R Under development (unstable) (2024-02-02 r85855 ucrt) -- "Unsuffered Consequences"
Copyright (C) 2024 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64

R is free software and comes with ABSOLUTELY NO WARRANTY.
You are welcome to redistribute it under certain conditions.
Type 'license()' or 'licence()' for distribution details.

R is a collaborative project with many contributors.
Type 'contributors()' for more information and
'citation()' on how to cite R or R packages in publications.

Type 'demo()' for some demos, 'help()' for on-line help, or
'help.start()' for an HTML browser interface to help.
Type 'q()' to quit R.

> ###################################################
> ### chunk number 1: setup
> ###################################################
> options(prompt = "R> ", continue = "+  ", width = 64,
+   digits = 4, show.signif.stars = FALSE, useFancyQuotes = FALSE)
R> 
R> options(SweaveHooks = list(onefig =   function() {par(mfrow = c(1,1))},
+                             twofig =   function() {par(mfrow = c(1,2))},                           
+                             threefig = function() {par(mfrow = c(1,3))},
+                             fourfig =  function() {par(mfrow = c(2,2))},
+                             sixfig =   function() {par(mfrow = c(3,2))}))
R> 
R> library("AER")
Loading required package: car
Loading required package: carData
Loading required package: lmtest
Loading required package: zoo

Attaching package: 'zoo'

The following objects are masked from 'package:base':

    as.Date, as.Date.numeric

Loading required package: sandwich
Loading required package: survival
R> 
R> suppressWarnings(RNGversion("3.5.0"))
R> set.seed(1071)
R> 
R> 
R> ###################################################
R> ### chunk number 2: calc1
R> ###################################################
R> 1 + 1
[1] 2
R> 2^3
[1] 8
R> 
R> 
R> ###################################################
R> ### chunk number 3: calc2
R> ###################################################
R> log(exp(sin(pi/4)^2) * exp(cos(pi/4)^2))
[1] 1
R> 
R> 
R> ###################################################
R> ### chunk number 4: vec1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> 
R> 
R> ###################################################
R> ### chunk number 5: length
R> ###################################################
R> length(x)
[1] 5
R> 
R> 
R> ###################################################
R> ### chunk number 6: vec2
R> ###################################################
R> 2 * x + 3
[1]   6.60   9.28  11.00 179.34  29.00
R> 5:1 * x + 1:5
[1]  10.00  14.56  15.00 180.34  18.00
R> 
R> 
R> ###################################################
R> ### chunk number 7: vec3
R> ###################################################
R> log(x)
[1] 0.5878 1.1442 1.3863 4.4793 2.5649
R> 
R> 
R> ###################################################
R> ### chunk number 8: subset1
R> ###################################################
R> x[c(1, 4)]
[1]  1.80 88.17
R> 
R> 
R> ###################################################
R> ### chunk number 9: subset2
R> ###################################################
R> x[-c(2, 3, 5)]
[1]  1.80 88.17
R> 
R> 
R> ###################################################
R> ### chunk number 10: pattern1
R> ###################################################
R> ones <- rep(1, 10)
R> even <- seq(from = 2, to = 20, by = 2)
R> trend <- 1981:2005
R> 
R> 
R> ###################################################
R> ### chunk number 11: pattern2
R> ###################################################
R> c(ones, even)
 [1]  1  1  1  1  1  1  1  1  1  1  2  4  6  8 10 12 14 16 18 20
R> 
R> 
R> ###################################################
R> ### chunk number 12: matrix1
R> ###################################################
R> A <- matrix(1:6, nrow = 2)
R> 
R> 
R> ###################################################
R> ### chunk number 13: matrix2
R> ###################################################
R> t(A)
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> 
R> 
R> ###################################################
R> ### chunk number 14: matrix3
R> ###################################################
R> dim(A)
[1] 2 3
R> nrow(A)
[1] 2
R> ncol(A)
[1] 3
R> 
R> 
R> ###################################################
R> ### chunk number 15: matrix-subset
R> ###################################################
R> A1 <- A[1:2, c(1, 3)]
R> 
R> 
R> ###################################################
R> ### chunk number 16: matrix4
R> ###################################################
R> solve(A1)
     [,1]  [,2]
[1,] -1.5  1.25
[2,]  0.5 -0.25
R> 
R> 
R> ###################################################
R> ### chunk number 17: matrix-solve
R> ###################################################
R> A1 %*% solve(A1)
     [,1] [,2]
[1,]    1    0
[2,]    0    1
R> 
R> 
R> ###################################################
R> ### chunk number 18: diag
R> ###################################################
R> diag(4)
     [,1] [,2] [,3] [,4]
[1,]    1    0    0    0
[2,]    0    1    0    0
[3,]    0    0    1    0
[4,]    0    0    0    1
R> 
R> 
R> ###################################################
R> ### chunk number 19: matrix-combine1
R> ###################################################
R> cbind(1, A1)
     [,1] [,2] [,3]
[1,]    1    1    5
[2,]    1    2    6
R> 
R> 
R> ###################################################
R> ### chunk number 20: matrix-combine2
R> ###################################################
R> rbind(A1, diag(4, 2))
     [,1] [,2]
[1,]    1    5
[2,]    2    6
[3,]    4    0
[4,]    0    4
R> 
R> 
R> ###################################################
R> ### chunk number 21: vector-mode
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> 
R> 
R> ###################################################
R> ### chunk number 22: logical
R> ###################################################
R> x > 3.5
[1] FALSE FALSE  TRUE  TRUE  TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 23: names
R> ###################################################
R> names(x) <- c("a", "b", "c", "d", "e")
R> x
    a     b     c     d     e 
 1.80  3.14  4.00 88.17 13.00 
R> 
R> 
R> ###################################################
R> ### chunk number 24: subset-more
R> ###################################################
R> x[3:5]
    c     d     e 
 4.00 88.17 13.00 
R> x[c("c", "d", "e")]
    c     d     e 
 4.00 88.17 13.00 
R> x[x > 3.5]
    c     d     e 
 4.00 88.17 13.00 
R> 
R> 
R> ###################################################
R> ### chunk number 25: list1
R> ###################################################
R> mylist <- list(sample = rnorm(5),
+    family = "normal distribution",
+    parameters = list(mean = 0, sd = 1))
R> mylist
$sample
[1]  0.3771 -0.9346  2.4302  1.3195  0.4503

$family
[1] "normal distribution"

$parameters
$parameters$mean
[1] 0

$parameters$sd
[1] 1


R> 
R> 
R> ###################################################
R> ### chunk number 26: list2
R> ###################################################
R> mylist[[1]]
[1]  0.3771 -0.9346  2.4302  1.3195  0.4503
R> mylist[["sample"]]
[1]  0.3771 -0.9346  2.4302  1.3195  0.4503
R> mylist$sample
[1]  0.3771 -0.9346  2.4302  1.3195  0.4503
R> 
R> 
R> ###################################################
R> ### chunk number 27: list3
R> ###################################################
R> mylist[[3]]$sd
[1] 1
R> 
R> 
R> ###################################################
R> ### chunk number 28: logical2
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> x > 3 & x <= 4
[1] FALSE  TRUE  TRUE FALSE FALSE
R> 
R> 
R> ###################################################
R> ### chunk number 29: logical3
R> ###################################################
R> which(x > 3 & x <= 4)
[1] 2 3
R> 
R> 
R> ###################################################
R> ### chunk number 30: logical4
R> ###################################################
R> all(x > 3)
[1] FALSE
R> any(x > 3)
[1] TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 31: logical5
R> ###################################################
R> (1.5 - 0.5) == 1
[1] TRUE
R> (1.9 - 0.9) == 1
[1] FALSE
R> 
R> 
R> ###################################################
R> ### chunk number 32: logical6
R> ###################################################
R> all.equal(1.9 - 0.9, 1)
[1] TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 33: logical7
R> ###################################################
R> 7 + TRUE
[1] 8
R> 
R> 
R> ###################################################
R> ### chunk number 34: coercion1
R> ###################################################
R> is.numeric(x)
[1] TRUE
R> is.character(x)
[1] FALSE
R> as.character(x)
[1] "1.8"    "3.14"   "4"      "88.169" "13"    
R> 
R> 
R> ###################################################
R> ### chunk number 35: coercion2
R> ###################################################
R> c(1, "a")
[1] "1" "a"
R> 
R> 
R> ###################################################
R> ### chunk number 36: rng1
R> ###################################################
R> set.seed(123)
R> rnorm(2)
[1] -0.5605 -0.2302
R> rnorm(2)
[1] 1.55871 0.07051
R> set.seed(123)
R> rnorm(2)
[1] -0.5605 -0.2302
R> 
R> 
R> ###################################################
R> ### chunk number 37: rng2
R> ###################################################
R> sample(1:5)
[1] 5 1 2 3 4
R> sample(c("male", "female"), size = 5, replace = TRUE,
+    prob = c(0.2, 0.8))
[1] "female" "male"   "female" "female" "female"
R> 
R> 
R> ###################################################
R> ### chunk number 38: flow1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> if(rnorm(1) > 0) sum(x) else mean(x)
[1] 22.02
R> 
R> 
R> ###################################################
R> ### chunk number 39: flow2
R> ###################################################
R> ifelse(x > 4, sqrt(x), x^2)
[1]  3.240  9.860 16.000  9.390  3.606
R> 
R> 
R> ###################################################
R> ### chunk number 40: flow3
R> ###################################################
R> for(i in 2:5) {
+    x[i] <- x[i] - x[i-1]
+  }
R> x[-1]
[1]   1.34   2.66  85.51 -72.51
R> 
R> 
R> ###################################################
R> ### chunk number 41: flow4
R> ###################################################
R> while(sum(x) < 100) {
+    x <- 2 * x
+  }
R> x
[1]   14.40   10.72   21.28  684.07 -580.07
R> 
R> 
R> ###################################################
R> ### chunk number 42: cmeans
R> ###################################################
R> cmeans <- function(X) { 
+    rval <- rep(0, ncol(X))
+    for(j in 1:ncol(X)) {
+      mysum <- 0
+      for(i in 1:nrow(X)) mysum <- mysum + X[i,j]
+      rval[j] <- mysum/nrow(X)
+    }
+    return(rval)
+  }
R> 
R> 
R> ###################################################
R> ### chunk number 43: colmeans1
R> ###################################################
R> X <- matrix(1:20, ncol = 2)
R> cmeans(X)
[1]  5.5 15.5
R> 
R> 
R> ###################################################
R> ### chunk number 44: colmeans2
R> ###################################################
R> colMeans(X)
[1]  5.5 15.5
R> 
R> 
R> ###################################################
R> ### chunk number 45: colmeans3 eval=FALSE
R> ###################################################
R> ## X <- matrix(rnorm(2*10^6), ncol = 2)
R> ## system.time(colMeans(X))
R> ## system.time(cmeans(X))
R> 
R> 
R> ###################################################
R> ### chunk number 46: colmeans4
R> ###################################################
R> cmeans2 <- function(X) {
+    rval <- rep(0, ncol(X))
+    for(j in 1:ncol(X)) rval[j] <- mean(X[,j])
+    return(rval)
+  }
R> 
R> 
R> ###################################################
R> ### chunk number 47: colmeans5 eval=FALSE
R> ###################################################
R> ## system.time(cmeans2(X))
R> 
R> 
R> ###################################################
R> ### chunk number 48: colmeans6 eval=FALSE
R> ###################################################
R> ## apply(X, 2, mean)
R> 
R> 
R> ###################################################
R> ### chunk number 49: colmeans7 eval=FALSE
R> ###################################################
R> ## system.time(apply(X, 2, mean))
R> 
R> 
R> ###################################################
R> ### chunk number 50: formula1
R> ###################################################
R> f <- y ~ x
R> class(f)
[1] "formula"
R> 
R> 
R> ###################################################
R> ### chunk number 51: formula2
R> ###################################################
R> x <- seq(from = 0, to = 10, by = 0.5)
R> y <- 2 + 3 * x + rnorm(21)
R> 
R> 
R> ###################################################
R> ### chunk number 52: formula3 eval=FALSE
R> ###################################################
R> ## plot(y ~ x)
R> ## lm(y ~ x)
R> 
R> 
R> ###################################################
R> ### chunk number 53: formula3a
R> ###################################################
R> print(lm(y ~ x))

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept)            x  
       2.26         2.91  

R> 
R> 
R> ###################################################
R> ### chunk number 54: formula3b
R> ###################################################
R> plot(y ~ x)
R> 
R> 
R> ###################################################
R> ### chunk number 55: formula3c
R> ###################################################
R> fm <- lm(y ~ x)
R> 
R> 
R> ###################################################
R> ### chunk number 56: mydata1
R> ###################################################
R> mydata <- data.frame(one = 1:10, two = 11:20, three = 21:30)
R> 
R> 
R> ###################################################
R> ### chunk number 57: mydata1a
R> ###################################################
R> mydata <- as.data.frame(matrix(1:30, ncol = 3))
R> names(mydata) <- c("one", "two", "three")
R> 
R> 
R> ###################################################
R> ### chunk number 58: mydata2
R> ###################################################
R> mydata$two
 [1] 11 12 13 14 15 16 17 18 19 20
R> mydata[, "two"]
 [1] 11 12 13 14 15 16 17 18 19 20
R> mydata[, 2]
 [1] 11 12 13 14 15 16 17 18 19 20
R> 
R> 
R> ###################################################
R> ### chunk number 59: attach
R> ###################################################
R> attach(mydata)
R> mean(two)
[1] 15.5
R> detach(mydata)
R> 
R> 
R> ###################################################
R> ### chunk number 60: with
R> ###################################################
R> with(mydata, mean(two))
[1] 15.5
R> 
R> 
R> ###################################################
R> ### chunk number 61: mydata-subset
R> ###################################################
R> mydata.sub <- subset(mydata, two <= 16, select = -two)
R> 
R> 
R> ###################################################
R> ### chunk number 62: write-table
R> ###################################################
R> write.table(mydata, file = "mydata.txt", col.names = TRUE)
R> 
R> 
R> ###################################################
R> ### chunk number 63: read-table
R> ###################################################
R> newdata <- read.table("mydata.txt", header = TRUE)
R> 
R> 
R> ###################################################
R> ### chunk number 64: save
R> ###################################################
R> save(mydata, file = "mydata.rda")
R> 
R> 
R> ###################################################
R> ### chunk number 65: load
R> ###################################################
R> load("mydata.rda")
R> 
R> 
R> ###################################################
R> ### chunk number 66: file-remove
R> ###################################################
R> file.remove("mydata.rda")
[1] TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 67: data
R> ###################################################
R> data("Journals", package = "AER")
R> 
R> 
R> ###################################################
R> ### chunk number 68: foreign
R> ###################################################
R> library("foreign")
R> write.dta(mydata, file = "mydata.dta")
R> 
R> 
R> ###################################################
R> ### chunk number 69: read-dta
R> ###################################################
R> mydata <- read.dta("mydata.dta")
R> 
R> 
R> ###################################################
R> ### chunk number 70: cleanup
R> ###################################################
R> file.remove("mydata.dta")
[1] TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 71: factor
R> ###################################################
R> g <- rep(0:1, c(2, 4))
R> g <- factor(g, levels = 0:1, labels = c("male", "female"))
R> g
[1] male   male   female female female female
Levels: male female
R> 
R> 
R> ###################################################
R> ### chunk number 72: na1
R> ###################################################
R> newdata <- read.table("mydata.txt", na.strings = "-999")
R> 
R> 
R> ###################################################
R> ### chunk number 73: na2
R> ###################################################
R> file.remove("mydata.txt")
[1] TRUE
R> 
R> 
R> ###################################################
R> ### chunk number 74: oop1
R> ###################################################
R> x <- c(1.8, 3.14, 4, 88.169, 13)
R> g <- factor(rep(c(0, 1), c(2, 4)), levels = c(0, 1),
+    labels = c("male", "female"))
R> 
R> 
R> ###################################################
R> ### chunk number 75: oop2
R> ###################################################
R> summary(x)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1.80    3.14    4.00   22.02   13.00   88.17 
R> summary(g)
  male female 
     2      4 
R> 
R> 
R> ###################################################
R> ### chunk number 76: oop3
R> ###################################################
R> class(x)
[1] "numeric"
R> class(g)
[1] "factor"
R> 
R> 
R> ###################################################
R> ### chunk number 77: oop4
R> ###################################################
R> summary
function (object, ...) 
UseMethod("summary")
<bytecode: 0x000001592d5c1568>
<environment: namespace:base>
R> 
R> 
R> ###################################################
R> ### chunk number 78: oop5
R> ###################################################
R> normsample <- function(n, ...) {
+    rval <- rnorm(n, ...)
+    class(rval) <- "normsample"
+    return(rval)
+  }
R> 
R> 
R> ###################################################
R> ### chunk number 79: oop6
R> ###################################################
R> set.seed(123)
R> x <- normsample(10, mean = 5)
R> class(x)
[1] "normsample"
R> 
R> 
R> ###################################################
R> ### chunk number 80: oop7
R> ###################################################
R> summary.normsample <- function(object, ...) {
+    rval <- c(length(object), mean(object), sd(object))
+    names(rval) <- c("sample size","mean","standard deviation")
+    return(rval)
+  }
R> 
R> 
R> ###################################################
R> ### chunk number 81: oop8
R> ###################################################
R> summary(x)
       sample size               mean standard deviation 
           10.0000             5.0746             0.9538 
R> 
R> 
R> ###################################################
R> ### chunk number 82: journals-data eval=FALSE
R> ###################################################
R> ## data("Journals")
R> ## Journals$citeprice <- Journals$price/Journals$citations
R> ## attach(Journals)
R> ## plot(log(subs), log(citeprice))
R> ## rug(log(subs))
R> ## rug(log(citeprice), side = 2)
R> ## detach(Journals)
R> 
R> 
R> ###################################################
R> ### chunk number 83: journals-data1
R> ###################################################
R> data("Journals")
R> Journals$citeprice <- Journals$price/Journals$citations
R> attach(Journals)
R> plot(log(subs), log(citeprice))
R> rug(log(subs))
R> rug(log(citeprice), side = 2)
R> detach(Journals)
R> 
R> 
R> ###################################################
R> ### chunk number 84: plot-formula
R> ###################################################
R> plot(log(subs) ~ log(citeprice), data = Journals)
R> 
R> 
R> ###################################################
R> ### chunk number 85: graphics1
R> ###################################################
R> plot(log(subs) ~ log(citeprice), data = Journals, pch = 20,
+    col = "blue", ylim = c(0, 8), xlim = c(-7, 4),
+    main = "Library subscriptions")
R> 
R> 
R> ###################################################
R> ### chunk number 86: graphics2
R> ###################################################
R> pdf("myfile.pdf", height = 5, width = 6)
R> plot(1:20, pch = 1:20, col = 1:20, cex = 2)
R> dev.off()
pdf 
  2 
R> 
R> 
R> ###################################################
R> ### chunk number 87: dnorm-annotate eval=FALSE
R> ###################################################
R> ## curve(dnorm, from = -5, to = 5, col = "slategray", lwd = 3,
R> ##   main = "Density of the standard normal distribution")
R> ## text(-5, 0.3, expression(f(x) == frac(1, sigma ~~
R> ##   sqrt(2*pi)) ~~ e^{-frac((x - mu)^2, 2*sigma^2)}), adj = 0)
R> 
R> 
R> ###################################################
R> ### chunk number 88: dnorm-annotate1
R> ###################################################
R> curve(dnorm, from = -5, to = 5, col = "slategray", lwd = 3,
+    main = "Density of the standard normal distribution")
R> text(-5, 0.3, expression(f(x) == frac(1, sigma ~~
+    sqrt(2*pi)) ~~ e^{-frac((x - mu)^2, 2*sigma^2)}), adj = 0)
R> 
R> 
R> ###################################################
R> ### chunk number 89: eda1
R> ###################################################
R> data("CPS1985")
R> str(CPS1985)
'data.frame':	534 obs. of  11 variables:
 $ wage      : num  5.1 4.95 6.67 4 7.5 ...
 $ education : num  8 9 12 12 12 13 10 12 16 12 ...
 $ experience: num  21 42 1 4 17 9 27 9 11 9 ...
 $ age       : num  35 57 19 22 35 28 43 27 33 27 ...
 $ ethnicity : Factor w/ 3 levels "cauc","hispanic",..: 2 1 1 1 1 1 1 1 1 1 ...
 $ region    : Factor w/ 2 levels "south","other": 2 2 2 2 2 2 1 2 2 2 ...
 $ gender    : Factor w/ 2 levels "male","female": 2 2 1 1 1 1 1 1 1 1 ...
 $ occupation: Factor w/ 6 levels "worker","technical",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ sector    : Factor w/ 3 levels "manufacturing",..: 1 1 1 3 3 3 3 3 1 3 ...
 $ union     : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 1 1 ...
 $ married   : Factor w/ 2 levels "no","yes": 2 2 1 1 2 1 1 1 2 1 ...
R> 
R> 
R> ###################################################
R> ### chunk number 90: eda2
R> ###################################################
R> head(CPS1985)
      wage education experience age ethnicity region gender
1     5.10         8         21  35  hispanic  other female
1100  4.95         9         42  57      cauc  other female
2     6.67        12          1  19      cauc  other   male
3     4.00        12          4  22      cauc  other   male
4     7.50        12         17  35      cauc  other   male
5    13.07        13          9  28      cauc  other   male
     occupation        sector union married
1        worker manufacturing    no     yes
1100     worker manufacturing    no     yes
2        worker manufacturing    no      no
3        worker         other    no      no
4        worker         other    no     yes
5        worker         other   yes      no
R> 
R> 
R> ###################################################
R> ### chunk number 91: eda3
R> ###################################################
R> levels(CPS1985$occupation)[c(2, 6)] <- c("techn", "mgmt")
R> attach(CPS1985)
R> 
R> 
R> ###################################################
R> ### chunk number 92: eda4
R> ###################################################
R> summary(wage)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1.00    5.25    7.78    9.02   11.25   44.50 
R> 
R> 
R> ###################################################
R> ### chunk number 93: eda5
R> ###################################################
R> mean(wage)
[1] 9.024
R> median(wage)
[1] 7.78
R> 
R> 
R> ###################################################
R> ### chunk number 94: eda6
R> ###################################################
R> var(wage)
[1] 26.41
R> sd(wage)
[1] 5.139
R> 
R> 
R> ###################################################
R> ### chunk number 95: wage-hist
R> ###################################################
R> hist(wage, freq = FALSE)
R> hist(log(wage), freq = FALSE)
R> lines(density(log(wage)), col = 4)
R> 
R> 
R> ###################################################
R> ### chunk number 96: wage-hist1
R> ###################################################
R> hist(wage, freq = FALSE)
R> hist(log(wage), freq = FALSE)
R> lines(density(log(wage)), col = 4)
R> 
R> 
R> ###################################################
R> ### chunk number 97: occ-table
R> ###################################################
R> summary(occupation)
  worker    techn services   office    sales     mgmt 
     156      105       83       97       38       55 
R> 
R> 
R> ###################################################
R> ### chunk number 98: occ-table
R> ###################################################
R> tab <- table(occupation)
R> prop.table(tab)
occupation
  worker    techn services   office    sales     mgmt 
 0.29213  0.19663  0.15543  0.18165  0.07116  0.10300 
R> 
R> 
R> ###################################################
R> ### chunk number 99: occ-barpie
R> ###################################################
R> barplot(tab)
R> pie(tab)
R> 
R> 
R> ###################################################
R> ### chunk number 100: occ-barpie
R> ###################################################
R> par(mar = c(4, 3, 1, 1))
R> barplot(tab, las = 3)
R> par(mar = c(2, 3, 1, 3))
R> pie(tab, radius = 1)
R> 
R> 
R> ###################################################
R> ### chunk number 101: xtabs
R> ###################################################
R> xtabs(~ gender + occupation, data = CPS1985)
        occupation
gender   worker techn services office sales mgmt
  male      126    53       34     21    21   34
  female     30    52       49     76    17   21
R> 
R> 
R> ###################################################
R> ### chunk number 102: spine eval=FALSE
R> ###################################################
R> ## plot(gender ~ occupation, data = CPS1985)
R> 
R> 
R> ###################################################
R> ### chunk number 103: spine1
R> ###################################################
R> plot(gender ~ occupation, data = CPS1985)
R> 
R> 
R> ###################################################
R> ### chunk number 104: wageeduc-cor
R> ###################################################
R> cor(log(wage), education)
[1] 0.3804
R> cor(log(wage), education, method = "spearman")
[1] 0.3813
R> 
R> 
R> ###################################################
R> ### chunk number 105: wageeduc-scatter eval=FALSE
R> ###################################################
R> ## plot(log(wage) ~ education)
R> 
R> 
R> ###################################################
R> ### chunk number 106: wageeduc-scatter1
R> ###################################################
R> plot(log(wage) ~ education)
R> 
R> 
R> ###################################################
R> ### chunk number 107: tapply
R> ###################################################
R> tapply(log(wage), gender, mean)
  male female 
 2.165  1.934 
R> 
R> 
R> ###################################################
R> ### chunk number 108: boxqq1 eval=FALSE
R> ###################################################
R> ## plot(log(wage) ~ gender)
R> 
R> 
R> ###################################################
R> ### chunk number 109: boxqq2 eval=FALSE
R> ###################################################
R> ## mwage <- subset(CPS1985, gender == "male")$wage
R> ## fwage <- subset(CPS1985, gender == "female")$wage
R> ## qqplot(mwage, fwage, xlim = range(wage), ylim = range(wage),
R> ##   xaxs = "i", yaxs = "i", xlab = "male", ylab = "female")
R> ## abline(0, 1)
R> 
R> 
R> ###################################################
R> ### chunk number 110: qq
R> ###################################################
R> plot(log(wage) ~ gender)
R> mwage <- subset(CPS1985, gender == "male")$wage
R> fwage <- subset(CPS1985, gender == "female")$wage
R> qqplot(mwage, fwage, xlim = range(wage), ylim = range(wage),
+    xaxs = "i", yaxs = "i", xlab = "male", ylab = "female")
R> abline(0, 1)
R> 
R> 
R> ###################################################
R> ### chunk number 111: detach
R> ###################################################
R> detach(CPS1985)
R> 
R> 
R> 
> proc.time()
   user  system elapsed 
   1.64    0.39    2.03