# Først skal data renses. Jeg bruger Open Office calc til at åbne og gøre den downloadede csv fil klar til R
# Filen gemmes i mit working directory som "2006_vold.csv"
d <- read.csv2("2006_vold.csv") # fordi danmark bruger komma "," istedet for punktum "." kan vi ikke bruge den almindelige csv funktion i R. Istedet bruger vi csv2 :-)

library(psych) # skal bruges til at lave pairs. panels() - Hvis ikke pakken er installeret skal du gøre det først.

pairs.panels(d[,4:9]) # Inspicere datasæt første gang. Det ser ud til at en log transformation af grundværdier kan betale sig
loggrundv <- log(d$grundv)
d$loggrundv <- loggrundv # tilføjer de nye data til d
pairs.panels(d[,4:10]) # inspicere anden gang- det ser lidt bedre ud, men loggrundværdier vil næppe fungere

attach(d) # tilføjer d til hukommelsen

model <- lm(vold~by_befolkn+alm_bolig+udl_3+socio_indx+loggrundv) # definere den linære model

summary(model) # socioindex er det eneste signifikante. Går nu igang med at fjerne led
# viser ikke her de forskellige modeller
# Kun socioindx er signifikant
model <- lm(vold~socio_indx) # Den endelige model
summary(model) # r2=.22 og p=0.000

png("vold_plot.png") # Opretter et png device der gemmes med navnet vold_plot.png
plot(vold~socio_indx, xlab="Socialt indeks for kommunen", ylab="Antal politianmeldte voldsforbrydelser")
abline(model)
p.værdi <- paste("p = ",signif(summary(model)$coef[2,4],2),sep="") # henter p værdien fra summary$coef anden række og 4 kolonne
text(min(socio_indx),max(vold),labels=p.værdi,adj=0) # så værdien kan printes direkte i grafen
r2.værdi <- paste("R2 = ",signif(summary(model)$r.squared,3)) # Noget lignende for r2
text(min(socio_indx),max(vold)-0.2,labels=r2.værdi,adj=0)
dev.off() # Det første plot er nu gemt som png

png("panel.png") # oprette et andet plot viser blot de binære sammenhænge som vi undersøge først
pairs.panels(d[,4:10])
dev.off() # Det andet plot er nu gemt.