Utforska ekonomiska data

Nu när du har utforskat väder och flygmönster i Boston har din klient bett dig ta ett steg tillbaka och förbereda ekonomiska data. Du har samlat in data om den amerikanska ekonomin, inklusive bruttonationalprodukt (BNP) och arbetslöshet – både för USA i stort och delstaten Massachusetts (där Boston ligger).

Som alltid är det första steget när du arbetar med tidsseriedata att konvertera dina data till klassen xts. I den här övningen ska du granska och koda tidsseriedata för USA:s BNP, som finns tillgänglig i din arbetsmiljö som gdp.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Visa information om dina gdp-data med hjälp av summary(). Vad kan du dra för slutsatser av utdatan?
Påbörja kodningen av gdp till xts genom att konvertera kolumnen date till ett tidsobjekt. Eftersom BNP-data verkar vara kvartalsvis bör du använda klassen yearqtr.
Använd as.xts() för att konvertera gdp till ett xts-objekt. Kom ihåg att indexera ditt xts-objekt på kolumnen date och ta bort den kolumnen från xts-utdatan med hjälp av syntaxen data[, 1].
Använd plot.xts() för att visualisera dina BNP-data över tid. Är det något i diagrammet som sticker ut?

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Get a summary of your GDP data


# Convert GDP date column to time object
gdp$date <- as.yearqtr(___)

# Convert GDP data to xts
gdp_xts <- as.xts(___[, -1], order.by = ___)

# Plot GDP data over time

Redigera och kör kod