R语言——相关图的绘制

采用的包: corrgram

采用的数据集:USJudgeRatings(43名律师的12个评价指标)

> head(USJudgeRatings)
               CONT INTG DMNR DILG CFMG DECI PREP FAMI ORAL WRIT PHYS RTEN
AARONSON,L.H.   5.7  7.9  7.7  7.3  7.1  7.4  7.1  7.1  7.1  7.0  8.3  7.8
ALEXANDER,J.M.  6.8  8.9  8.8  8.5  7.8  8.1  8.0  8.0  7.8  7.9  8.5  8.7
ARMENTANO,A.J.  7.2  8.1  7.8  7.8  7.5  7.6  7.5  7.5  7.3  7.4  7.9  7.8
BERDON,R.I.     6.8  8.8  8.5  8.8  8.3  8.5  8.7  8.7  8.4  8.5  8.8  8.7
BRACKEN,J.J.    7.3  6.4  4.3  6.5  6.0  6.2  5.7  5.7  5.1  5.3  5.5  4.8
BURNS,E.B.      6.2  8.8  8.7  8.5  7.9  8.0  8.1  8.0  8.0  8.0  8.6  8.6

相关图是为了判断数据各个变量与其他变量相关性的图,表示数据之间的相关性,可以采用相关系数矩阵,R语言自带数据集Harman23.cor表示的就是305个女孩八个形态指标的相关系数矩阵:

> Harman23.cor
$cov
               height arm.span forearm lower.leg weight bitro.diameter chest.girth chest.width
height    
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Dice模型是一种常用的经济学模型,可以用来解释不同变量之间的相互作用和影响。R语言是一种非常流行的开源编程语言,适合进行数据分析和可视化。在使用Dice模型时,可以使用R语言来编写相关的代码,实现数学模型的计算和绘图。 以下是基于R语言的Dice模型代码示例: 首先需要导入相关的包和数据,例如: ``` library(ggplot2) library(readr) df <- read_csv("data.csv") ``` 其中,数据可以采用csv格式,通过read_csv函数将数据导入到R语言中。 然后可以定义Dice模型的参数和函数,例如: ``` savings_rate <- 0.2 labor_growth <- 0.02 capital_share <- 0.3 elasticity <- 0.5 production_function <- function(labor, capital) { labor^elasticity * capital^(1-elasticity) } climate_damage_function <- function(temperature) { if (temperature < 2) { 0 } else { (temperature - 2)^2 } } utility_function <- function(consumption, population) { consumption * (1 - 1 / (1 + population_growth_rate))^(time_discount_rate) } ``` 在这里,定义了一些常量和函数,例如储蓄率、劳动力增长率、资本份额、弹性系数、生产函数、气候损害函数和效用函数等。 接着可以编写Dice模型的主函数,例如: ``` dice_model <- function(carbon_emissions, temperature_increase) { global_output <- production_function(global_labor, global_capital) global_population <- global_population * (1 + population_growth_rate) per_capita_output <- global_output / global_population total_production <- per_capita_output * global_population_scale consumption <- total_production - carbon_emissions total_utility <- utility_function(consumption, global_population_scale) climate_damage <- climate_damage_function(temperature_increase) net_benefit <- total_utility - social_cost_of_carbon * carbon_emissions - climate_damage return(net_benefit) } ``` 其中,输入量是碳排放量和温度增长量,输出量是净收益。主函数中还会用到前面定义的各种参数和函数。 最后,可以通过绘图展示Dice模型的计算结果,例如: ``` carbon_emissions <- seq(0, 100, 0.5) temperature_increase <- seq(0, 10, 0.1) net_benefit_matrix <- outer(carbon_emissions, temperature_increase, dice_model) ggplot(melt(net_benefit_matrix), aes(x = Var1, y = Var2, fill = value)) + geom_raster() + scale_fill_gradientn(colors = c("white", "yellow", "orange", "red"), limits = c(-1000, 4000), breaks = seq(-1000, 4000, 1000), name = "Net benefit") + labs(x = "Carbon emissions", y = "Temperature increase") + theme_classic() ``` 这段代码可以绘制一个热力,展示碳排放量和温度增长量对净收益的影响。通过这个可以更直观地理解Dice模型的计算结果。 总之,基于R语言的Dice模型代码可以非常方便地实现数学模型的计算和可视化,使得经济学研究更加方便和高效。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值