#################################################
### Wiederholung - Wesentliche Kursinhalte
#################################################

### 1_Introduction.R
#


### 2_Objects.R
#


### 3_Gaphics.R
#


### 4_Data_Analysis.R
#


### 5_Flow_Control.R
#



### 6_Regression.R
#


### 7_Monte_Carlo.R
#


### 8_Optimization.R
#


### 9_Bootstrap.R
#


### 10_Efficiency.R
#

# and some Tutorials!



#################################################
### Klausurbeispiele
#################################################

# Arbeitsanweisungen:
# - Zugelassene Hilfsmittel sind das Kursmaterial (gedruckt oder digital) sowie R-bezogene Internetseiten.
# - Die Bearbeitungszeit betr?gt 60 Minuten.
# - Senden Sie am Ende der Bearbeitungszeit ihren R-Code an:
#   roland.weigand@wiwi.uni-regensburg.de und joachim.schnurbus@wiwi.uni-regensburg.de
# - Drucken Sie nach dem Versenden Ihren Code aus und geben Sie Ihn bei der Aufsicht ab.
# - L?sen Sie die folgenden Aufgaben mittels ausf?hrbarem Code und erg?nzen Sie bei Bedarf Ihre
#   Programmierung um aussagekr?ftige Kommentare.
# - Interpretationen, etc. sollen ebenfalls als Kommentar angegeben werden.
# - Falls Teile Ihres Programms nicht funktionieren, geben Sie ebenfalls in Kommentarform an,
#   was Sie hier genau machen wollten.

# 1. (4 Punkte) Schreiben Sie eine Funktion NAME, die bei Eingabe ihrer Matrikelnummer den Namen ausgibt
#    und bei Eingabe einer falschen Nummer eine Fehlermeldung ausgibt.

NAME <- function(f.MN){
  if(f.MN == 1234567){
    print("Anton Berta")
  } else {print("Unbekannte Matrikelnummer!")}
}

NAME(1234567)
NAME(123456)



# 2.a) (2 Punkte) Laden Sie den Datensatz CPS1985, der sich im AER-Paket befindet und sorgen Sie daf?r, dass man
#      auf die Spalten des Datensatzes direkt durch den Spaltennamen zugreifen kann.

# zun?chst Paket installieren, dann:
library(AER)
data(CPS1985)
attach(CPS1985)	# um auf Spalten per Name zugreifen zu k?nnen


#   b) (2 Punkte) Geben Sie an, wieviele Beobachtungen und Variablen sich im Datensatz befinden.

head(CPS1985)	# um ?berblick zu bekommen.
dim(CPS1985)		# 533 Zeilen (Beobachtungen) und 11 Spalten (Variablen)


#   c) (4 Punkte) Sie m?chten den (logarithmierten) Lohn in Abh?ngigkeit von Alter und Geschlecht untersuchen.
#      Generieren Sie daf?r zun?chst einen Datensatz, in dem sich nur diese drei Variablen befinden und 
#      geben Sie dann die wesentlichen Kennzahlen dieser Variablen aus.
#      Wie ist der Mittelwert des Alters im Datensatz?
#      Liegen mehr Frauen oder mehr M?nner im Datensatz vor?

data <- data.frame(lwage = log(wage), age, gender)
summary(data)
# mittleres Alter: 36.84 Jahre
# 289 M?nner, 244 Frauen, insofern mehr M?nner.


#   d) (4 Punkte) Analysieren Sie die Beziehung zwischen log(wage) und Alter getrennt f?r M?nner und Frauen,
#      indem Sie einen Scatterplot zwischen log(wage) und Alter erstellen, indem Sie M?nner und Frauen mit
#      unterschiedlichen Farben kennzeichnen. Achten Sie darauf, dass alle Beobachtungen eingezeichnet wurden.
#      Eine Legende ist (noch) nicht erforderlich.

plot(age[gender == "male"], log(wage)[gender == "male"], xlim = range(age), ylim = range(log(wage)), pch = 20, col = "blue")
points(age[gender == "female"], log(wage)[gender == "female"], pch = 20, col = "red")


#   e) (6 Punkte) Berechnen Sie nun die Regressionsgeraden f?r M?nner und Frauen getrennt und zeichnen Sie diese in die
#      Grafik aus 2d ein. Erg?nzen Sie die Grafik au?erdem um eine Legende.

reg_m <- lm(lwage ~ age , data = data[gender == "male", ])
reg_f <- lm(lwage ~ age , data = data[gender == "female", ])

abline(reg_m, lwd = 2, col = "blue")
abline(reg_f, lwd = 2, col = "red")

legend("bottomright", 
	c("Regressionsgerade", "M?nner", "Frauen"), 
	lty = c(1, NA, NA), 
	pch = c(NA, 20, 20), 
	lwd = c(2, 1, 1), 
	col = c("black", "blue", "red"),
	bg = "white")


#   f) (3 Punkte) Interpretieren Sie Ihre Ergebnisse aus den vorherigen Teilaufgaben.

# M?nner verdienen im Durchschnitt etwas mehr als Frauen im Datensatz.
# Zudem nimmt der Lohn bei M?nnern im Durchschnitt st?rker zu bei steigendem Alter.
# Beachte: logarithmierter Lohn.