}
\newcommand{\ee}{\htmladdnormallink{Emrah ER}{http://eremrah.com}}
\newcommand{\ma}{\htmladdnormallink{Mahmood ARAI}{http://people.su.se/~ma}}
\newcommand{\Rhome}{\htmladdnormallink{\R\ Anasayfa}
{http://www.r-project.org/}}
\newcommand{\CRAN}{\htmladdnormallink{CRAN-mirror}
{http://cran.r-project.org/}}
\newcommand{\CRANTV}{\htmladdnormallink{CRAN Konu Görüntüleme:
Sayısal Ekonometri}
{http://ftp.sunet.se/pub/lang/CRAN/web/views/Econometrics.html}}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\begin{document}
\title{Ekonometriye Yeni Başlayanlar için Kısa bir \R\ Kılavuzu}
\author{\textbf{Yazan:}\ma \\Stockholm Üniversitesi, İktisat Bölümü\\
\\
\textbf{Türkçeleştiren:} \ee\footnote{Bu çeviri benim \R\ ile ilgili olarak gerçekleştirdiğim
ilk çalışma olduğundan bazı çeviri hataları içerebilir. Hataları bana bildirirseniz sevinirim.} \\Ankara Üniversitesi, SBF İktisat Bölümü\\
{\small İlk Versiyon: 11/06/2010}}
\date{}
\maketitle
\section{Giriş}
\subsection{\R\ Hakkında}
\R\ GPL (GNU Kamu Lisansı) altında yayınlanan ve tüm ana
platformlarda çalıştırılabilen bir programdır.
\R, \Rhome'sında şu şekilde tanımlanmaktadır:
\begin{quotation}
\textit{"R istatistiki hesaplama ve grafik için bir özgür program ortamıdır.
Çok çeşitli Unix platformunda, Windows ve MacOS altında harmanlama yapabilmekte ve çalışmaktadır.
R'ı indirmek için lütfen tercih ettiğiniz \CRAN'ı seçiniz."}
\end{quotation}
Kılavuzlar ve farklı dökümanlar için \Rhome'sını ziyaret ediniz.
\R\ üzerine yazılmış çok sayıda kitap mevcuttur.
R ile ilişkili yayınların bir listesi için
R-Project\footnote{ \url{http://www.R-project.org/doc/bib/R.bib}} web sayfasını
ziyaret ediniz.
\citet{Dalgaard}
ve \citet{Fox} başlangıç düzeyi için ideal kitaplardır.
İleri düzey bir kitap için ise klasik bir referans olan
\citet{VR}'yi inceleyiniz.
\citet{AER} özel olarak ekonometri konularını ele almaktadır. Ayrıca \CRANTV\ sayfasını inceleyiniz.
\R\ ve \LaTeX'i dokumak için
Sweave'e\footnote{ \url{http://www.stat.uni-muenchen.de/~leisch/Sweave/}} bakınız.
\R\ kullanarak yeniden türetilebilir araştırmalar için \citet{Koenker07}'ye bakınız.
\R'a atıf yapmak için ise \citet{Rcore}'e başvurulabilir.
\subsection{Bu sayfalar hakkında}
Bu ekonometriye yeni başlayanlar için bir el kılavuzudur.
Bu kılavuz Mahmood Arai tarafından hazırlanan kılavuz kullanılarak
oluşturulmuştur\footnote{ \url{http://people.su.se/~ma/R_intro/R_intro.pdf}}.
\verb+#+ sembolü yorumlar için kullanılmıştır. Dolayısıyla bir satırda \verb+ # +
ardından gelen tüm yazılar yorumdur.
\verb+ > + işaretini takip eden yazılar ise \R-komutlarıdır. Örneğin:
<<echo=false>>=
options(width=60)
@
<<Code chunk>>=
ornegim <- "ornek"
ornegim
@
Kod yorumlarını da içeren ve çalıştırılmayan R-kodları aşağıdaki biçimde paragraflandırılmıştır.
{\small \begin{verbatim}
ornegim <- "ornek" # <ornegim> adlı bir nesne yaratır.
ornegim
\end{verbatim}}
\verb+< >+ arasında yer alan karakterler dosyaların, fonksiyonların, vs. isimleridir.\\
\verb+<verim>,<nesnem>+ gibi \verb+<benimbirseyim>+ şeklindeki isimler
genel bir veriye, nesneye, vs.ye atıfta bulunmak için kullanılmaktadır.
\subsection{Nesneler ve dosyalar}
\R\ \textit{nesneler} gibi şeylere önem vermektedir. Bir veri seti, vektör, matris,
regresyon sonucu, çizim, vs. hepsi nesnelerdir. Bir dosya içerisine bir veya daha fazla
nesne kaydedilebilir. \R-verisi içeren bir dosya bir nesne değildir fakat bir nesneler kümesidir.
Temel olarak kullanılan tüm komutlar \textit{fonksiyonlar}dır.
birsey(nesne) şeklindeki bir komut, nesne üzerinde işlem gerçekleştirir.
Bu ise birçok parantez yazacağınız anlamına gelmektedir. Parantezlerin olup olmadığını,
ayrıca doğru yerde olup olmadıklarını kontrol edin.
\section{İlk birkaç şey}
\subsection{Kurulum}
\R\ birçok farklı platform altında çalışabilmektedir ve
[\CRAN]'dan indirilebilir. \\
\subsection{\R\ ile çalışma}
Bir proje için bir klasör oluşturma ve \R'ı bu klasör altında çalıştırmak iyi bir fikirdir.
Bu, çalışmanızı kaydetmenizde ve daha sonraki oturumlarda tekrar bulmanızda kolaylık sağlar.
R'ın \textit{MS-Windows}'ta belirli bir dizinde başlamasını istiyorsanız
\verb+<start in directory>+ dizinini çalışma dizini olarak tanımlamanız gerekmektedir.
Bu işlem R-ikonu üzerinde farenin sağ tuşuna tıklanıp, \verb+<properties>+ kısmına gidilerek
değiştirilebilir.
\textit{\R\ içerisinde çalışma dizinini görüntüleme:}
<<Directory1>>=
getwd()
@
Çalışma dizinini var olan başka bir dizin olan \verb+</ee/r_ekon>+ ile değiştirmek için:
{\small \begin{verbatim}
setwd("/ee/r_ekon")
\end{verbatim}}
\subsection{\R'da isimlendirme}
Bir nesneyi \verb+<benim_nesnem>+ veya
\verb+<benim-nesnem>+ şeklinde isimlendirmeyin bunun yerine
\verb+<benim.nesnem>+ kullanın.\\
\R'da \verb+<benim.nesnem>+ ve \verb+<Benim.nesnem>+ isimlerinin
iki farklı isim olduğuna dikkat edin. Sayı ile başlayan adlandırmalar (\verb+<1a>+ gibi)
\R'da kabul edilmemektedir. Bunun yerine \verb+<a1>+ kullanabilirsiniz.
Bir veri setinde değişken isimlerini nesne isimleri olarak kullanmamanız gerekir.
Eğer kullanırsanız; nesne, değişkeni benzer isimdeki başka bir nesne ile gölgelendirecektir.
Bu durumda değişkeni çağırdığınızda nesnenin görüntülenmesi problemi ortaya çıkacaktır.
Bu sorundan kaçınmak için:
\begin{enumerate}
\item Bir nesneye veri setinizdeki bir değişken ile aynı ismi vermeyin.
\item Eğer bu kuralı takip edemiyorsanız, değişkenlere, değişkenleri
içeren veri seti ve değişken adıyla başvurun. Örneğin, \verb+<df1>+
veri setindeki \verb+<ucret>+ değişkenine:
{\small \begin{verbatim}
df1$ucret.
\end{verbatim}}
komutu ile başvurulabilir.
\end{enumerate}
``Gölgelendirme'' problemi aynı zamanda \R\ fonksiyonları ile de ilişkilidir.
\R\ fonksiyonları ile benzer isimlere sahip nesne isimleri kullanmayın.\\
\verb+<conflicts(detail=TRUE)>+ komutu yarattığınız bir nesnenin
\R\ paketlerinde yer alan başka bir nesne ile çakışıp çakışmadığını kontrol eder ve listeler.
Yalnızca \verb+<.GlobalEnv>+ --çalışma alanınız-- altında listelenen çakışmalara dikkat etmelisiniz
\verb+<.GlobalEnv>+ altında listelenen tüm nesneler, \R\ paketlerindeki nesneleri gölgelendirmektedir.
Nesnelerin \R\ paketlerinde kullanılması için gölgelendirmeye neden olan nesnelerin kaldırılması gerekmektedir.
Aşağıdaki örnek \verb+<T>+ nesnesini yaratmakta --bundan kaçınılmalıdır çünkü
\verb+<T>+, <TRUE> anlamına gelmektedir-- ve çakışmaları kontrol edip, \verb+<T>+'yi kaldırarak
çakışma sorununu çözmektedir.
{\small \begin{verbatim}
T <- "zaman"
conflicts(detail=TRUE)
rm(T)
conflicts(detail=TRUE)
\end{verbatim}}
\verb+<c,C,D,F,I,q,t,T>+ gibi tek-harflik kelimelerin de isim olarak kullanımından da kaçınmalısınız.
Bunların hepsinin \R'da özel anlamları vardır.
\textit{Dosya uzantıları}
R-kodu içeren dosyalarınızın uzantısında \verb+<R>+ kullanmak iyidir.
\verb+<lab1.R>+ şeklindeki bir dosya R-kodlarını içeren bir metin dosyası olacaktır.
\verb+<rda>+ uzantısı çalışma görüntüleri (yani \verb+<save()>+ ile yaratılan dosyalar) için idealdir.
\verb+<lab1.rda>+ şeklindeki bir dosya R-nesnelerini içerecektir.
Kaydedilmiş çalışma görüntüsü için varsayılan isim \verb+<.RData>+'dır.
\verb+<RData>+'yı dosya uzantısı olarak kullandığınızda bir dosyayı \verb+<.RData>+
olarak adlandırmadığınıza dikkat edin.
\subsection{Çalışma alanı nesnelerini ve görüntülerini kaydetme}
\verb+<DataWageMacro.rda>+ dosyasını indirin\footnote{\url{http://people.su.se/~ma/R_intro/data/}}.
\verb+<lnu>+ ve \verb+<macro>+ veri setlerini içeren \verb+<DataWageMacro.rda>+ dosyasını
{\small \begin{verbatim}
load("DataWageMacro.rda")
ls() # nesneleri listeler
\end{verbatim}}
komutu ile okuyabilirsiniz.
Aşağıdaki komut \verb+<lnu>+ nesnesini \verb+<verim.rda>+ dosyasına kaydeder.
{\small \begin{verbatim}
save(lnu, file="verim.rda")
\end{verbatim}}
\R'ı tekrar aynı dizinde başlattığınızda otomatik olarak yüklenecek olan
çalışma alanının bir görüntüsünü kaydetmek için,
{\small \begin{verbatim}
save.image()
\end{verbatim}}
komutunu kullanın.
Çalışma alanınızın görüntüsünü \R'dan çıkarken karşınıza gelen
\verb+<Save workspace image? [y/n/c]:>+ sorusuna \verb+<yes>+ cevabını vererek de
kaydedebilirsiniz.
Bu şekilde çalışma alanınızın görüntüsü \verb+<.RData>+ gizli dosyasına kaydedilecektir.
Cari çalışma alanınızın görüntüsünü kaydedebilir ve \verb+<goruntum.rda>+ adını verebilirsiniz.
{\small \begin{verbatim}
save.image("goruntum.rda")
\end{verbatim}}
\subsection{Genel seçenekler}
\verb+<options()>+ komutu hesaplamaların ve sonuçları görüntülemenin farklı
özelliklerini ele alan bir dizi seçeneğin düzenlenmesinde kullanılabilir.
Şimdi birkaç faydalı seçeneğe bakalım. Satır uzunluğunu 60 karaktere sınırlayarak başlıyoruz.
<<Options>>=
options(width=60)
@
{\small \begin{verbatim}
options(prompt=" R> ") # promptu R> olarak değiştirir.
options(scipen=3) # R version 1.8'den. Bu seçenek
# R'a sayiları üstel format
# yerine sabit formatta
# göstermesini söyler. Örneğin,
# <exp(28)>'in sonucu olarak
# <1.446257e+12> yerine
# <1446257064291>.
options() # seçenekleri görüntüler.
\end{verbatim}}
\subsection{Yardım alma}
{\small \begin{verbatim}
help.start() # yardım sayfalarını açar.
help(lm) # <lm> doğrusal model
# (linear model)
# ile ilgili yardım.
?lm # yukarıdaki ile aynı.
\end{verbatim}}
\section{Temel komutlar}
{\small \begin{verbatim}
ls() # tüm nesneleri listeler.
ls.str() # tüm nesnelerin detaylarını listeler.
str(nesnem) # <nesnem>'in detaylarını listeler.
list.files() # dizindeki tüm dosyaları listeler.
dir() # dizindeki tüm dosyaları listeler.
nesnem # basit olarak nesneyi görüntüler.
rm(nesnem) # <nesnem> nesnesini kaldırır.
rm(list=ls()) # çalışma alanındaki tüm nesneleri
# kaldırır.
save(nesnem,
file="nesnem.rda") # <nesnem> nesnesini <nesnem.rda>
# dosyasına kaydeder.
load("calismam.rda") # "calismam.rda"'yı hafızaya yükler.
summary(verim) # <verim> için basit istatistikleri
# görüntüler.
hist(x,freq=TRUE) # <x> nesnesine ait histogramı
# görüntüler.
# <freq=TRUE> frekansı gösterir ve
# <freq=FALSE> olasılıkları gösterir.
q() # R'dan çıkar.
\end{verbatim}}
Bir komutun çıktısı doğrudan \verb+< <- >+ kullanılarak bir nesneye
atanabilir ki bu durumda nesneye bir değer atanmış olur. Aşağıda yer
alan kodun ilk satırı $1$,$2$ ve $3$ değerlerini içeren \verb+<VV>+
isimli bir nesne yaratır. İkinci satır ise \verb+<VV>+ isimli bir
nesne yaratır ve \verb+<VV>+ nesnesinin içeriğini görüntüler.
<<A Vector>>=
VV <- c(1,2,3)
(VV <- 1:2)
@
\section{Veri düzenleme}
\subsection{Düz metin formatında veriyi okuma:}
\textit{Sütunlarda veri}
Bu örnekteki veri seti bir metin dosyasındandır.
\texttt{\htmladdnormallink{<tmp.txt>}{
http://people.su.se/~ma/R_intro/data/tmp.txt}} dosyası ilk satırında
değişken isimlerini içermektedir (isimler boşluk ile ayrılmıştır) ve bu
değişkenlerin değerleri diğer satırlarda yer almaktadır (değerler
boşluk ile ayrılmıştır).
Aşağıdaki kod \verb+<tmp.txt>+ dosyasının içeriğini okur ve bunu
\verb+<dat>+ isimli bir nesneye atar.
<<Reading data>>=
FILE <- "http://people.su.se/~ma/R_intro/data/tmp.txt"
dat <- read.table(
file= FILE,
header = TRUE)
dat
@
\verb+<header = TRUE>+ argümanı ilk satırda değişken isimlerinin
olduğunu belirtir. \verb+<dat>+ nesnesi \R'da adlandırıldığı şekliyle
bir veri setidir.
Eğer \verb+<tmp.txt>+ veri dosyasındaki sütunlar \verb+<,>+ ile
ayrılmışsa, kod yazımı,
{\small \begin{verbatim}
read.table("tmp.txt", header = TRUE, sep=",")
\end{verbatim}}
şeklinde olmalıdır.
Eğer ondalık karakteri \verb+<.>+ şeklinde ise bunun tanımlanması gereklidir.
Eğer ondalık karakteri \verb+<,>+ şeklinde ise \verb+<read.csv>+ komutunu
kullanabilir ve ardından gelen argümanı \verb+<dec=",">+ fonksiyonu içerisinde
tanımlayabilirsiniz.
\subsection{Tablo verisinde mevcut olmayan gözlem (NA) ve sınırlayıcılar}
\verb+<data1.txt>+ dosyası aşağıdaki veriyi içermektedir:
{\small \begin{verbatim}
1 . 9
6 3 2
\end{verbatim}}
Burada ikinci sütünda (değişkende) yer alan ilk gözlem
eksiktir ve \verb+<.>+ olarak kodlanmıştır.\\
\R'a \verb+<.>+'nın eksik değer olduğunu bildirmek için
\verb+<na.strings=".">+ argümanını kullanırız.
<<Read table>>=
FILE <- "http://people.su.se/~ma/R_intro/data/data1.txt"
read.table(file=FILE ,na.strings="." )
@
Bazen sütunlar boşluklardan farklı ayraçlar ile ayrılırlar.
Ayraç, örneğin, \verb+<,>+ olabilir ki bu durumda \verb+<sep=",">+ argümanını
kullanmamız gerekir.
Eğer sütunlar \verb+<,>+ ile ayrılmışsa ve bazı sütunlarda aşağıdakine benzer
şekilde boşluklar varsa bu durumda \verb+ <na.strings=".">+ argümanının
çalışmayacağına dikkat edin. NA aslında iki boşluk şeklinde kodlanır,
bir nokta ve iki boşluk, ve \verb+ <na.strings=".">+ şeklinde
ifade edilmesi gerekir.
{\small \begin{verbatim}
1, . ,9
6, 3 ,2
\end{verbatim}}
Bazen eksik değerler basitçe <boşluk> şeklindedir.
{\small \begin{verbatim}
1 9
6 3 2
\end{verbatim}}
İlk satırda 1 ile 9 arasında iki boşluk olduğuna
dikkat edin. Bu ikinci sütundaki değerin boşluk olduğu anlamına
gelir. Bu ise eksik değer anlamındadır. Burada önemli olan şey
\verb+<na.strings="">+ ile birlikte \verb+<sep=" ">+ tanımlanması gerektiğidir.
\subsection{Diğer formatlarda veri okuma ve yazma}
\verb+<foreign>+ kitaplığını çeşitli standart paketlerin veri formatında verileri
okumak için ekleyin. Örnekler arasında SAS, SPSS, STATA, vs. yer almaktadır.
{\small \begin{verbatim}
library(foreign)
# <wage.dta> verisini okur ve <lnu> nesnesine atar.
lnu <- read.dta(file="wage.dta")
\end{verbatim}}
\verb+<read.ssd()>+ , \verb+<read.spss()>+, vs. SAS ve SPSS formatlarında verileri
okumak için foreign paketinin içerisinde yer alan komutlardır.
Yabancı formatta veri yazmak da kolaydır. Aşağıdaki kodlar <lnu> nesnesini <lnunew.dta>
adındaki Stata dosyasına yazdırır.
{\small \begin{verbatim}
library(foreign)
write.dta(lnu,"lnunew.dta")
\end{verbatim}}
\subsection{Veri seti nesnesinin içeriğini inceleme}
Burada \htmladdnormallink{İsveç Yaşam Düzeyi Anketi}{http://www2.sofi.su.se/LNU2000/english.htm} LNU 1991'den
elde edilen veri seti kullanılmaktadır.
<<LNU-data>>=
FILE <-"http://people.su.se/~ma/R_intro/data/lnu91.txt"
lnu <- read.table(file=FILE, header = TRUE)
@
\verb+<lnu>+ verisini \verb+<attach(lnu)>+ ile iliştirmek \verb+<lnu>+ veri setine ve veri
setindeki değişkenlere isimleriyle erişimi sağlar.
Eğer \verb+<lnu>+ veri setini iliştirmediyseniz \verb+<lnu>+ veri setinde yer alan \verb+<female>+
değişkenine atıfta bulunmak için \verb+<lnu$female>+ komutunu kullanabilirsiniz.
Veri setine iliştirilmiş olarak ihtiyacınız kalmadığında iliştirme işlemini \verb+<detach()>+ komutuyla
geri alabilirsiniz.
\textit{lnu veri setinin içeriğinin tanımlanması.}
<<Summary>>=
str(lnu) # Veri yapısının tanımı
summary(lnu) # Veri tanımlamasının özeti
@
\subsection{Veri setinde değişken yaratma ve değişken çıkartma}
Burada \verb+<logwage>+ değişkenini \verb+<wage>+ değişkeninin logaritması olarak tanımlıyoruz.
Sonrasında ise değişkeni çıkartıyoruz.
<<Creating and Removing a variable>>=
lnu$logwage <- log(lnu$wage)
lnu$logwage <- NULL
@
Orjinal değişkenlerin basit dönüştürmeleri olan değişkenleri yaratmaya
gerek olmadığına dikkat edin. Dönüştürmeyi doğrudan hesaplamaların ve tahminlerin içerisinde
gerçekleştirebilirsiniz.
\subsection{Veri setinde yer alan değişkenlerin alt kümesini seçme}
{\small \begin{verbatim}
# lnu veri setinde (wage,female)
# değişkenlerinin altkümesini okuma.
lnu.female <- subset(lnu, select=c(wage,female))
# Veri setinde iki nesneyi (değişkeni)
# bir araya getirme.
attach(lnu)
lnu.female <- data.frame(wage,female)
# lnu'da female hariç tüm değişkenleri okuma.
lnux <- subset(lnu, select=-female)
# wage'den public'e kadar değişkenleri okuma.
lnuxx <- subset(lnu, select=wage:public)
\end{verbatim}}
\subsection{Veri setinde gözlemlerin altkümesini seçme}
{\small \begin{verbatim}
attach(lnu)
# Bir değişkende var olan eksik değer
# içeren gözlemleri silme.
lnu <- na.omit(lnu)
# Sadece female değişkenine ait veriyi saklama.
fem.data <- subset(lnu, female==1)
# Sadece female ve public employees
# değişkenlerine ait veriyi saklama.
fem.public.data <- subset(lnu, female==1 & public==1)
# wage > 90 olan tüm gözlemleri seçme.
highwage <- subset(lnu, wage > 90)
\end{verbatim}}
\subsection{Değişkenlerin değerlerini değiştirme}
Okul değişkeni içerisinde yer alan değerleri değiştirerek bireyin üniversite eğitimi alıp almadığını
gösteren bir değişken yaratıyoruz.
Okul değişkenini kopyalayın.
<<copy>>=
lnu$university <- lnu$school
@
Üniversite değerini eğer okula gidilen yıl sayısı 13 yıldan az ise 0 değeri ile
değiştirin.
<<replace 1>>=
lnu$university <- replace(lnu$university,
lnu$university<13, 0)
@
Üniversite değerini eğer okula gidilen yıl sayısı 12 yıldan fazla ise 1 değeri ile
değiştirin.
<<replace 2>>=
lnu$university <- replace(lnu$university,
lnu$university>12, 1)
@
\verb+<lnu$university>+ değişkeni şimdi üniversite eğitimi için bir kukla değişken haline gelmiştir.
Kaydettikten sonra veri setini tekrar iliştirmeyi unutmayın. Kategori değişkenleri yaratmak için \verb+<cut>+
komutunu kullanabilirsiniz.
<<dummy variable 0>>=
attach(lnu, warn.conflicts=FALSE)
table(university)
@
Kukla değişken yaratmak için şu şekilde ilerliyoruz:
<<Dummy variables 1>>=
university <- school > 12
table(university)
@
Aslında genellikle kukla değişken yaratmamıza gerek yoktur.
\verb+<school > 12>+ üzerinden doğrudan işlemleri gerçekleştirebiliriz.
<<Dummy variables 2>>=
table(school > 12)
@
\subsection{Eksik değerleri değiştirmek}
Bir vektör yaratıyoruz. Bir değeri eksik değer olarak yeniden kodluyoruz
ve ardından eksik değeri orijinal değeri ile değiştiriyoruz.
{\small \begin{verbatim}
a <- c(1,2,3,4) # vektör yaratır
is.na(a) <- a ==2 # a==2 'yi NA olarak kodlar
a <- replace(a, is.na(a), 2)# NA'yı 2 ile değiştirir
# or
a[is.na(a)] <- 2
\end{verbatim}}
\subsection{Faktörler}
Bazen değişkenlerimizin çeşitli aralıklara karşılık gelen uygun düzeydeki
kategori değişkenleri biçiminde kullanılması için yeniden tanımlanması gerekir.
9 yıla kadar, 10 ila 12 yıl arası ve 12 yıl üstü için okul kategorileri oluşturmak
isteyebiliriz. Bu \verb+<cut()>+ kullanılarak kodlanabilir. En düşük kategoriyi dahil etmek için
\verb+<include.lowest=TRUE>+ argümanını kullanırız.
<<Factor 1>>=
SchoolLevel <- cut(school,
c(9,12, max(school), include.lowest=TRUE))
table(SchoolLevel)
@
Her düzey için etiket ayarlanabilir. Bir önceki bölümde yaratılan üniversite değişkenini ele
alalım.
<<Factor 2>>=
SchoolLevel <- factor(SchoolLevel,
labels=c("basic","gymnasium","university"))
table(SchoolLevel)
@
Yukarıdaki gibi tanımlanan bir faktör, örneğin regresyon modelinde kullanılabilir.
Referans kategori en düşük değere sahip düzeydir. \verb+<Basic>+'e
karşılık gelen en düşük değer $1$ 'dir ve <Basic> sütunu karşılaştırma matrisinde yer almamaktadır.
Taban kategoriyi değiştirmek bu sütun yerine başka bir sütunu dışlayacaktır.
Bu aşağıda yer alan örnekte gösterilmiştir.
<<Factor 3>>=
contrasts(SchoolLevel)
contrasts(SchoolLevel) <-
contr.treatment(levels(SchoolLevel),base=3)
contrasts(SchoolLevel)
@
Aşağıdaki komut \verb+<school>+ değişkenini sayısal bir değişken olarak tanımlar.
<<As numeric>>=
lnu$school <- as.numeric(lnu$school)
@
\subsection{Veriyi grup bazında toplulaştırmak}
V1, V2 ve V3 gibi 3 değişkenden oluşan basit bir veri seti yaratalım.
V1 grup birimi ve V2 ile V3 iki sayısal değişken olsunlar.
<<Data df1>>=
(df1 <- data.frame(V1=1:3, V2=1:9, V3=11:19))
@
\verb+<aggregate>+ komutunu kullanarak \verb+<sum>+, \verb+<mean>+, vb. grup özelliklerini içeren
yeni bir data.frame oluşturalım. Burada toplam (sum) fonksiyonu \verb+<V1>+ grup birimi ile
\verb+<df1[,2:3]>+ üzerine yani \verb+<df1>+'in ikinci ve üçüncü sütunlarına uygulanır.
<<Aggregate 1>>=
(aggregate.sum.df1 <-
aggregate(df1[,2:3],list(df1$V1),sum))
(aggregate.mean.df1 <-
aggregate(df1[,2:3],list(df1$V1),mean))
@
<Group.1> değişkeni, grupları tanımlayan bir faktördür.
Aşağıda toplulaştırma (aggregate) fonksiyonuna ilişkin bir örnek yer almaktadır.
Birim tanımlayıcı \verb+<dat$id>+'yi içeren \verb+<dat>+ şeklinde bir veri setimiz olduğunu
varsayalım. Zaman içerisinde tekrar tekrar gözlemlenen birimler \verb+dat$Time+ değişkeni ile gösterilsin.
<<Aggregate 2>>=
(dat <- data.frame(id=rep(11:12,each=2),
Time=1:2, x=2:3, y =5:6))
@
Bu veri setinde yer alan tüm değişkenler için grup ortalamalarını hesaplar
ve \verb+<Time>+ değişkeni ile otomatik olarak oluşturulmuş olan grup tanımlayıcı değişken
\verb+<Group.1>+'i dışlar.
<<Aggregate between>>=
(Bdat <- subset(aggregate(dat,list(dat$id),FUN=mean),
select=-c(Time,Group.1)))
@
\verb+<id>+ uzunluğunda ve \verb+<id>+ içerisinde yer alan her bir gözlem için tekrarlayan grup
ortalamalarını içeren bir veri seti yaratmak için \verb+<Bdat>+ ve \verb+<dat$id>+'yi birleştirin.
<<Merge Between>>=
(dat2 <- subset(merge(data.frame(id=dat$id),Bdat),
select=-id))
@
Şimdi \verb+<id>+ ve \verb+<Time>+ tanımlayıcılarını ve diğer tüm değişkenlerin ortalama
değerlerden sapmalarını içeren bir veri seti yaratabiliriz.
<<Within transformation>>=
(within.data <- cbind(id=dat$id, Time=dat$Time,
subset(dat,select=-c(Time,id)) - dat2))
@
\subsection{Farklı veri setlerini kullanma}
Genellikle farklı veri setlerinden verileri kullanmamız gerekir.
\R'da bu verileri, diğer birçok istatistik paket programında olduğu üzere
tüm verinin aynı anda ve bir tablo şeklinde var olduğu biçimde,
aynı veri seti içerisine koymamıza gerek yoktur.
Örneğin, değişkenler aynı uzunluğa sahip olduğu sürece (aynı gözlem sayısı) ve aynı sırada
(tüm değişkenlerdeki i'inci gözlem aynı birime karşılık gelir) olduğu sürece
bir veri setinden bir değişken, diğer bir veri setinden başka bir değişken kullanarak bir regresyon
kurmak mümkündür. Aşağıdaki iki veri setini ele alalım:
<<data1 and data2>>=
data1 <- data.frame(wage =
c(81,77,63,84,110,151,59,109,159,71),
female = c(1,1,1,1,0,0,1,0,1,0),
id = c(1,3,5,6,7,8,9,10,11,12))
data2 <- data.frame(experience =
c(17,10,18,16,13,15,19,20,21,20),
id = c(1,3,5,6,7,8,9,10,11,12))
@
Şimdi veri setlerini birleştirmeden her ikisinden de
değişkenleri kullanabiliriz. \verb+<data1$wage>+'in
\verb+<data1$female>+ ve \verb+<data2$experience>+ üzerine regresyonunu
gerçekleştirelim.
<<variables from different data>>=
lm(log(data1$wage) ~ data1$female + data2$experience)
@
Farklı veri setlerinde yer alan değişkenleri tek bir veri
setine yerleştirerek analizimizi bu yeni veri seti üzerinden de gerçekleştirebiliriz.
<<Putting two data together>>=
(data3 <- data.frame(data1$wage,
data1$female,data2$experience))
@
Veri setlerini birleştirebiliriz. Eğer her iki veri setinde de aynı değişken yer
alıyorsa, veri bu değişken ile tutarlı biçimde birleştirilir.
<<Merge two data sets>>=
(data4 <- merge(data1,data2))
@
Diğer paket programlarda olduğu üzere gözlemlerin \verb+<id>+'de tanımlandığı şekliyle
aynı sırada olmasına gerek olmadığına dikkat ediniz.
Eğer iki veri setini ortak bir değişken kullanarak eşleştirmek istiyorsak ve bu
değişken veri setlerinde farklı isimlere sahipse, isimleri aynı olacak biçimde değiştirebilir veya
veri olduğu şekliyle kullanıp verileri eşleştirirken kullanılacak değişkenleri tanımlayabiliriz.
Eğer \verb+<data2>+ ve \verb+<data1>+ veri setlerinde eşleştirilecek değişken \verb+<id2>+ ve \verb+<id>+
ise aşağıdaki yazım kullanılabilir:
{\small \begin{verbatim}
merge(data1,data2, by.x="id", by.y="id2")
\end{verbatim}}
\verb+ <by.x="id", by.y="id2">+ argümanları \verb+data1+'da eşleştirme değişkeninin
\verb+id+ ve \verb+data2+'de \verb+id2+ olduğunu ifade eder.
Aynı zamanda veri setlerini \verb+<data.frame>+ veya \verb+<cbind>+ yardımıyla
varolan sırasında birleştirebilirsiniz. Bu şekilde veri, veri setindeki sırasında gözlem gözlem eşleştirilir.
Bu aşağıdaki örnekte gösterilmiştir.
<<Column bind data frames>>=
data1.noid <- data.frame(wage = c(81,77,63),
female = c(1,0,1))
data2.noid <- data.frame(experience = c(17,10,18))
cbind(data1.noid,data2.noid)
@
Eğer bir veri setinin sonuna gözlem eklemek isterseniz, \verb+<rbind>+ kullanabilirsiniz.
Aşağıdaki örnek \verb+<data4>+'teki 2.,3. ve 4. sütunları iki parçaya ayırarak \verb+<rbind>+
ile tekrar bir araya getirmektedir.
<<Row bind>>=
data.one.to.five <- data4[1:5,2:4]
data.six.to.ten <- data4[6:10,2:4]
rbind(data.one.to.five,data.six.to.ten)
@
\section{Temel istatistikler}
Bir veri setindeki tüm değişkenler için özet istatistikler:
{\small \begin{verbatim}
summary(mydata)
\end{verbatim}}
Bir değişkene ait Ortalama (Mean), Ortanca (Median), Standart Sapma (Standard deviation), Maksimum ve
Minimum:
{\small \begin{verbatim}
mean (myvariable)
median (myvariable)
sd (myvariable)
max (myvariable)
min (myvariable)
# 10, 20, ..., 90 yüzdelikleri hesapla
quantile(myvariable, 1:9/10)
\end{verbatim}}
\R\ \verb+<sum>+, \verb+<mean>+, vs.'yi \verb+<NA>+ içeren bir nesne üzerine hesapladığında,
\verb+<NA>+ sonucunu verir. Bu fonksiyonları verinin var olduğu yerdeki gözlemlere uygulamak için
\verb+<na.rm=TRUE>+ argümanını kullanmalısınız. Diğer bir alternatif ise \verb+<NA>+ içeren tüm
veri satırlarını \verb+<na.omit>+ ile dışlamaktır.
<<Sum when there are NA's>>=
a <- c(1,NA, 3,4)
sum(a)
sum(a,na.rm=TRUE)
table(a, exclude=c())
@
Ayrıca, NA'ları dışlayan ve toplamı hesaplayan \\
\begin{center}
\verb+<sum(na.omit(a))>+
\end{center}
veya \verb+<a>+ içerisinde NA olmayan (!is.na) elemanların toplamını hesaplayan \\
\begin{center}
\verb+<sum(a[!is.na(a)])>+
\end{center}
\\
kullanabilirsiniz.
\subsection{Çizelgeleme}
\htmladdnormallink{İlk olarak veri setini okutalım}
{http://people.su.se/~ma/R_intro/data/}.
Çapraz Çizelgeleme
<<Cross tabulation>>=
attach(lnu,warn.conflicts=FALSE)
table(female,public) # frekansları verir
(ftable.row <- cbind(table(female,public),
total=table(female)))
(ftable.col <- rbind(table(female,public),
total=table(public)))
@
{\small \begin{verbatim}
# Bunu deneyin:
# satırlara göre göreli frekans: female
ftable.row/c(table(female))
# sütunlara göre göreli frekans: public
ftable.col/rep(table(public),each=3)
# rep(table(public),each=3)
# table(public)'deki her değeri 3 kez tekrar eder
\end{verbatim}}
Kategoriler ile çeşitli istatistikler oluşturma.
Aşağıdaki komut erkekler (males) ve kadınlar (female) için ortalama
ücretleri (wage) verir.
<<Tapply 1>>=
tapply(wage, female, mean)
@
\verb+<length>, <min>, <max>+, vs. kullanımı erkekler ve kadınlar için
farklı gözlem sayısı, minimum, maximum, vs. oluşturur.
<<Tapply 2>>=
tapply(wage, female, length)
@
Aşağıda yer alan örnek özel (private) sektör ve kamu (public) sektöründeki erkekler ve kadınlar
için ortalama ücretleri verir.
<<Tapply 2>>=
tapply(wage, list(female,public), mean)
@
Aşağıdaki komut ise eş uzunlukta bir vektör yaratarak grup bazında ortalamaları
hesaplar. Eş uzunluk her grubun tüm elemanları için grup istatistiklerinin elde edildiği anlamına gelmektedir.
Erkekler ve kadınlar için ortalama ücret:
<<Group variables with ave>>=
attach(lnu, warn.conflicts=FALSE)
lnu$wage.by.sex<- ave(wage,female,FUN=mean)
@
\verb+<mean>+ fonksiyonu \verb+<min>, <max>, <length>+, vs. ile değiştirilebilir.
\section{Matrisler}
\R'da matrisi şu şekilde tanımlarız (\R'da bakınız ?matrix):
3 satır ve 4 sütundan oluşan ve sütunlarında 1'den 12'ye kadar elemanları içeren bir matris:
<<Matrix 1>>=
matrix(1:12,3,4)
@
3 satır ve 4 sütundan oluşan ve satırlarında 1'den 12'ye kadar elemanları içeren bir matris:
<<Matrix 2>>=
(A <- matrix(1:12,3,4,byrow=TRUE))
dim(A) # Matrisin boyutu
nrow(A) # Satır sayısı, dim(A)[1] ile aynı
ncol(A) # Sütun sayısı, dim(A)[2] ile aynı
@
\subsection{Endeksleme}
Bir matrisin elemanları, matris adından sonra köşeli parantez kullanılarak ve aralarına virgül
olacak şekilde satır ve sütünlara başvurularak listelenebilir. Benzer bir endeklemeyi diğer nesnelerin
elemanlarını listelemek için de kullanabilirsiniz.
\begin{verbatim}
A[3,] # 3. satırı listeleme
A[,3] # 3. sütunu listeleme
A[3,3] # 3. satır ve üçüncü sütun
A[-1,] # 1. satır hariç matrisin tamamı
A[,-2] # 2. sütun hariç matrisin tamamı
\end{verbatim}
Matris elemanları üzerinde bazı koşulların değerlendirilmesi
<<Matrix 3>>=
A>3 # 3'ten büyük elemanlar
A==3 # 3'e eşit elemanlar
@
Bazı koşulları yerine getiren elemanları listeleme
<<Matrix 4>>=
A[A>6] # 6'dan büyük tüm elemanlar
@
\subsection{Skalar Matris}
Skalar matris matrisin özel bir biçimidr.
Köşegen-dışı elemanları sıfır, köşegen üzerindeki elemanları ise
aynıdır ve eşit sayıda satır ile sütuna sahip olan kare bir matristir.
Aşağıdaki örnek matrislerin köşegenleri ile ilişkili
bazı matris özelliklerini göstermektedir. Ayrıca \verb+?upper.tri+ ve
\verb+?lower.tri+'ye de bakınız.
<<Matrix 5>>=
diag(2,3,3)
diag(diag(2,3,3))
@
\subsection{Matris işlemleri}
\textbf{Matrisin devriği}
Bir matrisin satırlarını sütun, sütunlarını da satır yapmak matrisin devriğini verir.
<<Matrix 6>>=
t(matrix(1:6,2,3)) #
@
(1:6,2,3) matrisi ve (1:6,3,2, byrow=T) matrisini deneyin.
\textbf{Toplama ve çıkarma}
Toplama ve çıkarma işlmeri boyutları aynı olan matrislere
veya bir skalar ve bir matrise uygulanabilir.
{\small \begin{verbatim}
# Bunu deneyin
A <- matrix(1:12,3,4)
B <- matrix(-1:-12,3,4)
C1 <- A+B
D1 <- A-B
\end{verbatim}}
\textbf{Skalar çarpımı}
{\small \begin{verbatim}
# Bunu deneyin
A <- matrix(1:12,3,4); TwoTimesA = 2*A
c(2,2,2)*A
c(1,2,3)*A
c(1,10)*A
\end{verbatim}}
\textbf{Matris çarpımı}
Matris çarpımı için \R\ <$\%*\%$> kullanır ve bu sadece matrisler
uyumlu ise çalışır.
{\small \begin{verbatim}
E <- matrix(1:9,3,3)
crossproduct.of.E <- t(E)%*%E
# veya çapraz çarpımları elde etmenin daha etkin diğer bir yolu:
crossproduct.of.E <- crossprod(E)
\end{verbatim}}
\textbf{Matris tersi}
Kare matris $\textbf{A}$'nın tersi $\textbf{A}^{-1}$
şeklinde gösterilir ve $\textbf{A}$ ile çarpıldığında birim
matris (ana köşegen üzerindeki tüm elemanları 1, köşegen-dışı
elemanları 0 olan matris) oluşturan matris olarak tanımlanır.
\begin{equation}
\textbf{A}\textbf{A}^{-1}=\textbf{A}^{-1}\textbf{A}=\textbf{I}\nonumber
\end{equation}
{\small \begin{verbatim}
FF <- matrix((1:9),3,3)
detFF<- det(FF) # determinantı kontrol eder