Documente Academic
Documente Profesional
Documente Cultură
Analiza datelor
Analiza calității vieții la nivelul țărilor din UE
BUCUREȘTI 2016-2019
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Cuprins
Introducere.........................................................................................3
1. Descrierea problemei și a datelor.....................................................4
2. Analiza distribuțiilor variabilelor....................................................5
2.1 Boxplot.Histogramă................................................................5
2.2 Statistici descriptive...............................................................10
2.3 Abatere standard. Asimetrie. Boltire.....................................11
3. Analiza Componentelor Principale................................................13
3.1 Analiza corelațiilor................................................................13
3.2 Soluția oferită de Analiza Componentelor Principale...........15
Bibliografie
Anexe
2
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Introducere
Calitatea vieții se referă la caracterul mai mult sau mai puțin bun sau satisfăcător al
vieții oamenilor. Calitatea vieții nu este doar o tema, este o perspectivă distinctă asupra ariei
mari de fenomene sociale. Tot ceea ce este social și uman sau afectează într-un fel sau altul
omul, intră în aria de preocupări privind calitatea vieții. Calitatea vieţii este un concept
evaluativ, fiind rezultanta raportării condiţiilor de viaţa şi a activităţilor care compun viaţa
umana, la necesitatea, valorile,aspiraţiile umane. Se refera atât la evaluarea globala a vieţii cat
şi la evaluarea diferitelor condiţiisau sfere ale vieţii.
Asigurarea unei calități a vieții cât mai ridicate pentru populație devine scopul ultim al
dezvoltării sociale.
Semnificaţia pentru om a vieţii sale este rezultat al evaluării globale din punct de
vedereal persoanei umane, a propriei vieţi. Calitatea vieţii este un concept evaluativ, fiind
rezultantaraportării condiţiilor de viaţa şi a activităţilor care compun viaţa umana, la
necesitatea, valorile, aspiraţiile umane. Se refera atât la evaluarea globala a vieţii cat şi
la evaluarea diferitelor condiţii sau sfere ale vieţii.
După cum arată o serie de cercetări la nivel european, comparativ cu ţările UE,
România se situează pe ultimul sau penultimul loc, în privinţa multor indicatori referitori la
condiţiile de viaţă ale populaţiei (Alber, Jens, Tony, Fahey Perception of Living Condition in
an Enlarged Europe, Fundaţia pentru Îmbunătăţirea Condiţiilor de Viaţă şi de Muncă,
Luxembourg, 2004).
Motivul pentru care am optat să analizez și să cercetez calitatea vieții este acela de a
evidenția importanța indicatorilor care influențează calitatea vieții persoanelor.
În primul capitol, am descris problema analizată și în același timp am definit
variabilele alese pentru acest studiu, variabile care descriu calitatea vieții în Uniunea
Europeană.
În cel de-al doilea capitol, am evidențiat distribuția variabilele folosite, am realizat
tabelul statisticilor descriptive și de asemenea, am interpretat fiecare indicator în parte. Am
analizat totodată și boxplot-ul pentru fiecare variabilă pentru a obține calitatea indicatorilor.
În al treilea capitol denumit „Analiza componentelor principale”, am studiat analiza
componentelor principale. Acest capitol este structurat în doua subcapitole denumite “Analiza
corelațiilor” în care au fost obținute matricele de corelație si reprezentarea lor grafică, și
“Soluțiile oferite de Analiza Componentelor Principale” în care am prezentat soluțiile oferite
de ACP cu ajutorul criteriului lui Kaiser, dar și a altor criterii, am obținut matricea factor a
acestora, și am reprezentat variabilele în noul spațiu.
Astfel tema propusă prezintă interes atât la nivel național, cât și internațional deoarece
calitatea vieții reflectă nivelul de trai, de bunăstare, dar și facilitățile oferite de către stat
cetățenilor.
3
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
1. Descrierea problemei
Conceptul de „calitatea vieții” a fost lansat în anii ‘60 de societățile cu un nivel ridicat
de dezvoltare și care urmăreau creșterea mult mai rapidă a bunăstării. Termenul de „calitate a
vieţii” cuprinde cea mai importantă componentă a acesteia, aceea de „nivel de trai”.
Asigurarea unui nivel de trai decent depinde de gradul de dezvoltare a societăţii
cuantificat în PIB şi a modului de repartizare a acestuia.
Nivelul de trai reprezintă ansamblul condiţiilor economice şi noneconomice, sociale,
culturale şi politice pe care societatea le creează membrilor săi, dar şi capacitatea, aptitudinile
indivizilor de a-şi satisface cât mai bine nevoile cu venitul lor. Aspectele definitorii ale
nivelului de trai sunt legate de: nivelul şi evoluţia veniturilor; nivelul şi evoluţia preţurilor
bunurilor şi serviciilor ce alcătuiesc consumul populaţiei; nivelul şi structura consumului de
bunuri şi servicii; condiţii de muncă şi petrecerea timpului liber; condiţii de locuit; starea de
sănătate şi acces la serviciile de asigurare; educaţie şi accesul la cultură şi artă.
Nivelul de trai are un caracter obiectiv, pentru că, se poate realiza numai în anumiţi
parametrii. Pe măsură ce a evoluat ştiinţa şi tehnica, parametrii luaţi în considerare (mediul
natural, cadrul social, educaţie, sănătate, cadrul politic, economic) au suferit o serie de
modificări, conferindu-i în acest sens conceptului de nivelului de trai un caracter social-
istoric. Astfel, odată cu evoluţia umanităţii s-au modificat condiţiile de viaţă, aspiraţiile şi
nevoile oamenilor.
Pentru studiul calității vieții am decis să analizez 30 țări din Uniunea Europeană, care
sunt descrise prin următorii 10 indicatori:
PIB per capita exprimat în milioane euro-este un indicator macroeconomic
care reflectă suma valorii de piață a tuturor mărfurilor și serviciilor destinate
consumului final, produse pe toate ramurile economiei în interiorul unei țări, în
decursul unui an, raportat la individ---I1;
Nevoi nesatisfăcute de examinarea medicală exprimate în procente—I2;
Venituri ---I3;
Standardul de putere pe cap de locuitor (Consum individual real) reprezentat
de cheluielile personale pe bunuri si servicii---I4;
Rata angajarii (%)-rata persoanelor care se angajează după terminare
studiilor---I5;
Participări în ativități sportive si culturale (%)---I6
Restanțe (chirie, utilitate, facturi sau cumpărare în rate)(%)-datoriile pe care
indivizii nu reușesc să le achite la timp---I7;
Persoanele expuse riscului sărăciei sau excluziunii sociale (%)---I8
Persoane care suferă de depresie (%)-persoane care suferă de depresie din
diferite motive---I9;
Persoane care au abandonat studiile (%)-copiii care au abandonat școala
foarte devreme---I10;
Pentru prelucrarea în RStudio considerăm variabilele în ordinea de mai sus,
numerotate astfel:{I1,I2,I3,I4,I5,I6,I7,I8,I9,I10}.
4
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
5
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
6
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
7
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
8
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Din primul set de histograme se observă că histogramă verifică informațiile extrase din
coeficientul de asimetrie și aplatizare și anume: pentru indicatorul I1 și I2 existp asimetrie la
dreapta, adica predomină valorile mici, iar pentru indicatorul I3 și I4 se observă că
distribuțiile sunt aproximativ simetrice, valori împrăștiate în jurul mediei.
9
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Statistica
Media Q1 Q2 Q3 Max Min
Indicator
Nevoi
medicale 0.7176 0.025 0.3 1.1 3.6 0
nesatisfăcute
Venit 15015 9089 15162 19912 29285 4357
Consum ind. 18437 13875 17400 23000 31400 8900
real
Rata angajării 69.82 67.33 69.10 74.67 81.70 50.86
Participari în
activități 67.17 55.23 70.20 79.85 89.50 29.60
culturale și
sportive
Restanțe 14.720 6.525 10.250 18.900 49.300 4.5
Persoane
expuse riscului 23.64 18.32 21.75 28.68 41.30 14
de sărăcie
Persoane care
suferă de
10
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Interpretare:
PIB-ul înregistrează maximul de 311.40 mil euro pe cap de locuitor pentru țara
Louxemburg, iar cea mai mică valoare (19.50) o înregistrează în Serbia. De
asemenea, putem preciza că 25% din țări au un PIB per capita sub 45.77 mil
euro și 75% peste această valoare (Q1), iar 75% dintre țări au un PIB mai mic
decât 135.78, iar 25% peste această valoare (Q3). PIB-ul înregistrează o medie
de 100.51 mil euro pentru cele 30 țări analizate din Uniunea Europeana;
Cel mai mare procent în ceea ce privește nevoile medicale nesatisfăcute au fost
înregistrate în Grecia, iar în medie s-a obținut un procent de 0.7176 pentru
acest indicator;
Cel mai mare venit este câștigat în Louxemburg, iar cel mai mic este asociat cu
țara România;
De asemenea putem preciza faptul că țara cu cei mai mulți angajați este
Elveția, iar țara cu cele mai multe persoane care abandonează școala este
Malta;
Bulgaria este țara care înregistrează cel mai mare procent al persoanelor expuse
sărăciei din diverse motive, cu un procent de 41.30;
Daca analizăm participările la diverse activități, putem afirma faptul că
Norvegia și Elveția înregistrează cel mai mare procent (89.50) pentru acest
indicator;
Un alt indicator analizat este cel al datoriilor neplătite, în acest caz țara cu
persoane care dețin cele mai multe datorii este Grecia, iar țara cu cele mai
puține este Cehia care are un procent de 4.5.
11
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
12
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
3.1Analiza corelațiilor
În acest capitol se urmărește reducerea dimensionalității, adică aflarea unor indicatori
relevanți pentru această analiză, indicatori sintetici reduși din cei inițiali, pe baza cărora datele
pot fi interpretate mai ușor. Pentru acestea se folosește tehnica analizei componentelor
principale pe baza matricei de corelație.
Pentru prelucrarea datelor în R, datele vor fi standardizate prin funcția “scale”, iar
pentru realizarea matricei de corelație este necesar să rotunjim datele la doua zecimale. În
urma standardizării, variabilele, anterior exprimate în unități de măsură diferite, sunt perfect
comparabile între ele. Odată cu standardizarea datelor, matricea de corelație devine aceeași cu
cea de covarianță.
Pentru a realiza scopul propus în acest capitol, se calculeaza mai întâi matricea
corelațiilor variabilelor, o matrice pătratică de dimensiune 10x10. Matricea de corelație
obținută prin funcția “cor” este prezentată în tabelul 3.1.1.
Corelatie I1 I2 I3 I4 I5 I6 I7 I8 I9 I10
I1 1 -0.23 0.93 0.94 0.52 0.73 -0.5 -0.55 0.51 -0.21
I2 -0.23 1 -0.3 -0.22 -0.62 -0.49 0.58 0.55 -0.22 0.16
I3 0.93 -0.3 1 0.96 0.58 0.8 -0.58 -0.67 0.51 -0.17
I4 0.94 -0.22 0.96 1 0.56 0.8 -0.58 -0.59 0.54 -0.2
13
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
14
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
H0-coeficientii de corelație=0
H1-coeficienții de corelație≠0
P I1 I2 I3 I4 I5 I6 I7 I8 I9 I10
I1 0.22 0.00 0.00 0.00 0.00 0.00 0.00 0.004 0.27
3 5 2
I2 0.22 0.11 0.24 0.00 0.006 0.00 0.00 0.23 0.38
1
0 2 1 2
I3 0.00 0.111 0.00 0.00 0.00 0.00 0.00 0.004 0.357
1 1
I4 0.00 0.24 0.00 0.00 0.00 0.00 0.00 0.002 0.299
0
1 1 5
I5 0.00 0.002 0.001 0.001 0.00 0.00 0.00 0.073 0.255
3
15
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
5
I6 0.00 0.006 0.00 0.00 0.00 0.00 0.00 0.003 0.026
I7 0.00 0.001 0.001 0.00 0.00 0.00 0.00 0.035 0.92
5
1
I8 0.00 0.002 0.00 0.00 0.00 0.00 0.00 0.043 0.025
2
5 5
I9 0.00 0.23 0.004 0.00 0.07 0.003 0.03 0.043 0.654
4
2 3 5
I1 0.27 0.38 0.357 0.29 0.25 0.026 0.92 0.02 0.654
0 9 5 5
Având în vedere rezultatele obținute mai sus, putem concluziona justificarea analizei
componentelor principale deoarece s-au identificat corelații puternice și semnificative pentru
majoritatea variabilelor din analiza calității vieții.
Proportion 0,59 0,13 0,11 0,07 0,05 0,04 0,01 0,01 0,01 0,01
of
Variance
Cumulative 0,59 0,72 0,83 0,89 0,94 0,97 0,98 0,99 0,99 1
Proportion
1. Criteriul lui Kaiser. Conform acestui criteriu se vor păstra în analiza atâtea
componente principale, cate valorii proprii peste 1 am. Criteriul este valabil
când se lurează pe date centrate și standardizate.
Analizând tabelul 3.2.2 observăm faptul că avem 3 valori proprii peste 1:
Comp 1->2.42;
Comp 2->1.15;
Comp 3->1.04,
Vom alege primele 3 componente principale
Comp Comp Comp Comp Comp Comp Comp Comp Comp Comp
1 2 3 4 5 6 7 8 9 10
2.42 1.15 1.04 0.81 0.67 0.59 0.36 0.25 0.23 0.13
Z1=0,34*x1+0,22*X2+0,37*x3+0,36*X4+0,32*x5+0,39*x6+0,32*x7+0,33*x8+
17
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
+0,25*x9+0,12*x10;
Z2=0,36*x1+0,60*X2+0,29*x3+0,35*X4+0,31*x5+0,03*x6+0,27*x7+0,19*x8+
+0,22*x9+0,12*x10;
Z3=0,002*x1+0,1*X2+0,03*x3+0,02*X4+0,13*x5+0,11*x6+0,34*x7+0,21*x8+
+0,11*x9+0,88*x10.
de componenta 2, iar indicatorul I10 este slab corelat. De asemenea I8 și I7 sunt corelați
puternic, dar indirect de componenta 1.
19
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Din figura 3.2.7 reiese că Italia are valori foarte mari pentru componenta 2, dar
moderate pentru componenta 3. Norvegia și Finlanda au valori asemănătoare, Serbia are
valori mari pentru componenta 3, iar Cehia valori foarte mici pentru componenta 2. Estonia,
România și Malta au valori apropiate, fiind situate una lângă cealaltă.
20
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
În continuare vom construi un grafic 3D pentru a putea observa mai bine legătura
dintre entități, dar și influența componentelor asupra valorilor entităților. Astfel putem preciza
faptul că nu există o mare diferență între țări, cu excepția Luxembourg-ului care este mai
îndepărtată față de celelalte țări pentru cele 3 componentte.
21
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
Bibliografie
22
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
https://ec.europa.eu/eurostat/data/database
https://ro.wikipedia.org/wiki/Calitatea_vie%C8%9Bii
http://www.creeaza.com/referate/psihologie-psihiatrie/sociologie/CALITATEA-VIETII-
INDICATORI-OB993.php
Anexa
Tabel 1.Indicatori asociați calității vieții în Uniununea Europeană
Standardul
Restante Persoane
Nevoi de putere Participari Persoane
PIB/ Venituri (chirie, expuse
nesatisfă- pe cap de Rata in activitati care Abandon
capita (standard de utilitate, riscului
T cute de locuitor angajarii sportive si sufera de școalar
(mil putere de facturi sau sărăciei sau
examinare (Consum (%) culturale depresie (%)
euro) cumpărare) cumpărare în excluziunii
medicală individual (%) (%)
rate)(%) sociale(%)
real)
23.000,00
BE 125,7 1,80 19.921,00 67,20 72,50 6,90 21,10 6,70 10,10
BG 21,7 1,80 6.882,00 9.700,00 67,10 32,00 33,60 41,30 3,20 13,40
CZ 54,9 0,00 11.652,00 14.400,00 74,80 75,60 4,50 14,00 3,90 6,20
DK 164,5 0,00 20.384,00 24.000,00 76,50 87,90 6,30 17,70 8,00 7,80
DE 128,3 0,00 20.365,00 23.900,00 78,00 77,20 5,20 20,00 10,60 10,10
EE 54,1 0,00 10.432,00 13.700,00 76,50 72,10 9,30 24,20 4,80 12,20
IE 192,2 1,00 17.704,00 21.500,00 68,90 77,20 15,90 26,00 12,10 7,00
EL 56,3 3,60 8.802,00 15.800,00 54,90 51,20 49,30 35,70 4,70 7,90
ES 80,1 0,20 14.463,00 18.200,00 62,00 62,20 11,80 28,60 7,80 20,00
FR 113,5 1,10 19.885,00 21.300,00 69,50 80,50 8,90 17,70 5,90 9,20
HR 36,5 0,10 8.253,00 11.700,00 60,60 43,70 29,90 29,10 5,70 5,80
IT 93,5 3,40 15.395,00 19.900,00 60,50 49,60 14,90 28,70 5,50 14,70
CY 72,0 0,70 15.313,00 18.400,00 67,90 56,80 31,60 28,90 3,60 6,20
LV 42,3 1,20 8.092,00 12.800,00 72,50 66,90 18,00 30,90 9,10 9,90
LT 44,3 0,00 8.251,00 15.700,00 73,30 63,80 9,80 29,30 4,70 6,50
LU 311,4 0,30 29.285,00 31.400,00 70,90 82,70 5,20 18,50 9,50 9,30
HU 38,7 0,50 7.919,00 11.800,00 68,90 54,70 21,70 28,20 4,90 11,60
M
T 73,5 0,10 16.681,00 15.900,00 69,00 54,60 10,80 22,40 5,40 20,20
NL 140,1 0,00 19.387,00 23.400,00 76,40 88,00 5,70 16,40 7,90 8,20
AT 137,2 0,00 21.981,00 24.500,00 74,30 77,90 6,40 18,30 7,70 7,30
PL 38,5 0,80 9.950,00 13.600,00 67,80 57,90 11,00 23,40 4,20 5,30
PT 59,7 1,10 10.317,00 16.600,00 69,10 66,00 10,20 26,60 11,90 13,70
RO 27,8 1,10 4.357,00 11.100,00 66,00 29,60 19,60 37,40 1,50 19,10
SI 64,8 0,20 15.012,00 15.400,00 69,10 73,80 19,20 19,20 8,80 6,00
SK 50,2 0,40 10.220,00 14.600,00 67,70 68,30 7,50 18,40 4,20 6,90
FI 131,5 0,00 19.430,00 22.800,00 72,90 86,50 10,30 16,80 10,50 9,20
SE 157,6 0,30 20.154,00 23.000,00 80,50 88,10 6,00 18,60 9,60 7,00
23
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
NO 230,8 0,20 28.323,00 27.600,00 79,10 89,50 5,80 14,70 9,00 10,20
CH 254,1 0,30 26.590,00 28.500,00 81,70 89,50 8,50 17,00 4,70 5,20
RS 19,5 1,30 5.042,00 8.900,00 50,86 38,70 37,80 20,00 4,60 8,00
Cod Rstudio
„path<-"C:\\Users\\andre\\Desktop"
24
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
datepr<-read.table(file.path(path,"dateProiect.txt"),sep="\t",dec=".",header=TRUE,row.names=1)
attach(datepr)
View(datepr)
boxplot(I1,col="red")
boxplot(I2,col="green")
boxplot(I3,col="blue")
boxplot(I4,col="yellow")
boxplot(I5,col="brown")
boxplot(I6,col="red")
boxplot(I7,col="green")
boxplot(I8,col="blue")
boxplot(I9,col="yellow")
boxplot(I10,col="brown")
b<-data.frame(datepr$I1,datepr$I2, datepr$I3, datepr$I4)
hist(b)
t<-data.frame(datepr$I5,datepr$I6, datepr$I7, datepr$I8)
hist(t)
p<-data.frame(datepr$I9,datepr$I10)
hist(p)
summary(datepr)
sd(I10)
install.packages("moments")
library(moments)
skewness(I1)
kurtosis(I1)
skewness(I2)
kurtosis(I2)
skewness(I3)
kurtosis(I3)
skewness(I4)
kurtosis(I4)
skewness(I5)
kurtosis(I5)
skewness(I6)
kurtosis(I6)
skewness(I7)
kurtosis(I7)
skewness(I8)
kurtosis(I8)
skewness(I9)
kurtosis(I9)
skewness(I10)
25
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
kurtosis(I10)
mr<-round(datepr,2)
View(mr)
install.packages("corrplot")
install.packages("Hmisc")
library(Hmisc)
library(corrplot)
cor<-cor(mr)
cor
c<-rcorr(as.matrix(mr))
c
write.table(cor,file="corelatie.xls",col.names=TRUE, sep="\t")
corrplot(c$r, type="upper", p.mat=c$p,sig.level=0.01,insig="blank")
#interpretari,concluzii(se justifica ACP)
#standardizare
sd<-scale(mr,center=TRUE,scale=TRUE)
sd
corelatie<-cor(sd)
corelatie
corelatiee<-round(corelatie,2)
write.table(corelatiee,file="corelatieSdd.xls",col.names=TRUE, sep="\t")
install.packages("PerformanceAnalytics")
library(PerformanceAnalytics)
chart.Correlation(sd,histogram=TRUE,pch=19)
acp<-princomp(sd,cor=TRUE,scores=TRUE)
acp
summary(acp)
eigen(cor(sd))
ponderi<-acp$loadings
ponderi
scoruri<-acp$scores
scoruri
sc<-round(scoruri,2)
sc
write.table(sc,file="scorproiect.xls",col.names=TRUE, sep="\t")
plot(acp,type="l")
e<-eigen(corelatiee)
e
matriceaf<-cor(sd,scoruri[,1:3])
matriceaf
write.table(matriceaf,file="matrice.xls",col.names=TRUE, sep="\t")
26
ACADEMIA DE STUDII ECONOMICE
FACULTATEA DE CIBERNETICĂ, STATISTICĂ ȘI INFORMATICĂ ECONOMICĂ
val<-seq(0,2*3.14,length=100)
val
plot(cos(val),sin(val),type="l", xlab="Comp1",ylab="Comp2")
text(matriceaf[,1],matriceaf[,2],rownames(matriceaf))
abline(h=0)
abline(v=0)
plot(cos(val),sin(val),type="l", xlab="Comp1",ylab="Comp3")
text(matriceaf[,1],matriceaf[,3],rownames(matriceaf))
abline(h=0)
abline(v=0)
plot(cos(val),sin(val),type="l", xlab="Comp2",ylab="Comp3")
text(matriceaf[,2],matriceaf[,3],rownames(matriceaf))
abline(h=0)
abline(v=0)
plot(scoruri[,1],scoruri[,2],xlab="axa1",ylab="axa2")
text(scoruri[,1],scoruri[,2],labels=rownames(scoruri), pos=3)
plot(scoruri[,1],scoruri[,3],xlab="axa1",ylab="axa2")
text(scoruri[,1],scoruri[,3],labels=rownames(scoruri), pos=3)
plot(scoruri[,3],scoruri[,2],xlab="axa1",ylab="axa2")
text(scoruri[,3],scoruri[,2],labels=rownames(scoruri), pos=3)
install.packages('scatterplot3d')
library(scatterplot3d)
grafic3d<-scatterplot3d(sd[,1:3],pch=15,angle=60)
text(grafic3d$xyz.convert(sd[,1:3]),labels=rownames(sd))”
27