# Lese Daten
wilddaten <- read.table("http://www.stablab.stat.uni-muenchen.de/sites/files/wilddaten.txt", 
  header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE)
# JAHR - Zeitvariable (Jahr)
# LAND - Bundesland der Erhebung
# FU - Anzahl der geschossenen Füchse
# HAS - Anzahl der geschossenen Hasen
# LN_FU - logarithmierte Anzahl der geschossenen Füchse
# LN_HAS - logarithmierte Anzahl der geschossenen Hasen
head(wilddaten)
library(lattice)
xyplot(HAS ~ JAHR | LAND, data=wilddaten,type="l")

### setwd("D:/Lehre/GLM_13/Beispiele")
library(stats)
library(nlme)
library(car)
erg1 <- lm(LN_HAS~ LAND + JAHR+ LAND*JAHR + LAND*I(JAHR^2) + lnfu_1,data=wilddaten)
summary(erg1)
### Fit mit autokorrelation 

erg2 <- gls(LN_HAS~ LAND + JAHR+ LAND*JAHR + LAND*I(JAHR^2) + lnfu_1,
    cor=corAR1(form=~1 |LAND),na.action = "na.omit",data=wilddaten)

## Identisches Ergebnis bei gordneten Daten  
erg3 <- gls(LN_HAS~ LAND + JAHR+ LAND*JAHR + LAND*I(JAHR^2) + lnfu_1,
            cor=corAR1(form=~JAHR |LAND),na.action = "na.omit",data=wilddaten)
summary(erg3)