R version 4.2.0 (2022-04-22) -- "Vigorous Calisthenics"
Copyright (C) 2022 The R Foundation for Statistical Computing
Platform: x86_64-pc-linux-gnu (64-bit)
R is free software and comes with ABSOLUTELY NO WARRANTY.
You are welcome to redistribute it under certain conditions.
Type 'license()' or 'licence()' for distribution details.
R is a collaborative project with many contributors.
Type 'contributors()' for more information and
'citation()' on how to cite R or R packages in publications.
Type 'demo()' for some demos, 'help()' for on-line help, or
'help.start()' for an HTML browser interface to help.
Type 'q()' to quit R.
> ###################################################
> ### chunk number 1: setup
> ###################################################
> options(prompt = "R> ", continue = "+ ", width = 64,
+ digits = 4, show.signif.stars = FALSE, useFancyQuotes = FALSE)
R>
R> options(SweaveHooks = list(onefig = function() {par(mfrow = c(1,1))},
+ twofig = function() {par(mfrow = c(1,2))},
+ threefig = function() {par(mfrow = c(1,3))},
+ fourfig = function() {par(mfrow = c(2,2))},
+ sixfig = function() {par(mfrow = c(3,2))}))
R>
R> library("AER")
Loading required package: car
Loading required package: carData
Loading required package: lmtest
Loading required package: zoo
Attaching package: 'zoo'
The following objects are masked from 'package:base':
as.Date, as.Date.numeric
Loading required package: sandwich
Loading required package: survival
R>
R> suppressWarnings(RNGversion("3.5.0"))
R> set.seed(1071)
R>
R>
R> ###################################################
R> ### chunk number 2: calc1
R> ###################################################
R> 1 + 1
[1] 2
R> 2^3
[1] 8
R>
R>
R> ###################################################
R> ### chunk number 3: calc2
R> ###################################################
R> log(exp(sin(pi/4)^2) * exp(cos(pi/4)^2))
[1] 1
R>
R>
R> ###################################################
R> ### chunk number 4: vec1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R>
R>
R> ###################################################
R> ### chunk number 5: length
R> ###################################################
R> length(x)
[1] 5
R>
R>
R> ###################################################
R> ### chunk number 6: vec2
R> ###################################################
R> 2 * x + 3
[1] 6.60 9.28 11.00 179.34 29.00
R> 5:1 * x + 1:5
[1] 10.00 14.56 15.00 180.34 18.00
R>
R>
R> ###################################################
R> ### chunk number 7: vec3
R> ###################################################
R> log(x)
[1] 0.5878 1.1442 1.3863 4.4793 2.5649
R>
R>
R> ###################################################
R> ### chunk number 8: subset1
R> ###################################################
R> x[c(1, 4)]
[1] 1.80 88.17
R>
R>
R> ###################################################
R> ### chunk number 9: subset2
R> ###################################################
R> x[-c(2, 3, 5)]
[1] 1.80 88.17
R>
R>
R> ###################################################
R> ### chunk number 10: pattern1
R> ###################################################
R> ones <- rep(1, 10)
R> even <- seq(from = 2, to = 20, by = 2)
R> trend <- 1981:2005
R>
R>
R> ###################################################
R> ### chunk number 11: pattern2
R> ###################################################
R> c(ones, even)
[1] 1 1 1 1 1 1 1 1 1 1 2 4 6 8 10 12 14 16 18 20
R>
R>
R> ###################################################
R> ### chunk number 12: matrix1
R> ###################################################
R> A <- matrix(1:6, nrow = 2)
R>
R>
R> ###################################################
R> ### chunk number 13: matrix2
R> ###################################################
R> t(A)
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
R>
R>
R> ###################################################
R> ### chunk number 14: matrix3
R> ###################################################
R> dim(A)
[1] 2 3
R> nrow(A)
[1] 2
R> ncol(A)
[1] 3
R>
R>
R> ###################################################
R> ### chunk number 15: matrix-subset
R> ###################################################
R> A1 <- A[1:2, c(1, 3)]
R>
R>
R> ###################################################
R> ### chunk number 16: matrix4
R> ###################################################
R> solve(A1)
[,1] [,2]
[1,] -1.5 1.25
[2,] 0.5 -0.25
R>
R>
R> ###################################################
R> ### chunk number 17: matrix-solve
R> ###################################################
R> A1 %*% solve(A1)
[,1] [,2]
[1,] 1 0
[2,] 0 1
R>
R>
R> ###################################################
R> ### chunk number 18: diag
R> ###################################################
R> diag(4)
[,1] [,2] [,3] [,4]
[1,] 1 0 0 0
[2,] 0 1 0 0
[3,] 0 0 1 0
[4,] 0 0 0 1
R>
R>
R> ###################################################
R> ### chunk number 19: matrix-combine1
R> ###################################################
R> cbind(1, A1)
[,1] [,2] [,3]
[1,] 1 1 5
[2,] 1 2 6
R>
R>
R> ###################################################
R> ### chunk number 20: matrix-combine2
R> ###################################################
R> rbind(A1, diag(4, 2))
[,1] [,2]
[1,] 1 5
[2,] 2 6
[3,] 4 0
[4,] 0 4
R>
R>
R> ###################################################
R> ### chunk number 21: vector-mode
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R>
R>
R> ###################################################
R> ### chunk number 22: logical
R> ###################################################
R> x > 3.5
[1] FALSE FALSE TRUE TRUE TRUE
R>
R>
R> ###################################################
R> ### chunk number 23: names
R> ###################################################
R> names(x) <- c("a", "b", "c", "d", "e")
R> x
a b c d e
1.80 3.14 4.00 88.17 13.00
R>
R>
R> ###################################################
R> ### chunk number 24: subset-more
R> ###################################################
R> x[3:5]
c d e
4.00 88.17 13.00
R> x[c("c", "d", "e")]
c d e
4.00 88.17 13.00
R> x[x > 3.5]
c d e
4.00 88.17 13.00
R>
R>
R> ###################################################
R> ### chunk number 25: list1
R> ###################################################
R> mylist <- list(sample = rnorm(5),
+ family = "normal distribution",
+ parameters = list(mean = 0, sd = 1))
R> mylist
$sample
[1] 0.3771 -0.9346 2.4302 1.3195 0.4503
$family
[1] "normal distribution"
$parameters
$parameters$mean
[1] 0
$parameters$sd
[1] 1
R>
R>
R> ###################################################
R> ### chunk number 26: list2
R> ###################################################
R> mylist[[1]]
[1] 0.3771 -0.9346 2.4302 1.3195 0.4503
R> mylist[["sample"]]
[1] 0.3771 -0.9346 2.4302 1.3195 0.4503
R> mylist$sample
[1] 0.3771 -0.9346 2.4302 1.3195 0.4503
R>
R>
R> ###################################################
R> ### chunk number 27: list3
R> ###################################################
R> mylist[[3]]$sd
[1] 1
R>
R>
R> ###################################################
R> ### chunk number 28: logical2
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> x > 3 & x <= 4
[1] FALSE TRUE TRUE FALSE FALSE
R>
R>
R> ###################################################
R> ### chunk number 29: logical3
R> ###################################################
R> which(x > 3 & x <= 4)
[1] 2 3
R>
R>
R> ###################################################
R> ### chunk number 30: logical4
R> ###################################################
R> all(x > 3)
[1] FALSE
R> any(x > 3)
[1] TRUE
R>
R>
R> ###################################################
R> ### chunk number 31: logical5
R> ###################################################
R> (1.5 - 0.5) == 1
[1] TRUE
R> (1.9 - 0.9) == 1
[1] FALSE
R>
R>
R> ###################################################
R> ### chunk number 32: logical6
R> ###################################################
R> all.equal(1.9 - 0.9, 1)
[1] TRUE
R>
R>
R> ###################################################
R> ### chunk number 33: logical7
R> ###################################################
R> 7 + TRUE
[1] 8
R>
R>
R> ###################################################
R> ### chunk number 34: coercion1
R> ###################################################
R> is.numeric(x)
[1] TRUE
R> is.character(x)
[1] FALSE
R> as.character(x)
[1] "1.8" "3.14" "4" "88.169" "13"
R>
R>
R> ###################################################
R> ### chunk number 35: coercion2
R> ###################################################
R> c(1, "a")
[1] "1" "a"
R>
R>
R> ###################################################
R> ### chunk number 36: rng1
R> ###################################################
R> set.seed(123)
R> rnorm(2)
[1] -0.5605 -0.2302
R> rnorm(2)
[1] 1.55871 0.07051
R> set.seed(123)
R> rnorm(2)
[1] -0.5605 -0.2302
R>
R>
R> ###################################################
R> ### chunk number 37: rng2
R> ###################################################
R> sample(1:5)
[1] 5 1 2 3 4
R> sample(c("male", "female"), size = 5, replace = TRUE,
+ prob = c(0.2, 0.8))
[1] "female" "male" "female" "female" "female"
R>
R>
R> ###################################################
R> ### chunk number 38: flow1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> if(rnorm(1) > 0) sum(x) else mean(x)
[1] 22.02
R>
R>
R> ###################################################
R> ### chunk number 39: flow2
R> ###################################################
R> ifelse(x > 4, sqrt(x), x^2)
[1] 3.240 9.860 16.000 9.390 3.606
R>
R>
R> ###################################################
R> ### chunk number 40: flow3
R> ###################################################
R> for(i in 2:5) {
+ x[i] <- x[i] - x[i-1]
+ }
R> x[-1]
[1] 1.34 2.66 85.51 -72.51
R>
R>
R> ###################################################
R> ### chunk number 41: flow4
R> ###################################################
R> while(sum(x) < 100) {
+ x <- 2 * x
+ }
R> x
[1] 14.40 10.72 21.28 684.07 -580.07
R>
R>
R> ###################################################
R> ### chunk number 42: cmeans
R> ###################################################
R> cmeans <- function(X) {
+ rval <- rep(0, ncol(X))
+ for(j in 1:ncol(X)) {
+ mysum <- 0
+ for(i in 1:nrow(X)) mysum <- mysum + X[i,j]
+ rval[j] <- mysum/nrow(X)
+ }
+ return(rval)
+ }
R>
R>
R> ###################################################
R> ### chunk number 43: colmeans1
R> ###################################################
R> X <- matrix(1:20, ncol = 2)
R> cmeans(X)
[1] 5.5 15.5
R>
R>
R> ###################################################
R> ### chunk number 44: colmeans2
R> ###################################################
R> colMeans(X)
[1] 5.5 15.5
R>
R>
R> ###################################################
R> ### chunk number 45: colmeans3 eval=FALSE
R> ###################################################
R> ## X <- matrix(rnorm(2*10^6), ncol = 2)
R> ## system.time(colMeans(X))
R> ## system.time(cmeans(X))
R>
R>
R> ###################################################
R> ### chunk number 46: colmeans4
R> ###################################################
R> cmeans2 <- function(X) {
+ rval <- rep(0, ncol(X))
+ for(j in 1:ncol(X)) rval[j] <- mean(X[,j])
+ return(rval)
+ }
R>
R>
R> ###################################################
R> ### chunk number 47: colmeans5 eval=FALSE
R> ###################################################
R> ## system.time(cmeans2(X))
R>
R>
R> ###################################################
R> ### chunk number 48: colmeans6 eval=FALSE
R> ###################################################
R> ## apply(X, 2, mean)
R>
R>
R> ###################################################
R> ### chunk number 49: colmeans7 eval=FALSE
R> ###################################################
R> ## system.time(apply(X, 2, mean))
R>
R>
R> ###################################################
R> ### chunk number 50: formula1
R> ###################################################
R> f <- y ~ x
R> class(f)
[1] "formula"
R>
R>
R> ###################################################
R> ### chunk number 51: formula2
R> ###################################################
R> x <- seq(from = 0, to = 10, by = 0.5)
R> y <- 2 + 3 * x + rnorm(21)
R>
R>
R> ###################################################
R> ### chunk number 52: formula3 eval=FALSE
R> ###################################################
R> ## plot(y ~ x)
R> ## lm(y ~ x)
R>
R>
R> ###################################################
R> ### chunk number 53: formula3a
R> ###################################################
R> print(lm(y ~ x))
Call:
lm(formula = y ~ x)
Coefficients:
(Intercept) x
2.26 2.91
R>
R>
R> ###################################################
R> ### chunk number 54: formula3b
R> ###################################################
R> plot(y ~ x)
R>
R>
R> ###################################################
R> ### chunk number 55: formula3c
R> ###################################################
R> fm <- lm(y ~ x)
R>
R>
R> ###################################################
R> ### chunk number 56: mydata1
R> ###################################################
R> mydata <- data.frame(one = 1:10, two = 11:20, three = 21:30)
R>
R>
R> ###################################################
R> ### chunk number 57: mydata1a
R> ###################################################
R> mydata <- as.data.frame(matrix(1:30, ncol = 3))
R> names(mydata) <- c("one", "two", "three")
R>
R>
R> ###################################################
R> ### chunk number 58: mydata2
R> ###################################################
R> mydata$two
[1] 11 12 13 14 15 16 17 18 19 20
R> mydata[, "two"]
[1] 11 12 13 14 15 16 17 18 19 20
R> mydata[, 2]
[1] 11 12 13 14 15 16 17 18 19 20
R>
R>
R> ###################################################
R> ### chunk number 59: attach
R> ###################################################
R> attach(mydata)
R> mean(two)
[1] 15.5
R> detach(mydata)
R>
R>
R> ###################################################
R> ### chunk number 60: with
R> ###################################################
R> with(mydata, mean(two))
[1] 15.5
R>
R>
R> ###################################################
R> ### chunk number 61: mydata-subset
R> ###################################################
R> mydata.sub <- subset(mydata, two <= 16, select = -two)
R>
R>
R> ###################################################
R> ### chunk number 62: write-table
R> ###################################################
R> write.table(mydata, file = "mydata.txt", col.names = TRUE)
R>
R>
R> ###################################################
R> ### chunk number 63: read-table
R> ###################################################
R> newdata <- read.table("mydata.txt", header = TRUE)
R>
R>
R> ###################################################
R> ### chunk number 64: save
R> ###################################################
R> save(mydata, file = "mydata.rda")
R>
R>
R> ###################################################
R> ### chunk number 65: load
R> ###################################################
R> load("mydata.rda")
R>
R>
R> ###################################################
R> ### chunk number 66: file-remove
R> ###################################################
R> file.remove("mydata.rda")
[1] TRUE
R>
R>
R> ###################################################
R> ### chunk number 67: data
R> ###################################################
R> data("Journals", package = "AER")
R>
R>
R> ###################################################
R> ### chunk number 68: foreign
R> ###################################################
R> library("foreign")
R> write.dta(mydata, file = "mydata.dta")
R>
R>
R> ###################################################
R> ### chunk number 69: read-dta
R> ###################################################
R> mydata <- read.dta("mydata.dta")
R>
R>
R> ###################################################
R> ### chunk number 70: cleanup
R> ###################################################
R> file.remove("mydata.dta")
[1] TRUE
R>
R>
R> ###################################################
R> ### chunk number 71: factor
R> ###################################################
R> g <- rep(0:1, c(2, 4))
R> g <- factor(g, levels = 0:1, labels = c("male", "female"))
R> g
[1] male male female female female female
Levels: male female
R>
R>
R> ###################################################
R> ### chunk number 72: na1
R> ###################################################
R> newdata <- read.table("mydata.txt", na.strings = "-999")
R>
R>
R> ###################################################
R> ### chunk number 73: na2
R> ###################################################
R> file.remove("mydata.txt")
[1] TRUE
R>
R>
R> ###################################################
R> ### chunk number 74: oop1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> g <- factor(rep(c(0, 1), c(2, 4)), levels = c(0, 1),
+ labels = c("male", "female"))
R>
R>
R> ###################################################
R> ### chunk number 75: oop2
R> ###################################################
R> summary(x)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.80 3.14 4.00 22.02 13.00 88.17
R> summary(g)
male female
2 4
R>
R>
R> ###################################################
R> ### chunk number 76: oop3
R> ###################################################
R> class(x)
[1] "numeric"
R> class(g)
[1] "factor"
R>
R>
R> ###################################################
R> ### chunk number 77: oop4
R> ###################################################
R> summary
function (object, ...)
UseMethod("summary")
<bytecode: 0x5601626c9658>
<environment: namespace:base>
R>
R>
R> ###################################################
R> ### chunk number 78: oop5
R> ###################################################
R> normsample <- function(n, ...) {
+ rval <- rnorm(n, ...)
+ class(rval) <- "normsample"
+ return(rval)
+ }
R>
R>
R> ###################################################
R> ### chunk number 79: oop6
R> ###################################################
R> set.seed(123)
R> x <- normsample(10, mean = 5)
R> class(x)
[1] "normsample"
R>
R>
R> ###################################################
R> ### chunk number 80: oop7
R> ###################################################
R> summary.normsample <- function(object, ...) {
+ rval <- c(length(object), mean(object), sd(object))
+ names(rval) <- c("sample size","mean","standard deviation")
+ return(rval)
+ }
R>
R>
R> ###################################################
R> ### chunk number 81: oop8
R> ###################################################
R> summary(x)
sample size mean standard deviation
10.0000 5.0746 0.9538
R>
R>
R> ###################################################
R> ### chunk number 82: journals-data eval=FALSE
R> ###################################################
R> ## data("Journals")
R> ## Journals$citeprice <- Journals$price/Journals$citations
R> ## attach(Journals)
R> ## plot(log(subs), log(citeprice))
R> ## rug(log(subs))
R> ## rug(log(citeprice), side = 2)
R> ## detach(Journals)
R>
R>
R> ###################################################
R> ### chunk number 83: journals-data1
R> ###################################################
R> data("Journals")
R> Journals$citeprice <- Journals$price/Journals$citations
R> attach(Journals)
R> plot(log(subs), log(citeprice))
R> rug(log(subs))
R> rug(log(citeprice), side = 2)
R> detach(Journals)
R>
R>
R> ###################################################
R> ### chunk number 84: plot-formula
R> ###################################################
R> plot(log(subs) ~ log(citeprice), data = Journals)
R>
R>
R> ###################################################
R> ### chunk number 85: graphics1
R> ###################################################
R> plot(log(subs) ~ log(citeprice), data = Journals, pch = 20,
+ col = "blue", ylim = c(0, 8), xlim = c(-7, 4),
+ main = "Library subscriptions")
R>
R>
R> ###################################################
R> ### chunk number 86: graphics2
R> ###################################################
R> pdf("myfile.pdf", height = 5, width = 6)
R> plot(1:20, pch = 1:20, col = 1:20, cex = 2)
R> dev.off()
pdf
2
R>
R>
R> ###################################################
R> ### chunk number 87: dnorm-annotate eval=FALSE
R> ###################################################
R> ## curve(dnorm, from = -5, to = 5, col = "slategray", lwd = 3,
R> ## main = "Density of the standard normal distribution")
R> ## text(-5, 0.3, expression(f(x) == frac(1, sigma ~~
R> ## sqrt(2*pi)) ~~ e^{-frac((x - mu)^2, 2*sigma^2)}), adj = 0)
R>
R>
R> ###################################################
R> ### chunk number 88: dnorm-annotate1
R> ###################################################
R> curve(dnorm, from = -5, to = 5, col = "slategray", lwd = 3,
+ main = "Density of the standard normal distribution")
R> text(-5, 0.3, expression(f(x) == frac(1, sigma ~~
+ sqrt(2*pi)) ~~ e^{-frac((x - mu)^2, 2*sigma^2)}), adj = 0)
R>
R>
R> ###################################################
R> ### chunk number 89: eda1
R> ###################################################
R> data("CPS1985")
R> str(CPS1985)
'data.frame': 534 obs. of 11 variables:
$ wage : num 5.1 4.95 6.67 4 7.5 ...
$ education : num 8 9 12 12 12 13 10 12 16 12 ...
$ experience: num 21 42 1 4 17 9 27 9 11 9 ...
$ age : num 35 57 19 22 35 28 43 27 33 27 ...
$ ethnicity : Factor w/ 3 levels "cauc","hispanic",..: 2 1 1 1 1 1 1 1 1 1 ...
$ region : Factor w/ 2 levels "south","other": 2 2 2 2 2 2 1 2 2 2 ...
$ gender : Factor w/ 2 levels "male","female": 2 2 1 1 1 1 1 1 1 1 ...
$ occupation: Factor w/ 6 levels "worker","technical",..: 1 1 1 1 1 1 1 1 1 1 ...
$ sector : Factor w/ 3 levels "manufacturing",..: 1 1 1 3 3 3 3 3 1 3 ...
$ union : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 1 1 ...
$ married : Factor w/ 2 levels "no","yes": 2 2 1 1 2 1 1 1 2 1 ...
R>
R>
R> ###################################################
R> ### chunk number 90: eda2
R> ###################################################
R> head(CPS1985)
wage education experience age ethnicity region gender
1 5.10 8 21 35 hispanic other female
1100 4.95 9 42 57 cauc other female
2 6.67 12 1 19 cauc other male
3 4.00 12 4 22 cauc other male
4 7.50 12 17 35 cauc other male
5 13.07 13 9 28 cauc other male
occupation sector union married
1 worker manufacturing no yes
1100 worker manufacturing no yes
2 worker manufacturing no no
3 worker other no no
4 worker other no yes
5 worker other yes no
R>
R>
R> ###################################################
R> ### chunk number 91: eda3
R> ###################################################
R> levels(CPS1985$occupation)[c(2, 6)] <- c("techn", "mgmt")
R> attach(CPS1985)
R>
R>
R> ###################################################
R> ### chunk number 92: eda4
R> ###################################################
R> summary(wage)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 5.25 7.78 9.02 11.25 44.50
R>
R>
R> ###################################################
R> ### chunk number 93: eda5
R> ###################################################
R> mean(wage)
[1] 9.024
R> median(wage)
[1] 7.78
R>
R>
R> ###################################################
R> ### chunk number 94: eda6
R> ###################################################
R> var(wage)
[1] 26.41
R> sd(wage)
[1] 5.139
R>
R>
R> ###################################################
R> ### chunk number 95: wage-hist
R> ###################################################
R> hist(wage, freq = FALSE)
R> hist(log(wage), freq = FALSE)
R> lines(density(log(wage)), col = 4)
R>
R>
R> ###################################################
R> ### chunk number 96: wage-hist1
R> ###################################################
R> hist(wage, freq = FALSE)
R> hist(log(wage), freq = FALSE)
R> lines(density(log(wage)), col = 4)
R>
R>
R> ###################################################
R> ### chunk number 97: occ-table
R> ###################################################
R> summary(occupation)
worker techn services office sales mgmt
156 105 83 97 38 55
R>
R>
R> ###################################################
R> ### chunk number 98: occ-table
R> ###################################################
R> tab <- table(occupation)
R> prop.table(tab)
occupation
worker techn services office sales mgmt
0.29213 0.19663 0.15543 0.18165 0.07116 0.10300
R>
R>
R> ###################################################
R> ### chunk number 99: occ-barpie
R> ###################################################
R> barplot(tab)
R> pie(tab)
R>
R>
R> ###################################################
R> ### chunk number 100: occ-barpie
R> ###################################################
R> par(mar = c(4, 3, 1, 1))
R> barplot(tab, las = 3)
R> par(mar = c(2, 3, 1, 3))
R> pie(tab, radius = 1)
R>
R>
R> ###################################################
R> ### chunk number 101: xtabs
R> ###################################################
R> xtabs(~ gender + occupation, data = CPS1985)
occupation
gender worker techn services office sales mgmt
male 126 53 34 21 21 34
female 30 52 49 76 17 21
R>
R>
R> ###################################################
R> ### chunk number 102: spine eval=FALSE
R> ###################################################
R> ## plot(gender ~ occupation, data = CPS1985)
R>
R>
R> ###################################################
R> ### chunk number 103: spine1
R> ###################################################
R> plot(gender ~ occupation, data = CPS1985)
R>
R>
R> ###################################################
R> ### chunk number 104: wageeduc-cor
R> ###################################################
R> cor(log(wage), education)
[1] 0.3804
R> cor(log(wage), education, method = "spearman")
[1] 0.3813
R>
R>
R> ###################################################
R> ### chunk number 105: wageeduc-scatter eval=FALSE
R> ###################################################
R> ## plot(log(wage) ~ education)
R>
R>
R> ###################################################
R> ### chunk number 106: wageeduc-scatter1
R> ###################################################
R> plot(log(wage) ~ education)
R>
R>
R> ###################################################
R> ### chunk number 107: tapply
R> ###################################################
R> tapply(log(wage), gender, mean)
male female
2.165 1.934
R>
R>
R> ###################################################
R> ### chunk number 108: boxqq1 eval=FALSE
R> ###################################################
R> ## plot(log(wage) ~ gender)
R>
R>
R> ###################################################
R> ### chunk number 109: boxqq2 eval=FALSE
R> ###################################################
R> ## mwage <- subset(CPS1985, gender == "male")$wage
R> ## fwage <- subset(CPS1985, gender == "female")$wage
R> ## qqplot(mwage, fwage, xlim = range(wage), ylim = range(wage),
R> ## xaxs = "i", yaxs = "i", xlab = "male", ylab = "female")
R> ## abline(0, 1)
R>
R>
R> ###################################################
R> ### chunk number 110: qq
R> ###################################################
R> plot(log(wage) ~ gender)
R> mwage <- subset(CPS1985, gender == "male")$wage
R> fwage <- subset(CPS1985, gender == "female")$wage
R> qqplot(mwage, fwage, xlim = range(wage), ylim = range(wage),
+ xaxs = "i", yaxs = "i", xlab = "male", ylab = "female")
R> abline(0, 1)
R>
R>
R> ###################################################
R> ### chunk number 111: detach
R> ###################################################
R> detach(CPS1985)
R>
R>
R>
> proc.time()
user system elapsed
1.027 0.048 1.068
Generated by dwww version 1.15 on Wed May 22 08:35:29 CEST 2024.