## R Ue1.1 vpi66
## Aufgabe: Daten anschauen und interpretieren

#setwd("C:/MH/WU/LV/OEKONOMETRIE_BA/Oe1_WS23/Chp1/DATEN/")
setwd("C:/Users/hoersaal/Downloads/")
# Daten einlesen
dat <- read.table("vpi66.csv", sep=";", dec=",", header= TRUE )
   dat   # Daten anschauen
# help(read.table)
# sapply(dat, class)

# VPI als Zeitreihe definieren 
# ts ist geeignet für Monats-, Quartals- u Jahresdaten
# ts ... time series
vpi66 <- ts(dat$vpi66, start = c(1967, 1), frequency=12)
   vpi66  # Daten anschauen
# sapply(vpi66,class)
# is.ts(vpi66)

## VPI66 Zeitreihengraph
plot.ts(vpi66)

## 2 Perioden (Daten-Fenster) hervorheben
vpi66_1 <- window(vpi66, start=c(1967,1), end=c(2010,12))
vpi66_2 <- window(vpi66, start=c(2012,1), end=c(2023,12))

plot.ts(vpi66_1)
plot.ts(vpi66_2)

## Was macht ein Lag? Er verschiebt die Zeitreihe nach vorne.
## Was ist die 3-te Reihe? vpi66 - lag(vpi66,-1)  bzw. vpi66 - lag(vpi66,-12)
dat_l1  <- cbind(vpi66, lag(vpi66,-1),  vpi66 - lag(vpi66,-1))
dat_l12 <- cbind(vpi66, lag(vpi66,-12), vpi66 - lag(vpi66,-12))
## Daten anschauen spez. Feb 2012 bzw. Feb 1967
   dat_l1   
## Daten anschauen spez. Jan 2013 bzw. Jan 1968
   dat_l12  

## Die montaliche Inflationsrate in %
piM_vpi66 <- r1_vpi66   <- ( log(vpi66)   - log(lag(vpi66,-1)) )*100

plot.ts(piM_vpi66)

## Die jaehrliche Inflationsrate in %
piJ_vpi66 <- r12_vpi66   <- ( log(vpi66)   - log(lag(vpi66,-12)) )*100

plot.ts(piJ_vpi66)

## Die durchschnittlichen jaehrlichen Inflationsraten 
piJ_average   <- mean(piJ_vpi66, na.rm=TRUE)     # ohne missing values

print(c(piJ_average))
print(c("Durchschn Inflationsrate f VPI66:", piJ_average))

## Vergleichen sie Histogramm und Verlauf von piJ_vpi66
hist(piJ_vpi66)