## R Ue1.3 und Ue1.5 nelplosser Nelson-Plosser-Daten (extended) für die USA
## Aufgabe 1.3: Daten anschauen und interpretieren
## Aufgabe 1.5: %-uelle Veraenderung von Deflatoren berechnen und vergleichen

## Datenbeschreibung auf
## https://search.r-project.org/CRAN/refmans/urca/html/NPEXT.html
## Vgl. mit EViews-Daten-File: ZB wird unemploy in nelplosser1.wf1 mit 
## lunemploy bezeichnet, um die Logarithmierung anzuzeigen

library(urca)   # unsere Daten sind nicht im basic-Package enthalten
library(zoo)    # es ist bequem bei Tagesdaten mit zoo zu arbeiten

## alle Variablen in logs (!) bis auf interest (bond yield)
data(npext, package= "urca")  # load data set npext, Nelson-Plosser
dat <- npext      # dat is a data.frame
head(dat)
tail(dat)
dim(dat)   # 129 Jahre, 14 Variable (+ Zeitachse)
           # 0-te Zeile in dat sind die names der Variablen 
# sapply(dat, class)

# alle Spalten aus dat werden mit der Zeitachse-year indiziert 
dat.z <- zoo(dat, order.by= dat$year)
head(dat.z)

op <- par(mfrow=c(2,1)) # Anordnen von 2 Plots untereinander
par(mar=c(2, 4, 4, 2) +0.1) 
plot.zoo(dat.z$cpi)           #dat.z$cpi ist die cpi-Spalte in dat.z
#
par(mar=c(5, 4, 1, 2) +0.1) 
plot.zoo(dat.z$realgnp)
par(op)                 # zuruecksetzen des Plot-Formats

op <- par(mfrow=c(2,1))  
par(mar=c(2, 4, 4, 2) +0.1) 
plot.zoo(dat.z$unemploy)
#
par(mar=c(5, 4, 1, 2) +0.1) 
plot.zoo(dat.z$interest)
par(op)
op <- par(mfrow=c(1,1))  

# Inflationsrate ist hier (Daten bereits logarithmiert!)
pi <- (dat.z$cpi - lag(dat.z$cpi, -1))*100
# Arbeitslosenrate (Aufheben des log)
ur <- exp(dat.z$unemploy)
# Wirtschaftswachstum ist hier (Daten bereits logarithmiert!)
rho <- (dat.z$realgnp - lag(dat.z$realgnp, -1))*100

plot.zoo(pi)
plot.zoo(ur)
plot.zoo(rho)

## Berechnung des Deflators des GNP aus GNPnom und GNPreal
## Deflator = GNPnom/GNPreal hier
defl       <- exp(dat.z$nomgnp)/exp(dat.z$realgnp) 
pi_defl    <- ( log(defl) - log(lag(defl,-1)) )*100
pi_gnpdefl <- (dat.z$gnpdefl - lag(dat.z$gnpdefl,-1))*100

#Darstellung der 3 Reihen in einem Plot
plot.zoo(pi)
lines(pi_defl, col="red")
lines(pi_gnpdefl, col="blue")
legend("bottomright", legend=c("pi","pi_defl","pi_gnpdefl"), 
        text.col=c("black","red","blue"))

## Zusätzliche Fragen:
# Vergleichen sie die historischen Werte mit denen des VPI66 für Oe 
# und den sonstigen aktuellen ihnen bekannten Werten.

## Bem:
# Wenn sie spezielle Perioden auswaehlen wollen, indizieren sie 
# die Reihen statt mit year mit zB
# yr46to88 <- dat$year[c(87:129)]   # Periode nach WW2