## R Ue3.7 dats_01_22 Vergleich von 2 Konsumfunktionen
## Bezeichnungen siehe dat_01_22.docx 
## cpn, cpr ... Privater Konsum nominell, real (Mio Euro)
## yhn, yhr ... Haushaltseinkommen nom, real (Mio Euro)
## wln      ... Geldvermoegen nom (Mio Euro ?)
## pcd      ... Konsumdeflator 2015=100

#setwd("C:/MH/WU/LV/OEKONOMETRIE_BA/Oe1_WS23/Chp3/EXERCISES/")
setwd("C:/Users/hoersaal/Downloads/")
# Daten einlesen (nicht ganz einfach)
dat <- read.table("dats_01_22.csv", sep=";", dec=",", header=TRUE, na.strings = "#NV", fill = TRUE, comment.char="")

## Daten anschauen
head(dat)
tail(dat)
dim(dat)   # Zeitreihen n=47 k=9 (Variablen)
names(dat)  # Namen der Variablen

cpr <- ts(dat$cpr, start=1976)
cpn <- ts(dat$cpn, start=1976)
yhr <- ts(dat$yhr, start=1976)
yhn <- ts(dat$yhn, start=1976)
pcd <- ts(dat$pcd, start=1976)
n_cpr <- length(cpr)
year <- ts(c(1976:(1976 + n_cpr - 1)) )

## plot von cpr und yhr
mincpr <- min(cpr, na.rm=TRUE); maxyhr <- max(yhr, na.rm=TRUE)
plot.ts(yhr, ylab="yhr, cpr", ylim=c(mincpr,maxyhr) )
lines(cpr, col=2)
legend("topleft", legend = c("yhr","cpr"), text.col = c("black","red") )

## 
## Univariate Statistiken
source("BasicStatistics_R.txt")  # Liest bereits geschriebene R-Scipts ein
basic_stats(cpr)    # Warum sind die Werte nicht sinnvoll zu interpretieren?

## Modell 1: cpr = a + b yhr + c cpr(-1) + u 
# Datenaufbereitung
n_cpr <- length(dat1$cpr)
cpr1  <- c(NA, cpr[1:(n_cpr-1)])     # muessen den Lag selbst erzeugen
df1   <- data.frame(year,cpr, yhr, cpr1) 
head(df1); tail(df1)
df1   <- na.omit(df1)                # entfernen v Beobachtungen mit NA
# Schaetzung
mod1 <- lm(cpr ~ yhr + cpr1 + 1, data=df1)  
summary(mod1)              
# Plot v observed fitted, residuals
plot_ser_fit_res.ts(df1$cpr,mod1,"cpr", 1977) 
                                ## Wo passt das Modell, wo nicht?

## Modell 2: cpr = a + b yhr + c wln(-1)/pcd(-1) + u 
# Datenaufbereitung
wlr  <- dat$wln/dat$pcd
n    <- length(wlr)
wlr1 <- c(NA, wlr[1:(n-1)])       # muessen den Lag selbst erzeugen
df2  <- data.frame(year,cpr, yhr, wlr1) 
head(df2); tail(df2)
df1   <- na.omit(df1)                # entfernen v Beobachtungen mit NA
mod2 <- lm(cpr ~ yhr + wlr1 + 1, data=df2)  
summary(mod2)              
#
plot_ser_fit_res.ts(df2$cpr,mod2,"cpr", 1977) 
                              ## Wo passt das Modell, wo nicht?

## Vergleich von mod1 und mod2?