## 1
daten <- read.table("C:\\Dokumente und Einstellungen\\Administrator\\Desktop\\Wolfgang\\Öko\\miete03.dat", header=TRUE)
attach(daten)
names(daten)
summary(lm(nm ~ 1 + wfl + bj))

## 2

## a)

detach(daten)
# Hinweis: Es werden gleich logarithmierte Werte eingelesen, da wir den Test
# für das transformierte Modell durchführen lassen
daten <- log(read.table("C:\\Dokumente und Einstellungen\\Administrator\\Desktop\\Wolfgang\\Öko\\geld.dat", header=TRUE))
attach(daten)
names(daten)

library(lmtest)
resettest(Nachfrage ~ 1 + BSP + Zins, power=2:3, type="fitted")

## b)
detach(daten)
daten <- read.table("C:\\Dokumente und Einstellungen\\Administrator\\Desktop\\Wolfgang\\Öko\\wintersport.dat", header=TRUE)
attach(daten)
names(daten)

library(lmtest)
resettest(Besucherzahl ~ 1 + Liftkapazitaet + Pistenlaenge, power=2:3, type="fitted")

## 3
detach(daten)
daten <- read.table("C:\\Dokumente und Einstellungen\\Administrator\\Desktop\\Wolfgang\\Öko\\wintersport.dat", header=TRUE)
attach(daten)

# Mit dieser Funktion wird die Log-Likelihoodfunktion berechnet.
# Als Parameter erhält sich einen Vektor (x), in dem die Werte für
# sigma^2, beta1, beta2, beta3 und lambda übergeben werden.
ll <- function(x) {
	sigma <- x[1]
	beta1 <- x[2]
	beta2 <- x[3]
	beta3 <- x[4]
	lambda <- x[5]
	# Stichprobenumfang
	n <- length(Besucherzahl)
	value <- -n/2*log(2*pi)-n/2*log(sigma) + (lambda-1)*sum(log(Besucherzahl))-1/2/sigma*sum(((Besucherzahl^lambda-1)/lambda - beta1 - (Liftkapazitaet^lambda-1)/lambda * beta2 - (Pistenlaenge^lambda-1)/lambda * beta3)^2)
	return(value)
}

T <- -2*(ll(c(3.20*10^6,-2020.00,5.25,1100,1))-ll(c(3.20*10^6,-2020.00,5.25,1100,1.02)))
T