[if !supportLists]1. [endif]请将数据hw1_a和hw1_b分别读入R，查看数据并指出各个变量的形式，最小值，最大值，中值，均值，标准差。
[if !supportLists]2. [endif]结合上课我们所学的几种数据join 的形式，将两个数据集进行合并。对于每种数据合并的方式，请说明key, 并且报告合并后的数据样本总行数。
[if !supportLists]3. [endif]请筛选出hw1_a 中收入大于4000的样本，并将此样本和hw1_b 中Is_Default=1的样本合并，你可以使用inner join的方式。这一问中你可以用pipe的书写形式。
[if !supportLists]4. [endif]在第2问的基础上, 请给出Income对Years_at_Employer的散点图，你发现了哪些趋势和现象?
[if !supportLists]5. [endif]在第4问的基础上 按照Is_Default 增加一个维度，请展示两变量在不同违约状态的散点图。请使用明暗程度作为区分方式
[if !supportLists]6. [endif]对于第5问，请使用形状作为另外一种区分方式。
[if !supportLists]7. [endif]请找出各个列的缺失值，并删除相应的行。请报告每一变量的缺失值个数，以及所有缺失值总数。
[if !supportLists]8. [endif]找出Income中的极端值并滤掉对应行的数据
[if !supportLists]9. [endif]将Income对数化，并画出直方图和density curve.
[if !supportLists]10. [endif]以Income作为因变量，Years at Employer作为自变量，进行OLS回归，写出回归的方程，并指出自变量系数是否在某一显著性水平上显著。同时，解释你的结果(这一问你自己发挥可以找code解决)。
####### 1 ######
library(readxl)
hw1_a<-read_excel("hw1_a.xlsx",col_types=c("numeric","numeric", "numeric",
"numeric", "numeric"))
hw1_b<-read_excel("hw1_b.xlsx")
str(hw1_a)
str(hw1_b)
summary(hw1_a)
summary(hw1_b)
sd(hw1_a$Income)
library(psych)
describe(hw1_a)
describe(hw1_b)
######## 2 #######
library(tidyverse)
hw1_a %>%
inner_join(hw1_b,by="ID")
hw1_a %>%
left_join(hw1_b,by="ID")
hw1_a %>%
right_join(hw1_b,by="ID")
hw1_a %>%
full_join(hw1_b,by="ID")
inner_join<-inner_join(hw1_a,hw1_b,by="ID")
(nrow(inner_join))
full_join<-full_join(hw1_a,hw1_b,by="ID")
(nrow(full_join))
######### 3 ########
hw1_a1=filter(hw1_a,Income>40000)
hw1_b1=filter(hw1_b,Is_Default==1)
inner_join1<-inner_join(hw1_a1,hw1_b1,by="ID")
######### 4 #########
ggplot(data=inner_join)+
geom_point(mapping =aes(x=Years_at_Employer,y= Income))
######## 5 ############
ggplot(data=inner_join)+
geom_point(mapping =aes(x=Years_at_Employer,y= Income,alpha=Is_Default))
ggplot(data=inner_join)+
geom_point(mapping =aes(x=Years_at_Employer,y= Income,
alpha=factor(Is_Default)))
######## 6 ##########
ggplot(data=inner_join)+
geom_point(mapping =aes(x=Years_at_Employer,y= Income,
shape=factor(Is_Default)))
######## 7 #########
sum(is.na(full_join[2]))
sum(is.na(full_join[3]))
sum(is.na(full_join[4]))
sum(is.na(full_join[5]))
sum(is.na(full_join[6]))
sum(is.na(full_join[7]))
sum(is.na(full_join[8]))
sum(is.na(full_join))
full_join1=filter(full_join,!is.na(full_join[2]))
full_join1=filter(full_join1,!is.na(full_join1[3]))
full_join1=filter(full_join1,!is.na(full_join1[4]))
full_join1=filter(full_join1,!is.na(full_join1[5]))
full_join1=filter(full_join1,!is.na(full_join1[6]))
full_join1=filter(full_join1,!is.na(full_join1[7]))
full_join1=filter(full_join1,!is.na(full_join1[8]))
sum(is.na(full_join1))
######## 8 #########
quantile(hw1_a$Income,c(0.025,0.975))
hw1_a2=filter(hw1_a,Income>14168.81&Income<173030.92)
####### 9 #########
inc<-hw1_a$Income
lninc<-log(inc)
hist(lninc,prob=T)
lines(density(lninc),col="blue")
####### 10 #########
m1<-lm(Income~Years_at_Employer,data=hw1_a)
summary(m1)
