


#------------------------------------LAVORO--------------------------------------------
#Library and import
library(readxl)
ISTAT_LAVORO <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_LAVORO.xlsx")
x <- c(ISTAT_LAVORO$ANNO_2007,ISTAT_LAVORO$ANNO_2008,ISTAT_LAVORO$ANNO_2009,ISTAT_LAVORO$ANNO_2010,ISTAT_LAVORO$ANNO_2011,ISTAT_LAVORO$ANNO_2012, ISTAT_LAVORO$ANNO_2013,ISTAT_LAVORO$ANNO_2014,ISTAT_LAVORO$ANNO_2015,ISTAT_LAVORO$ANNO_2016,ISTAT_LAVORO$ANNO_2017)
m1<- matrix(x,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y <- ISTAT_LAVORO$Territorio 
dimnames(m1) <-list(c(ISTAT_LAVORO$Territorio),NULL) #nomino righe con territorio
t<-array(2007:2017)
dimnames(m1)[[2]]<-c(t) #nomino colonne con anni
m1 #stampo
plot(m1[1,]) #grafico valori prima riga matrix(piemonte)

reg<-lm(ISTAT_LAVORO$ANNO_2017~ISTAT_LAVORO$ANNO_2007+ISTAT_LAVORO$ANNO_2008+ISTAT_LAVORO$ANNO_2009+ISTAT_LAVORO$ANNO_2010+ISTAT_LAVORO$ANNO_2011+ISTAT_LAVORO$ANNO_2012+ISTAT_LAVORO$ANNO_2013+ISTAT_LAVORO$ANNO_2014+ISTAT_LAVORO$ANNO_2015+ISTAT_LAVORO$ANNO_2016) #regression from 2007 to 2017 LAVORO

summary(reg)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.80052 -0.24348 -0.00042  0.31963  0.54133 

Coefficients:
                       Estimate Std. Error t value Pr(>|t|)  
(Intercept)            -0.87192    0.56135  -1.553   0.1548  
ISTAT_LAVORO$ANNO_2007  0.37231    0.40347   0.923   0.3802  
ISTAT_LAVORO$ANNO_2008 -0.31512    0.40392  -0.780   0.4553  
ISTAT_LAVORO$ANNO_2009  0.97434    0.44251   2.202   0.0552 .
ISTAT_LAVORO$ANNO_2010 -0.87784    0.31297  -2.805   0.0205 *
ISTAT_LAVORO$ANNO_2011  0.08384    0.40638   0.206   0.8411  
ISTAT_LAVORO$ANNO_2012  0.22404    0.29037   0.772   0.4601  
ISTAT_LAVORO$ANNO_2013  0.07464    0.30109   0.248   0.8098  
ISTAT_LAVORO$ANNO_2014  0.55901    0.37020   1.510   0.1653  
ISTAT_LAVORO$ANNO_2015 -0.27659    0.39504  -0.700   0.5015  
ISTAT_LAVORO$ANNO_2016  0.34517    0.24258   1.423   0.1885  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.549 on 9 degrees of freedom
Multiple R-squared:  0.9952,	Adjusted R-squared:   0.99 
F-statistic: 188.2 on 10 and 9 DF,  p-value: 3.31e-09

predict(reg) #prediction 2018
m2 <- cbind(m1, predict(reg))  #addColoum predicted to the matrix
plot(m2[1,])
m2
m2[,12]

#------------------------------------TERRITORIO--------------------------------------------

#Library and import
library(readxl)
ISTAT_TERRITORIO <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_TERRITORIO.xlsx")
x1 <- c(ISTAT_TERRITORIO$ANNO_2007,ISTAT_TERRITORIO$ANNO_2008,ISTAT_TERRITORIO$ANNO_2009,ISTAT_TERRITORIO$ANNO_2010,
        ISTAT_TERRITORIO$ANNO_2011,ISTAT_TERRITORIO$ANNO_2012, ISTAT_TERRITORIO$ANNO_2013,ISTAT_TERRITORIO$ANNO_2014,
        ISTAT_TERRITORIO$ANNO_2015,ISTAT_TERRITORIO$ANNO_2016,ISTAT_TERRITORIO$ANNO_2017) 
m3<- matrix(x1,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y1 <- ISTAT_TERRITORIO$Territorio #Regioni
dimnames(m3) <-list(c(ISTAT_TERRITORIO$Territorio),NULL) #nomino righe con territorio
t1<-array(2007:2017)
dimnames(m3)[[2]]<-c(t1) #nomino colonne con anni
m3 #stampo
plot(m3[1,]) #grafico valori prima riga matrix(piemonte)

reg1<-lm(ISTAT_TERRITORIO$ANNO_2017~ISTAT_TERRITORIO$ANNO_2007+ISTAT_TERRITORIO$ANNO_2008+ISTAT_TERRITORIO$ANNO_2009+ISTAT_TERRITORIO$ANNO_2010+ISTAT_TERRITORIO$ANNO_2011+ ISTAT_TERRITORIO$ANNO_2012+ ISTAT_TERRITORIO$ANNO_2013+ISTAT_TERRITORIO$ANNO_2014+ ISTAT_TERRITORIO$ANNO_2015+ ISTAT_TERRITORIO$ANNO_2016) #regression from 2007 to 2017 TERRITORIO

summary(reg1)

Residuals:
     Min       1Q   Median       3Q      Max 
-1988.88  -353.44   -16.43   290.23  2001.51 

Coefficients:
                            Estimate Std. Error t value Pr(>|t|)    
(Intercept)                -191.6365   436.5178  -0.439   0.6692    
ISTAT_TERRITORIO$ANNO_2007    0.2813     0.1733   1.623   0.1328    
ISTAT_TERRITORIO$ANNO_2008   -0.7601     0.4759  -1.597   0.1386    
ISTAT_TERRITORIO$ANNO_2009    0.5190     0.7409   0.700   0.4982    
ISTAT_TERRITORIO$ANNO_2010    1.1258     1.0822   1.040   0.3205    
ISTAT_TERRITORIO$ANNO_2011   -3.1209     1.4909  -2.093   0.0603 .  
ISTAT_TERRITORIO$ANNO_2012    3.6779     1.8373   2.002   0.0706 .  
ISTAT_TERRITORIO$ANNO_2013   -3.3980     1.9417  -1.750   0.1079    
ISTAT_TERRITORIO$ANNO_2014    3.4631     1.7888   1.936   0.0790 .  
ISTAT_TERRITORIO$ANNO_2015   -3.7894     1.2506  -3.030   0.0114 *  
ISTAT_TERRITORIO$ANNO_2016    3.0024     0.4388   6.842 2.79e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1143 on 11 degrees of freedom
Multiple R-squared:      1,	Adjusted R-squared:      1 
F-statistic: 1.02e+07 on 10 and 11 DF,  p-value: < 2.2e-16


predict(reg1) #prediction 2018
m4 <- cbind(m3, predict(reg1))  #addColoum predicted to the matrix
plot(m4[1,])
m4
m4[,12]

#----------------------------------MACROECONOMIA----------------------------------------------

#Library and import
library(readxl)
ISTAT_MACROECONOMIA <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_MACROECONOMIA.xlsx")
x2 <- c(ISTAT_MACROECONOMIA$ANNO_2007,ISTAT_MACROECONOMIA$ANNO_2008,ISTAT_MACROECONOMIA$ANNO_2009,ISTAT_MACROECONOMIA$ANNO_2010,
        ISTAT_MACROECONOMIA$ANNO_2011,ISTAT_MACROECONOMIA$ANNO_2012,ISTAT_MACROECONOMIA$ANNO_2013,ISTAT_MACROECONOMIA$ANNO_2014,
        ISTAT_MACROECONOMIA$ANNO_2015,ISTAT_MACROECONOMIA$ANNO_2016,ISTAT_MACROECONOMIA$ANNO_2017)
m5<- matrix(x2,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y2 <- ISTAT_MACROECONOMIA$Territorio 
dimnames(m5) <-list(c(ISTAT_MACROECONOMIA$Territorio),NULL) #nomino righe con territorio
t2<-array(2007:2017)
dimnames(m5)[[2]]<-c(t2) #nomino colonne con anni
m5 #stampo
plot(m5[1,]) #grafico valori prima riga matrix(piemonte)


reg2<-lm(ISTAT_MACROECONOMIA$ANNO_2017~ISTAT_MACROECONOMIA$ANNO_2007+ISTAT_MACROECONOMIA$ANNO_2008+ISTAT_MACROECONOMIA$ANNO_2009+ISTAT_MACROECONOMIA$ANNO_2010+ISTAT_MACROECONOMIA$ANNO_2011+ISTAT_MACROECONOMIA$ANNO_2012+ISTAT_MACROECONOMIA$ANNO_2013+ISTAT_MACROECONOMIA$ANNO_2014+ISTAT_MACROECONOMIA$ANNO_2015+ISTAT_MACROECONOMIA$ANNO_2016) 
#regression from 2007 to 2017 MACROECONOMIA

summary(reg2)

Residuals:
    Min      1Q  Median      3Q     Max 
-124.65  -70.94  -13.50   33.01  240.85 

Coefficients:
                               Estimate Std. Error t value Pr(>|t|)    
(Intercept)                   200.72816  219.30909   0.915 0.383915    
ISTAT_MACROECONOMIA$ANNO_2007  -0.22391    0.09413  -2.379 0.041305 *  
ISTAT_MACROECONOMIA$ANNO_2008   0.22096    0.13620   1.622 0.139187    
ISTAT_MACROECONOMIA$ANNO_2009  -0.24709    0.11651  -2.121 0.062948 .  
ISTAT_MACROECONOMIA$ANNO_2010   0.06532    0.21618   0.302 0.769395    
ISTAT_MACROECONOMIA$ANNO_2011   0.22082    0.32130   0.687 0.509239    
ISTAT_MACROECONOMIA$ANNO_2012   0.07102    0.16688   0.426 0.680426    
ISTAT_MACROECONOMIA$ANNO_2013  -0.15723    0.22107  -0.711 0.494978    
ISTAT_MACROECONOMIA$ANNO_2014  -0.03103    0.15012  -0.207 0.840866    
ISTAT_MACROECONOMIA$ANNO_2015  -0.18066    0.27734  -0.651 0.531060    
ISTAT_MACROECONOMIA$ANNO_2016   1.26400    0.21662   5.835 0.000248 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 145.2 on 9 degrees of freedom
Multiple R-squared:  0.9998,	Adjusted R-squared:  0.9995 
F-statistic:  3955 on 10 and 9 DF,  p-value: 3.836e-15


predict(reg2) #prediction 2018
m6 <- cbind(m5, predict(reg2))  #addColoum predicted to the matrix
plot(m6[1,])
m6
m6[,12]

#------------------------------------TRASPORTI--------------------------------------------

ISTAT_TRASPORTI <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_TRASPORTI.xlsx")
x3 <- c(ISTAT_TRASPORTI$ANNO_2007,ISTAT_TRASPORTI$ANNO_2008,ISTAT_TRASPORTI$ANNO_2009,ISTAT_TRASPORTI$ANNO_2010,
        ISTAT_TRASPORTI$ANNO_2011,ISTAT_TRASPORTI$ANNO_2012, ISTAT_TRASPORTI$ANNO_2013,ISTAT_TRASPORTI$ANNO_2014,
        ISTAT_TRASPORTI$ANNO_2015,ISTAT_TRASPORTI$ANNO_2016,ISTAT_TRASPORTI$ANNO_2017)
m7<- matrix(x3,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y3 <- ISTAT_TRASPORTI$Territorio 
dimnames(m7) <-list(c(ISTAT_TRASPORTI$Territorio),NULL) #nomino righe con territorio
t3<-array(2007:2017)
dimnames(m7)[[2]]<-c(t) #nomino colonne con anni
m7 #stampo
plot(m7[1,]) #grafico valori prima riga matrix(piemonte)


reg3<-lm(ISTAT_TRASPORTI$ANNO_2017~ISTAT_TRASPORTI$ANNO_2007+ISTAT_TRASPORTI$ANNO_2008+ISTAT_TRASPORTI$ANNO_2009+ISTAT_TRASPORTI$ANNO_2010+ISTAT_TRASPORTI$ANNO_2011+ISTAT_TRASPORTI$ANNO_2012+ISTAT_TRASPORTI$ANNO_2013+ISTAT_TRASPORTI$ANNO_2014+ISTAT_TRASPORTI$ANNO_2015+ISTAT_TRASPORTI$ANNO_2016) #regression from 2007 to 2017 TRASPORTI

summary(reg3)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.37499 -0.06881 -0.00325  0.08349  0.24040 

Coefficients:
                           Estimate Std. Error t value Pr(>|t|)  
(Intercept)               -0.304007   0.228276  -1.332   0.2157  
ISTAT_TRASPORTI$ANNO_2007 -0.012105   0.138769  -0.087   0.9324  
ISTAT_TRASPORTI$ANNO_2008 -0.001633   0.524788  -0.003   0.9976  
ISTAT_TRASPORTI$ANNO_2009 -0.823279   0.771512  -1.067   0.3137  
ISTAT_TRASPORTI$ANNO_2010  0.789605   0.583118   1.354   0.2087  
ISTAT_TRASPORTI$ANNO_2011  0.143729   0.549619   0.262   0.7996  
ISTAT_TRASPORTI$ANNO_2012 -0.100279   0.672845  -0.149   0.8848  
ISTAT_TRASPORTI$ANNO_2013 -0.020611   0.546957  -0.038   0.9708  
ISTAT_TRASPORTI$ANNO_2014  0.440502   0.861495   0.511   0.6214  
ISTAT_TRASPORTI$ANNO_2015 -0.472522   0.738385  -0.640   0.5382  
ISTAT_TRASPORTI$ANNO_2016  1.071509   0.522613   2.050   0.0706 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.221 on 9 degrees of freedom
Multiple R-squared:  0.9999,	Adjusted R-squared:  0.9998 
F-statistic: 1.169e+04 on 10 and 9 DF,  p-value: < 2.2e-16


predict(reg3) #prediction 2018
m8 <- cbind(m7, predict(reg3))  #addColoum predicted to the matrix
plot(m8[1,])
m8
m8[,12]

#-----------------------------------FAMIGLIA-REDDITO---------------------------------------------

#Library and import
library(readxl)
ISTAT_FAMIGLIE2 <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_FAMIGLIE2.xlsx")
ISTAT_FAMIGLIE <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_FAMIGLIE.xlsx")
x4 <- c(ISTAT_FAMIGLIE2$ANNO_2007,ISTAT_FAMIGLIE2$ANNO_2008,ISTAT_FAMIGLIE$ANNO_2009,ISTAT_FAMIGLIE$ANNO_2010,
        ISTAT_FAMIGLIE2$ANNO_2011,ISTAT_FAMIGLIE2$ANNO_2012, ISTAT_FAMIGLIE2$ANNO_2013,ISTAT_FAMIGLIE2$ANNO_2014,
        ISTAT_FAMIGLIE2$ANNO_2015,ISTAT_FAMIGLIE2$ANNO_2016)
m9<- matrix(x4,ncol=10) #creo matrice con le colonne deglia anni e numero le righe
y4 <- ISTAT_FAMIGLIE2$Territorio 
dimnames(m9) <-list(c(ISTAT_FAMIGLIE2$Territorio),NULL) #nomino righe con territorio
t4<-array(2007:2018)
dimnames(m9)[[2]]<-c(t4) #nomino colonne con anni
m9 #stampo
plot(m9[1,]) #grafico valori prima riga matrix(piemonte)

reg4<-lm(ISTAT_FAMIGLIE2$ANNO_2016~ ISTAT_FAMIGLIE2$ANNO_2007+ ISTAT_FAMIGLIE2$ANNO_2008+  ISTAT_FAMIGLIE2$ANNO_2009+ ISTAT_FAMIGLIE2$ANNO_2010+  ISTAT_FAMIGLIE2$ANNO_2011+  ISTAT_FAMIGLIE2$ANNO_2012+ISTAT_FAMIGLIE2$ANNO_2013+ISTAT_FAMIGLIE2$ANNO_2014+ ISTAT_FAMIGLIE2$ANNO_2015) #regression from 2007 to 2016 FAMIGLIA

summary(reg4)

Call:
lm(formula = ISTAT_FAMIGLIE2$ANNO_2016 ~ ISTAT_FAMIGLIE2$ANNO_2007 + 
    ISTAT_FAMIGLIE2$ANNO_2008 + ISTAT_FAMIGLIE2$ANNO_2009 + ISTAT_FAMIGLIE2$ANNO_2010 + 
    ISTAT_FAMIGLIE2$ANNO_2011 + ISTAT_FAMIGLIE2$ANNO_2012 + ISTAT_FAMIGLIE2$ANNO_2013 + 
    ISTAT_FAMIGLIE2$ANNO_2014 + ISTAT_FAMIGLIE2$ANNO_2015)

Residuals:
    Min      1Q  Median      3Q     Max 
-874.76 -360.61  -61.95  420.71  854.21 

Coefficients:
                            Estimate Std. Error t value Pr(>|t|)  
(Intercept)                650.27868 2025.87141   0.321   0.7548  
ISTAT_FAMIGLIE2$ANNO_2007    0.45861    0.32628   1.406   0.1902  
ISTAT_FAMIGLIE2$ANNO_2008   -0.15095    0.25393  -0.594   0.5654  
ISTAT_FAMIGLIE2$ANNO_2009   -0.51817    0.38740  -1.338   0.2107  
ISTAT_FAMIGLIE2$ANNO_2010    0.55273    0.36457   1.516   0.1604  
ISTAT_FAMIGLIE2$ANNO_2011   -0.03893    0.43166  -0.090   0.9299  
ISTAT_FAMIGLIE2$ANNO_2012   -0.17084    0.34143  -0.500   0.6276  
ISTAT_FAMIGLIE2$ANNO_2013    0.28514    0.28295   1.008   0.3373  
ISTAT_FAMIGLIE2$ANNO_2014   -0.10208    0.26163  -0.390   0.7046  
ISTAT_FAMIGLIE2$ANNO_2015    0.69202    0.36672   1.887   0.0885 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 725.9 on 10 degrees of freedom
Multiple R-squared:  0.9853,	Adjusted R-squared:  0.972 
F-statistic: 74.23 on 9 and 10 DF,  p-value: 5.708e-08

predict(reg4) #prediction 2018
m10 <- cbind(m9, predict(reg4))  #addColoum predicted to the matrix
plot(m10[1,])
m10[1,11]

x5 <- c(ISTAT_FAMIGLIE2$ANNO_2007,ISTAT_FAMIGLIE2$ANNO_2008,ISTAT_FAMIGLIE2$ANNO_2009,ISTAT_FAMIGLIE2$ANNO_2010,
        ISTAT_FAMIGLIE2$ANNO_2011,ISTAT_FAMIGLIE2$ANNO_2012, ISTAT_FAMIGLIE2$ANNO_2013,ISTAT_FAMIGLIE2$ANNO_2014,
        ISTAT_FAMIGLIE2$ANNO_2015,ISTAT_FAMIGLIE2$ANNO_2016,predict(reg4))
m11<- matrix(x5,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y4 <- ISTAT_FAMIGLIE2$Territorio 
dimnames(m11) <-list(c(ISTAT_FAMIGLIE2$Territorio),NULL) #nomino righe con territorio
t5<-array(2007:2017)
dimnames(m11)[[2]]<-c(t5) #nomino colonne con anni
m11 #stampo
plot(m11[1,]) #grafico valori prima riga matrix(piemonte)

reg5<-lm(m10[,10]~ ISTAT_FAMIGLIE$ANNO_2007+ ISTAT_FAMIGLIE$ANNO_2008+  ISTAT_FAMIGLIE$ANNO_2009+ ISTAT_FAMIGLIE$ANNO_2010+  ISTAT_FAMIGLIE$ANNO_2011+  ISTAT_FAMIGLIE$ANNO_2012+ISTAT_FAMIGLIE$ANNO_2013+ISTAT_FAMIGLIE$ANNO_2014+ ISTAT_FAMIGLIE$ANNO_2015+ISTAT_FAMIGLIE$ANNO_2016) #regression from 2007 to 2017 FAMIGLIA

summary(reg5)

Call:
lm(formula = m10[, 10] ~ ISTAT_FAMIGLIE$ANNO_2007 + ISTAT_FAMIGLIE$ANNO_2008 + 
    ISTAT_FAMIGLIE$ANNO_2009 + ISTAT_FAMIGLIE$ANNO_2010 + ISTAT_FAMIGLIE$ANNO_2011 + 
    ISTAT_FAMIGLIE$ANNO_2012 + ISTAT_FAMIGLIE$ANNO_2013 + ISTAT_FAMIGLIE$ANNO_2014 + 
    ISTAT_FAMIGLIE$ANNO_2015 + ISTAT_FAMIGLIE$ANNO_2016)

Residuals:
    Min      1Q  Median      3Q     Max 
-2649.8 -1192.9   190.4   864.9  1561.6 

Coefficients:
                          Estimate Std. Error t value Pr(>|t|)  
(Intercept)              9660.8758  3205.9754   3.013   0.0146 *
ISTAT_FAMIGLIE$ANNO_2007   -2.1367     7.3706  -0.290   0.7785  
ISTAT_FAMIGLIE$ANNO_2008    5.2429     5.1084   1.026   0.3315  
ISTAT_FAMIGLIE$ANNO_2009   -1.5509     6.1283  -0.253   0.8059  
ISTAT_FAMIGLIE$ANNO_2010    4.6075     9.6713   0.476   0.6451  
ISTAT_FAMIGLIE$ANNO_2011   -0.4083     6.0612  -0.067   0.9478  
ISTAT_FAMIGLIE$ANNO_2012  -11.6922    15.5993  -0.750   0.4727  
ISTAT_FAMIGLIE$ANNO_2013   12.6590    18.4582   0.686   0.5101  
ISTAT_FAMIGLIE$ANNO_2014   13.4117    17.9159   0.749   0.4732  
ISTAT_FAMIGLIE$ANNO_2015  -11.5525    16.2729  -0.710   0.4957  
ISTAT_FAMIGLIE$ANNO_2016    1.8045     9.0227   0.200   0.8459  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1765 on 9 degrees of freedom
Multiple R-squared:  0.9216,	Adjusted R-squared:  0.8344 
F-statistic: 10.57 on 10 and 9 DF,  p-value: 0.0007734


predict(reg5) #prediction 2018
m12 <- cbind(m11, predict(reg5))  #addColoum predicted to the matrix
plot(m12[1,])
m12


#-----------------------------------FAMIGLIA---SPESA------------------------------------------

#Library and import
library(readxl)
ISTAT_FAMIGLIE <- read_excel("C:/Users/Admin/Desktop/Mediamente consulting/TESI/DB/DATI ISTAT DA IMPORTARE/ISTAT_FAMIGLIE.xlsx")
x6 <- c(ISTAT_FAMIGLIE$ANNO_2007,ISTAT_FAMIGLIE$ANNO_2008,ISTAT_FAMIGLIE$ANNO_2009,ISTAT_FAMIGLIE$ANNO_2010,
        ISTAT_FAMIGLIE$ANNO_2011,ISTAT_FAMIGLIE$ANNO_2012, ISTAT_FAMIGLIE$ANNO_2013,ISTAT_FAMIGLIE$ANNO_2014,
        ISTAT_FAMIGLIE$ANNO_2015,ISTAT_FAMIGLIE$ANNO_2016,ISTAT_FAMIGLIE$ANNO_2017)
m13<- matrix(x6,ncol=11) #creo matrice con le colonne deglia anni e numero le righe
y6 <- ISTAT_FAMIGLIE$Territorio 
dimnames(m13) <-list(c(ISTAT_FAMIGLIE$Territorio),NULL) #nomino righe con territorio
t6<-array(2007:2017)
dimnames(m13)[[2]]<-c(t) #nomino colonne con anni
m13 #stampo
plot(m13[1,]) #grafico valori prima riga matrix(piemonte)

reg6<-lm(ISTAT_FAMIGLIE$ANNO_2017~ ISTAT_FAMIGLIE$ANNO_2007+ ISTAT_FAMIGLIE$ANNO_2008+  ISTAT_FAMIGLIE$ANNO_2009+ ISTAT_FAMIGLIE$ANNO_2010+  ISTAT_FAMIGLIE$ANNO_2011+  ISTAT_FAMIGLIE$ANNO_2012+ISTAT_FAMIGLIE$ANNO_2013+ISTAT_FAMIGLIE$ANNO_2014+ ISTAT_FAMIGLIE$ANNO_2015+ISTAT_FAMIGLIE$ANNO_2016) #regression from 2007 to 2017 FAMIGLIA SPESA

summary(reg6)

Residuals:
    Min      1Q  Median      3Q     Max 
-49.282 -17.568   2.277  18.774  37.037 

Coefficients:
                          Estimate Std. Error t value Pr(>|t|)   
(Intercept)              -64.51987   67.42781  -0.957  0.36363   
ISTAT_FAMIGLIE$ANNO_2007   0.36274    0.15502   2.340  0.04402 * 
ISTAT_FAMIGLIE$ANNO_2008   0.07351    0.10744   0.684  0.51106   
ISTAT_FAMIGLIE$ANNO_2009   0.23755    0.12889   1.843  0.09843 . 
ISTAT_FAMIGLIE$ANNO_2010  -0.31284    0.20341  -1.538  0.15842   
ISTAT_FAMIGLIE$ANNO_2011  -0.04140    0.12748  -0.325  0.75278   
ISTAT_FAMIGLIE$ANNO_2012  -0.82588    0.32808  -2.517  0.03292 * 
ISTAT_FAMIGLIE$ANNO_2013   1.65055    0.38821   4.252  0.00214 **
ISTAT_FAMIGLIE$ANNO_2014  -0.88867    0.37681  -2.358  0.04271 * 
ISTAT_FAMIGLIE$ANNO_2015   0.29580    0.34225   0.864  0.40987   
ISTAT_FAMIGLIE$ANNO_2016   0.51256    0.18976   2.701  0.02435 * 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 37.12 on 9 degrees of freedom
Multiple R-squared:  0.9957,	Adjusted R-squared:  0.9908 
F-statistic: 206.5 on 10 and 9 DF,  p-value: 2.185e-09


predict(reg6) #prediction 2018
m14 <- cbind(m13, predict(reg6))  #addColoum predicted to the matrix
plot(m14[1,])
m14
m14[,12]

plot(m14[3,], main="Avarage Expenses of Liguria", type="l", ylab="Euro€", xlab="Years", col="black")


> t(m1)
     PIEMONTE VALLE D'AOSTA LIGURIA LOMBARDIA TRENTINO ALTO ADIGE BOLZANO TRENTO VENETO FRIULI VENEZIA GIULIA
2007     4.20          3.17    4.82      3.40                2.75    2.57   2.93   3.37                  3.40
2008     5.08          3.31    5.36      3.70                2.79    2.34   3.26   3.44                  4.26
2009     6.78          4.52    5.77      5.29                3.18    2.85   3.51   4.70                  5.21
2010     7.52          4.46    6.60      5.54                3.46    2.69   4.25   5.67                  5.69
2011     7.56          5.25    6.42      5.68                3.85    3.31   4.41   4.90                  5.16
2012     9.20          7.11    8.06      7.41                5.08    4.10   6.10   6.43                  6.74
2013    10.53          8.26    9.82      8.03                5.40    4.36   6.47   7.59                  7.69
2014    11.29          8.92   10.85      8.19                5.67    4.43   6.94   7.48                  8.00
2015    10.22          8.88    9.19      7.87                5.30    3.82   6.81   7.09                  8.00
2016     9.35          8.67    9.74      7.40                5.24    3.71   6.84   6.77                  7.54
2017     9.11          7.80    9.46      6.41                4.36    3.07   5.71   6.33                  6.72
     EMILIA ROMAGNA TOSCANA UMBRIA MARCHE LAZIO ABRUZZO MOLISE CAMPANIA PUGLIA BASILICATA CALABRIA SICILIA SARDEGNA
2007           2.85    4.36   4.62   4.11  6.38    6.16   8.06    11.18  11.09       9.43    11.13   12.90     9.81
2008           3.19    5.04   4.76   4.65  7.47    6.62   9.13    12.54  11.60      10.99    12.01   13.69    12.18
2009           4.73    5.77   6.58   6.61  8.39    7.96   9.00    12.92  12.62      11.22    11.31   13.76    13.19
2010           5.62    6.04   6.61   5.66  9.17    8.66   8.39    13.94  13.47      12.90    11.86   14.61    14.03
2011           5.23    6.33   6.39   6.79  8.73    8.57   9.93    15.40  13.15      11.89    12.65   14.26    13.54
2012           6.98    7.79   9.47   9.05 10.61   10.83  11.97    19.24  15.72      14.51    19.36   18.38    15.42
2013           8.36    8.68  10.33  10.95 11.97   11.25  15.62    21.45  19.74      15.24    22.26   20.98    17.47
2014           8.31   10.11  11.31  10.09 12.50   12.55  15.18    21.74  21.46      14.73    23.42   22.17    18.63
2015           7.74    9.18  10.42   9.95 11.82   12.62  14.33    19.80  19.67      13.69    22.93   21.40    17.35
2016           6.94    9.48   9.57  10.61 11.13   12.11  12.81    20.37  19.41      13.28    23.16   22.08    17.25
2017           6.53    8.57  10.53  10.56 10.66   11.72  14.60    20.92  18.84      12.81    21.59   21.49    17.01
> summary (t(m1))
    PIEMONTE      VALLE D'AOSTA      LIGURIA         LOMBARDIA     TRENTINO ALTO ADIGE    BOLZANO          TRENTO     
 Min.   : 4.200   Min.   :3.170   Min.   : 4.820   Min.   :3.400   Min.   :2.75        Min.   :2.340   Min.   :2.930  
 1st Qu.: 7.150   1st Qu.:4.490   1st Qu.: 6.095   1st Qu.:5.415   1st Qu.:3.32        1st Qu.:2.770   1st Qu.:3.880  
 Median : 9.110   Median :7.110   Median : 8.060   Median :6.410   Median :4.36        Median :3.310   Median :5.710  
 Mean   : 8.258   Mean   :6.395   Mean   : 7.826   Mean   :6.265   Mean   :4.28        Mean   :3.386   Mean   :5.203  
 3rd Qu.: 9.785   3rd Qu.:8.465   3rd Qu.: 9.600   3rd Qu.:7.640   3rd Qu.:5.27        3rd Qu.:3.960   3rd Qu.:6.640  
 Max.   :11.290   Max.   :8.920   Max.   :10.850   Max.   :8.190   Max.   :5.67        Max.   :4.430   Max.   :6.940  
     VENETO      FRIULI VENEZIA GIULIA EMILIA ROMAGNA     TOSCANA           UMBRIA           MARCHE      
 Min.   :3.370   Min.   :3.400         Min.   :2.850   Min.   : 4.360   Min.   : 4.620   Min.   : 4.110  
 1st Qu.:4.800   1st Qu.:5.185         1st Qu.:4.980   1st Qu.: 5.905   1st Qu.: 6.485   1st Qu.: 6.135  
 Median :6.330   Median :6.720         Median :6.530   Median : 7.790   Median : 9.470   Median : 9.050  
 Mean   :5.797   Mean   :6.219         Mean   :6.044   Mean   : 7.395   Mean   : 8.235   Mean   : 8.094  
 3rd Qu.:6.930   3rd Qu.:7.615         3rd Qu.:7.360   3rd Qu.: 8.930   3rd Qu.:10.375   3rd Qu.:10.325  
 Max.   :7.590   Max.   :8.000         Max.   :8.360   Max.   :10.110   Max.   :11.310   Max.   :10.950  
     LAZIO           ABRUZZO           MOLISE          CAMPANIA         PUGLIA        BASILICATA       CALABRIA    
 Min.   : 6.380   Min.   : 6.160   Min.   : 8.060   Min.   :11.18   Min.   :11.09   Min.   : 9.43   Min.   :11.13  
 1st Qu.: 8.560   1st Qu.: 8.265   1st Qu.: 9.065   1st Qu.:13.43   1st Qu.:12.88   1st Qu.:11.55   1st Qu.:11.94  
 Median :10.610   Median :10.830   Median :11.970   Median :19.24   Median :15.72   Median :12.90   Median :19.36  
 Mean   : 9.894   Mean   : 9.914   Mean   :11.729   Mean   :17.23   Mean   :16.07   Mean   :12.79   Mean   :17.43  
 3rd Qu.:11.475   3rd Qu.:11.915   3rd Qu.:14.465   3rd Qu.:20.64   3rd Qu.:19.54   3rd Qu.:14.10   3rd Qu.:22.59  
 Max.   :12.500   Max.   :12.620   Max.   :15.620   Max.   :21.74   Max.   :21.46   Max.   :15.24   Max.   :23.42  
    SICILIA         SARDEGNA    
 Min.   :12.90   Min.   : 9.81  
 1st Qu.:14.01   1st Qu.:13.37  
 Median :18.38   Median :15.42  
 Mean   :17.79   Mean   :15.08  
 3rd Qu.:21.45   3rd Qu.:17.30  
 Max.   :22.17   Max.   :18.63 
 
 
dataframe <- data.frame(y,ISTAT_LAVORO$ANNO_2007,ISTAT_LAVORO$ANNO_2008,ISTAT_LAVORO$ANNO_2009,ISTAT_LAVORO$ANNO_2010,ISTAT_LAVORO$ANNO_2011,ISTAT_LAVORO$ANNO_2012, ISTAT_LAVORO$ANNO_2013,ISTAT_LAVORO$ANNO_2014,
ISTAT_LAVORO$ANNO_2015,ISTAT_LAVORO$ANNO_2016,ISTAT_LAVORO$ANNO_2017)

summary(dataframe)

dataframe
                       y ISTAT_LAVORO.ANNO_2007 ISTAT_LAVORO.ANNO_2008 ISTAT_LAVORO.ANNO_2009 ISTAT_LAVORO.ANNO_2010
1               PIEMONTE                   4.20                   5.08                   6.78                   7.52
2          VALLE D'AOSTA                   3.17                   3.31                   4.52                   4.46
3                LIGURIA                   4.82                   5.36                   5.77                   6.60
4              LOMBARDIA                   3.40                   3.70                   5.29                   5.54
5    TRENTINO ALTO ADIGE                   2.75                   2.79                   3.18                   3.46
6                BOLZANO                   2.57                   2.34                   2.85                   2.69
7                 TRENTO                   2.93                   3.26                   3.51                   4.25
8                 VENETO                   3.37                   3.44                   4.70                   5.67
9  FRIULI VENEZIA GIULIA                   3.40                   4.26                   5.21                   5.69
10        EMILIA ROMAGNA                   2.85                   3.19                   4.73                   5.62
11               TOSCANA                   4.36                   5.04                   5.77                   6.04
12                UMBRIA                   4.62                   4.76                   6.58                   6.61
13                MARCHE                   4.11                   4.65                   6.61                   5.66
14                 LAZIO                   6.38                   7.47                   8.39                   9.17
15               ABRUZZO                   6.16                   6.62                   7.96                   8.66
16                MOLISE                   8.06                   9.13                   9.00                   8.39
17              CAMPANIA                  11.18                  12.54                  12.92                  13.94
18                PUGLIA                  11.09                  11.60                  12.62                  13.47
19            BASILICATA                   9.43                  10.99                  11.22                  12.90
20              CALABRIA                  11.13                  12.01                  11.31                  11.86
21               SICILIA                  12.90                  13.69                  13.76                  14.61
22              SARDEGNA                   9.81                  12.18                  13.19                  14.03
   ISTAT_LAVORO.ANNO_2011 ISTAT_LAVORO.ANNO_2012 ISTAT_LAVORO.ANNO_2013 ISTAT_LAVORO.ANNO_2014 ISTAT_LAVORO.ANNO_2015
1                    7.56                   9.20                  10.53                  11.29                  10.22
2                    5.25                   7.11                   8.26                   8.92                   8.88
3                    6.42                   8.06                   9.82                  10.85                   9.19
4                    5.68                   7.41                   8.03                   8.19                   7.87
5                    3.85                   5.08                   5.40                   5.67                   5.30
6                    3.31                   4.10                   4.36                   4.43                   3.82
7                    4.41                   6.10                   6.47                   6.94                   6.81
8                    4.90                   6.43                   7.59                   7.48                   7.09
9                    5.16                   6.74                   7.69                   8.00                   8.00
10                   5.23                   6.98                   8.36                   8.31                   7.74
11                   6.33                   7.79                   8.68                  10.11                   9.18
12                   6.39                   9.47                  10.33                  11.31                  10.42
13                   6.79                   9.05                  10.95                  10.09                   9.95
14                   8.73                  10.61                  11.97                  12.50                  11.82
15                   8.57                  10.83                  11.25                  12.55                  12.62
16                   9.93                  11.97                  15.62                  15.18                  14.33
17                  15.40                  19.24                  21.45                  21.74                  19.80
18                  13.15                  15.72                  19.74                  21.46                  19.67
19                  11.89                  14.51                  15.24                  14.73                  13.69
20                  12.65                  19.36                  22.26                  23.42                  22.93
21                  14.26                  18.38                  20.98                  22.17                  21.40
22                  13.54                  15.42                  17.47                  18.63                  17.35
   ISTAT_LAVORO.ANNO_2016 ISTAT_LAVORO.ANNO_2017
1                    9.35                   9.11
2                    8.67                   7.80
3                    9.74                   9.46
4                    7.40                   6.41
5                    5.24                   4.36
6                    3.71                   3.07
7                    6.84                   5.71
8                    6.77                   6.33
9                    7.54                   6.72
10                   6.94                   6.53
11                   9.48                   8.57
12                   9.57                  10.53
13                  10.61                  10.56
14                  11.13                  10.66
15                  12.11                  11.72
16                  12.81                  14.60
17                  20.37                  20.92
18                  19.41                  18.84
19                  13.28                  12.81
20                  23.16                  21.59
21                  22.08                  21.49
22                  17.25                  17.01


reg<-lm(ISTAT_LAVORO$ANNO_2017~ISTAT_LAVORO$ANNO_2007+ISTAT_LAVORO$ANNO_2008+ISTAT_LAVORO$ANNO_2009+ISTAT_LAVORO$ANNO_2010+ISTAT_LAVORO$ANNO_2011+ISTAT_LAVORO$ANNO_2012+ 
ISTAT_LAVORO$ANNO_2013+ISTAT_LAVORO$ANNO_2014+ISTAT_LAVORO$ANNO_2015+ISTAT_LAVORO$ANNO_2016)

summary(reg)

Call:
lm(formula = ISTAT_LAVORO$ANNO_2017 ~ ISTAT_LAVORO$ANNO_2007 + 
    ISTAT_LAVORO$ANNO_2008 + ISTAT_LAVORO$ANNO_2009 + ISTAT_LAVORO$ANNO_2010 + 
    ISTAT_LAVORO$ANNO_2011 + ISTAT_LAVORO$ANNO_2012 + ISTAT_LAVORO$ANNO_2013 + 
    ISTAT_LAVORO$ANNO_2014 + ISTAT_LAVORO$ANNO_2015 + ISTAT_LAVORO$ANNO_2016)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.73185 -0.25389 -0.04124  0.36346  0.59201 

Coefficients:
                       Estimate Std. Error t value Pr(>|t|)  
(Intercept)             -1.1224     0.4446  -2.525   0.0282 *
ISTAT_LAVORO$ANNO_2007   0.1550     0.3630   0.427   0.6777  
ISTAT_LAVORO$ANNO_2008  -0.2223     0.3905  -0.569   0.5806  
ISTAT_LAVORO$ANNO_2009   0.8058     0.3969   2.030   0.0672 .
ISTAT_LAVORO$ANNO_2010  -0.6995     0.2795  -2.503   0.0293 *
ISTAT_LAVORO$ANNO_2011   0.1057     0.3940   0.268   0.7934  
ISTAT_LAVORO$ANNO_2012   0.1325     0.2787   0.475   0.6438  
ISTAT_LAVORO$ANNO_2013   0.1640     0.2882   0.569   0.5809  
ISTAT_LAVORO$ANNO_2014   0.4356     0.3532   1.233   0.2432  
ISTAT_LAVORO$ANNO_2015  -0.1353     0.3758  -0.360   0.7257  
ISTAT_LAVORO$ANNO_2016   0.3745     0.2378   1.575   0.1436  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.543 on 11 degrees of freedom
Multiple R-squared:  0.9952,	Adjusted R-squared:  0.9908 
F-statistic: 227.3 on 10 and 11 DF,  p-value: 2.903e-11


confint(reg)
                             2.5 %      97.5 %
(Intercept)            -2.10095418 -0.14389103
ISTAT_LAVORO$ANNO_2007 -0.64405685  0.95400646
ISTAT_LAVORO$ANNO_2008 -1.08166461  0.63713579
ISTAT_LAVORO$ANNO_2009 -0.06773512  1.67932151
ISTAT_LAVORO$ANNO_2010 -1.31463957 -0.08441948
ISTAT_LAVORO$ANNO_2011 -0.76150321  0.97293262
ISTAT_LAVORO$ANNO_2012 -0.48092990  0.74593968
ISTAT_LAVORO$ANNO_2013 -0.47043148  0.79833473
ISTAT_LAVORO$ANNO_2014 -0.34178215  1.21296592
ISTAT_LAVORO$ANNO_2015 -0.96252126  0.69191252
ISTAT_LAVORO$ANNO_2016 -0.14887323  0.89778564


predict(reg)
        1         2         3         4         5         6         7         8         9        10        11        12 
 9.383030  7.937300  8.952362  7.141846  4.505999  3.580597  5.460519  5.904538  6.600564  6.509924  8.693395  9.937989 
       13        14        15        16        17        18        19        20        21        22 
10.582017 10.856486 11.196280 14.147398 20.594983 19.428518 13.128319 22.073740 21.113729 17.070466 

View(dataframe)

dataframe<- data.frame(y,ISTAT_LAVORO$ANNO_2007,ISTAT_LAVORO$ANNO_2008,ISTAT_LAVORO$ANNO_2009,ISTAT_LAVORO$ANNO_2010,ISTAT_LAVORO$ANNO_2011,ISTAT_LAVORO$ANNO_2012, ISTAT_LAVORO$ANNO_2013,ISTAT_LAVORO$ANNO_2014,
ISTAT_LAVORO$ANNO_2015,ISTAT_LAVORO$ANNO_2016,ISTAT_LAVORO$ANNO_2017,predict(reg))

> m2 <- cbind(m1, predict(reg))
> m2
                       2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  2017          
PIEMONTE               4.20  5.08  6.78  7.52  7.56  9.20 10.53 11.29 10.22  9.35  9.11  9.383030
VALLE D'AOSTA          3.17  3.31  4.52  4.46  5.25  7.11  8.26  8.92  8.88  8.67  7.80  7.937300
LIGURIA                4.82  5.36  5.77  6.60  6.42  8.06  9.82 10.85  9.19  9.74  9.46  8.952362
LOMBARDIA              3.40  3.70  5.29  5.54  5.68  7.41  8.03  8.19  7.87  7.40  6.41  7.141846
TRENTINO ALTO ADIGE    2.75  2.79  3.18  3.46  3.85  5.08  5.40  5.67  5.30  5.24  4.36  4.505999
BOLZANO                2.57  2.34  2.85  2.69  3.31  4.10  4.36  4.43  3.82  3.71  3.07  3.580597
TRENTO                 2.93  3.26  3.51  4.25  4.41  6.10  6.47  6.94  6.81  6.84  5.71  5.460519
VENETO                 3.37  3.44  4.70  5.67  4.90  6.43  7.59  7.48  7.09  6.77  6.33  5.904538
FRIULI VENEZIA GIULIA  3.40  4.26  5.21  5.69  5.16  6.74  7.69  8.00  8.00  7.54  6.72  6.600564
EMILIA ROMAGNA         2.85  3.19  4.73  5.62  5.23  6.98  8.36  8.31  7.74  6.94  6.53  6.509924
TOSCANA                4.36  5.04  5.77  6.04  6.33  7.79  8.68 10.11  9.18  9.48  8.57  8.693395
UMBRIA                 4.62  4.76  6.58  6.61  6.39  9.47 10.33 11.31 10.42  9.57 10.53  9.937989
MARCHE                 4.11  4.65  6.61  5.66  6.79  9.05 10.95 10.09  9.95 10.61 10.56 10.582017
LAZIO                  6.38  7.47  8.39  9.17  8.73 10.61 11.97 12.50 11.82 11.13 10.66 10.856486
ABRUZZO                6.16  6.62  7.96  8.66  8.57 10.83 11.25 12.55 12.62 12.11 11.72 11.196280
MOLISE                 8.06  9.13  9.00  8.39  9.93 11.97 15.62 15.18 14.33 12.81 14.60 14.147398
CAMPANIA              11.18 12.54 12.92 13.94 15.40 19.24 21.45 21.74 19.80 20.37 20.92 20.594983
PUGLIA                11.09 11.60 12.62 13.47 13.15 15.72 19.74 21.46 19.67 19.41 18.84 19.428518
BASILICATA             9.43 10.99 11.22 12.90 11.89 14.51 15.24 14.73 13.69 13.28 12.81 13.128319
CALABRIA              11.13 12.01 11.31 11.86 12.65 19.36 22.26 23.42 22.93 23.16 21.59 22.073740
SICILIA               12.90 13.69 13.76 14.61 14.26 18.38 20.98 22.17 21.40 22.08 21.49 21.113729
SARDEGNA               9.81 12.18 13.19 14.03 13.54 15.42 17.47 18.63 17.35 17.25 17.01 17.070466

plot(m2[1,])
