plot(Besok$`Mediannettoinkomst, kr/inv 20+, 2018`,Besok$`BESÖK/kINV 2019`)
plot(Besok$`Tätortsgrad, 2019`,Besok$`BESÖK/kINV 2019`)
plot(Besok$`Andel inv 0-18 år, 2019`, Besok$`BESÖK/kINV 2019`)
plot(Besok$`Andel inv 65+, 2019`, Besok$`BESÖK/kINV 2019`)
plot(Besok$`Andel(%) högutbildade inv. 2018`,Besok$`BESÖK/kINV 2019`)

Besok$Besokperinvånare2019 <- Besok$`total 2019`/Besok$`Befolkning 2019`
Besok$Besokperinvånare2018 <-Besok$`total 2018`/Besok$`Befolkning 2018`

hist(Besok$Besokperinvånare2019)
mean(Besok$Besokperinvånare2019)
var(Besok$Besokperinvånare2019)

hist(Besok$Besokperinvånare2018)
mean(Besok$Besokperinvånare2018)
var(Besok$Besokperinvånare2018)

#Provar lite OLS-regression.

trialols<- lm(Besok$Besokperinvånare2019~ Besok$`Andel inv 0-18 år, 2019`+
                 Besok$`Andel inv 65+, 2019`+Besok$`Medellivslängd kvinnor, 2018`+
                 Besok$`Medellivslängd män, 2018`+ Besok$`Andel (%) med bra självskattat hälsotillstånd, 2018`
               + Besok$`Mediannettoinkomst, kr/inv 20+, 2018`+
                 Besok$`Kommunindelning i tre typer, Namn`)
summary(trialols)

 #Kollar korrelation mellan de kontinuerliga oberoende variablerna.

#Correlation matrix continous variables.
besokcontinuous <- Besok[-c(1,2,3,4,5,7,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30)]
cov(besokcontinuous[,1:9])
cor(besokcontinuous[,1:9])

#PLOT CORRELATIONS AS MATRIX.
#Install necessary packages.
install.packages("corrplot", repos="http://cran.us.r-project.org")
install.packages("corrgram", repos="http://cran.us.r-project.org")

library(corrgram)
library(corrplot)

besokcontinous.matrix <- as.matrix(besokcontinuous)
corrgram(besokcontinous.matrix)
corrplot((corrgram(besokcontinous.matrix)), method="color", type="lower", tl.cex = 0.7, tl.col ="black",
         number.cex = 0.7,
         addCoef.col="black")