Carga de datos
Carga de MIP 1990
options(scipen = 9999)
library(readxl)
library(dplyr)
library(kableExtra)
## CONSUMO INTERMEDIO 1990
MIP1990_ci <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 1990", range = "i14:bb59",
col_names = FALSE)
names(MIP1990_ci)<-as.character(1:46)
#Demanda Final 1990
MIP1990_h <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 1990", range = "bd14:be59",
col_names = FALSE)
names(MIP1990_h)<-as.character(1:2)
#Vector de producción 1990
MIP1990_X <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 1990", range = "bi14:bi59",
col_names = FALSE)
names(MIP1990_X)<-c("X")
# Realizamos agregaciones al sector servicios propuesta en clases
servicios_fila<-colSums(MIP1990_ci[41:46,])
temporal_1990<-rbind(MIP1990_ci[1:40,],servicios_fila)
servicios_colum<-rowSums(temporal_1990[,41:46])
MIP1990_ci_corregida<-cbind(temporal_1990[,1:40],servicios_colum)
names(MIP1990_ci_corregida)<-as.character(1:41)
X_1990<-rbind(MIP1990_X[1:40,],colSums(MIP1990_X[41:46,]))
# Tabla con nombres
tabla_nombres <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "SECTOR", range = "B2:B42",
col_names = FALSE)
names(tabla_nombres)<-c("sector")
Carga de MIP 2006
## CONSUMO INTERMEDIO 2006
MIP2006_ci <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 2006", range = "i15:bb60",
col_names = FALSE)
names(MIP2006_ci)<-as.character(1:46)
#Demanda Final 2006
MIP2006_h <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 2006", range = "bd15:be60",
col_names = FALSE)
names(MIP2006_h)<-as.character(1:2)
#Vector de producción 2006
MIP2006_X <- read_excel("C:/Users/erick/OneDrive/Escritorio/RESPALDO/UES/Ciclo II - 2023/MAE118/tarea_6_RF21001/MIP1990-2006.xls",
sheet = "MIP 2006", range = "bi15:bi60",
col_names = FALSE)
names(MIP2006_X)<-c("X")
# Realizamos agregaciones al sector servicios propuesta en clases
servicios_row<-colSums(MIP2006_ci[41:46,])
temporal<-rbind(MIP2006_ci[1:40,],servicios_row)
servicios_col<-rowSums(temporal[,41:46])
MIP2006_ci_corregida<-cbind(temporal[,1:40],servicios_col)
names(MIP2006_ci_corregida)<-as.character(1:41)
X_2006<-rbind(MIP2006_X[1:40,],colSums(MIP2006_X[41:46,]))
Carga de funciones MIP
#Matriz de coeficientes técnicos
MIP_coeficientes_tecnicos<-function(matriz_consumo_intermedio,
vector_demanda_final){
filas_ci<-nrow(matriz_consumo_intermedio)
columnas_ci<-ncol(matriz_consumo_intermedio)
filas_x<-nrow(vector_demanda_final)
if(filas_ci!=columnas_ci){
stop("Ingrese una matriz de Consumo Intermedio, Cuadrada",call. = FALSE)
}
if(filas_ci!=filas_x){
stop("Vector de demanda final incompatible (diferente dimensión)",call. = FALSE)
}
v<-solve(diag(as.vector(vector_demanda_final)))
A<-matriz_consumo_intermedio%*%v
list(A=A,V=v)
}
#matriz tecnológica
MIP_matriz_tecnologica<-function(matriz_coeficientes_tecnicos){
filas_A<-nrow(matriz_coeficientes_tecnicos)
columnas_A<-ncol(matriz_coeficientes_tecnicos)
if(filas_A!=columnas_A){
stop("Ingrese una matriz de coeficientes tecnicos cuadrada",call. = FALSE)
}
tipo_matriz<-typeof(matriz_coeficientes_tecnicos)
if(tipo_matriz!="double"){
stop("La matriz ingresada no es numerica",call. = FALSE)
}
T<-diag(1,filas_A)-matriz_coeficientes_tecnicos
T
}
#Matriz Leontief
MIP_matriz_leontief<-function(matriz_tecnologica){
L<-solve(matriz_tecnologica)
L
}
# mp
MIP_multiplicadores_produccion_mp<-function(matriz_leontief){
mp<-rowSums(matriz_leontief)
mp
}
#me
MIP_multiplicadores_expansion_demanda_me<-function(matriz_leontief){
me<-colSums(matriz_leontief)
me
}
#pd
MIP_encadenamiento_pd<-function(matriz_leontief){
mp<-MIP_multiplicadores_produccion_mp(matriz_leontief)
mp/mean(mp)
}
#sd
MIP_encadenamiento_sd<-function(matriz_leontief){
me<-MIP_multiplicadores_expansion_demanda_me(matriz_leontief)
me/mean(me)
}
#tabla
MIP_tabla_rasmussen<-function(matriz_leontief){
library(dplyr)
pd<-MIP_encadenamiento_pd(matriz_leontief)
sd<-MIP_encadenamiento_sd(matriz_leontief)
rasmussen<-data.frame(pd=pd,sd=sd)
rasmussen_clasificado<-rasmussen %>%
mutate(clasificacion=case_when(pd>1 & sd>1 ~ "Sector Clave",
pd<1 & sd>1 ~"Sector Estrategico",
pd>1 & sd<1 ~"Sector Impulsor",
pd<1 & sd<1 ~"Sector Isla",
TRUE ~ "No clasificado")) %>% mutate(sector=row_number()) %>% select(sector,pd,sd,clasificacion)
rasmussen_clasificado
}
1. Cálculo de multiplicadores y tasa de cambio
Indicación: Realice el cálculo de lo siguiente (de ser necesario haga
las agregaciones de servicios propuestas en la clase):
- Multiplicadores de Expansión de la demanda (me) para la MIP 1990 y
para la MIP 2006.
- Multiplicadores de la producción (mp) para la MIP 1990 y para la MIP
2006.
- Tasa de cambio para ambos multiplicadores (por ejemplo, para me:
me2006/me1990-1).
- Presente los resultados en una tabla que incluya los nombres para
todos los sectores.
Multiplicadores de Expansión (me) 1990 y 2006.
- Multiplicador de expansión para 1990
# Cálculo de datos 1990
A_1990<-MIP_coeficientes_tecnicos(as.matrix(MIP1990_ci_corregida),as.matrix(X_1990))[[1]]
matriz_T_1990<-MIP_matriz_tecnologica(matriz_coeficientes_tecnicos = A_1990)
L_1990<-MIP_matriz_leontief(matriz_tecnologica = matriz_T_1990)
# Utilizamos función de multuplicador de expansión (me)
me_1990<-MIP_multiplicadores_expansion_demanda_me(matriz_leontief = L_1990)
print(me_1990)
## [1] 1.255178 1.267747 1.261599 1.568111 1.124569 1.445002 1.768326
## [8] 1.029765 1.383834 1.047445 1.834384 1.788561 1.059243 1.799649
## [15] 1.840519 1.553178 1.365915 1.384794 1.505731 1.642505 1.578688
## [22] 1.361625 1.665210 1.447935 1.327641 1.408787 1.395278 1.459492
## [29] 2.366807 1.299373 1.109323 1.451591 1.392119 1.826914 37.440804
## [36] 1.636206 1.517817 1.258089 1.353294 1.170121 1.301949
- Multiplicador de expansión para 2006
# Cálculo de datos 2006
A_2006<-MIP_coeficientes_tecnicos(as.matrix(MIP2006_ci_corregida),as.matrix(X_2006))[[1]]
matriz_T_2006<-MIP_matriz_tecnologica(matriz_coeficientes_tecnicos = A_2006)
L_2006<-MIP_matriz_leontief(matriz_tecnologica = matriz_T_2006)
# Utilizamos función de multuplicador de expansión (me)
me_2006<-MIP_multiplicadores_expansion_demanda_me(matriz_leontief = L_2006)
print(me_2006)
## [1] 1.297922 1.020215 1.234962 1.847889 1.083978 1.400624 1.685844
## [8] 1.026941 1.499664 1.071302 1.401085 1.471804 1.040887 1.526300
## [15] 1.941532 1.344572 1.277062 1.000000 1.301245 1.371596 1.395160
## [22] 1.176944 1.433429 1.363739 1.212840 1.240559 1.276547 1.496298
## [29] 1.990601 1.109025 1.088510 1.588449 2.124461 1.674974 23.762309
## [36] 1.299292 1.397290 1.684696 1.236529 1.171619 1.360409
Multiplicadores de la producción (mp) 1990 y 2006.
- Multiplicador de la producción 1990
mp_1990<-MIP_multiplicadores_produccion_mp(L_1990)
print(mp_1990)
## [1] 1.105885 1.191285 1.750077 1.511243 1.389578 2.181171 1.119400
## [8] 1.246299 1.083152 3.671425 1.223539 1.133089 1.006271 1.592563
## [15] 1.194635 2.224389 1.253500 1.015813 1.928648 1.030379 1.189543
## [22] 1.146679 2.696695 2.739024 3.150917 6.985378 2.603476 1.606020
## [29] 2.197902 1.495203 2.066329 2.185642 1.177725 1.239212 1.067583
## [36] 1.291981 13.816987 2.262777 3.717322 7.533336 3.673047
- Multiplicador de la producción 2006
mp_2006<-MIP_multiplicadores_produccion_mp(L_2006)
print(mp_2006)
## [1] 1.013829 1.052815 1.474348 1.301361 1.244981 1.623459 1.060766
## [8] 1.196731 1.359658 2.568025 1.150131 1.077882 1.002044 1.355794
## [15] 1.054278 1.918127 1.134142 1.000527 1.470996 1.018324 1.129994
## [22] 1.107301 2.018467 1.888203 2.150340 6.346229 1.563541 1.509519
## [29] 1.791534 1.250410 1.532295 2.797425 1.081905 1.187016 1.062057
## [36] 1.197085 10.302597 1.590620 1.766302 6.502581 3.075466
Tasa de cambio para ambos multiplicadores.
tabla <- data.frame(me_1990=me_1990,
me_2006=me_2006,
mp_1990=mp_1990,
mp_2006=mp_2006) %>%
mutate(tc_me=round((me_2006/me_1990-1)*100,2),
tc_mp=round((mp_2006/mp_1990-1)*100,2)) %>%
select(me_1990,me_2006,tc_me,mp_1990,mp_2006,tc_mp) %>%
print()
## me_1990 me_2006 tc_me mp_1990 mp_2006 tc_mp
## 1 1.255178 1.297922 3.41 1.105885 1.013829 -8.32
## 2 1.267747 1.020215 -19.53 1.191285 1.052815 -11.62
## 3 1.261599 1.234962 -2.11 1.750077 1.474348 -15.76
## 4 1.568111 1.847889 17.84 1.511243 1.301361 -13.89
## 5 1.124569 1.083978 -3.61 1.389578 1.244981 -10.41
## 6 1.445002 1.400624 -3.07 2.181171 1.623459 -25.57
## 7 1.768326 1.685844 -4.66 1.119400 1.060766 -5.24
## 8 1.029765 1.026941 -0.27 1.246299 1.196731 -3.98
## 9 1.383834 1.499664 8.37 1.083152 1.359658 25.53
## 10 1.047445 1.071302 2.28 3.671425 2.568025 -30.05
## 11 1.834384 1.401085 -23.62 1.223539 1.150131 -6.00
## 12 1.788561 1.471804 -17.71 1.133089 1.077882 -4.87
## 13 1.059243 1.040887 -1.73 1.006271 1.002044 -0.42
## 14 1.799649 1.526300 -15.19 1.592563 1.355794 -14.87
## 15 1.840519 1.941532 5.49 1.194635 1.054278 -11.75
## 16 1.553178 1.344572 -13.43 2.224389 1.918127 -13.77
## 17 1.365915 1.277062 -6.51 1.253500 1.134142 -9.52
## 18 1.384794 1.000000 -27.79 1.015813 1.000527 -1.50
## 19 1.505731 1.301245 -13.58 1.928648 1.470996 -23.73
## 20 1.642505 1.371596 -16.49 1.030379 1.018324 -1.17
## 21 1.578688 1.395160 -11.63 1.189543 1.129994 -5.01
## 22 1.361625 1.176944 -13.56 1.146679 1.107301 -3.43
## 23 1.665210 1.433429 -13.92 2.696695 2.018467 -25.15
## 24 1.447935 1.363739 -5.81 2.739024 1.888203 -31.06
## 25 1.327641 1.212840 -8.65 3.150917 2.150340 -31.76
## 26 1.408787 1.240559 -11.94 6.985378 6.346229 -9.15
## 27 1.395278 1.276547 -8.51 2.603476 1.563541 -39.94
## 28 1.459492 1.496298 2.52 1.606020 1.509519 -6.01
## 29 2.366807 1.990601 -15.90 2.197902 1.791534 -18.49
## 30 1.299373 1.109025 -14.65 1.495203 1.250410 -16.37
## 31 1.109323 1.088510 -1.88 2.066329 1.532295 -25.84
## 32 1.451591 1.588449 9.43 2.185642 2.797425 27.99
## 33 1.392119 2.124461 52.61 1.177725 1.081905 -8.14
## 34 1.826914 1.674974 -8.32 1.239212 1.187016 -4.21
## 35 37.440804 23.762309 -36.53 1.067583 1.062057 -0.52
## 36 1.636206 1.299292 -20.59 1.291981 1.197085 -7.34
## 37 1.517817 1.397290 -7.94 13.816987 10.302597 -25.44
## 38 1.258089 1.684696 33.91 2.262777 1.590620 -29.70
## 39 1.353294 1.236529 -8.63 3.717322 1.766302 -52.48
## 40 1.170121 1.171619 0.13 7.533336 6.502581 -13.68
## 41 1.301949 1.360409 4.49 3.673047 3.075466 -16.27
Presentación de resultados por sectores
tabla %>%
cbind(tabla_nombres) %>%
select(everything(), sector) %>%
kable(caption="Tasa de cambio de los multiplicadores(me y mp) MIP 1990 y 2006",
align = "c",
digits = 2) %>%
kable_material(html_font = "sans-serif") %>%
kable_styling(bootstrap_options = c("striped", "hover"))
Tasa de cambio de los multiplicadores(me y mp) MIP 1990 y 2006
|
me_1990
|
me_2006
|
tc_me
|
mp_1990
|
mp_2006
|
tc_mp
|
sector
|
|
1.26
|
1.30
|
3.41
|
1.11
|
1.01
|
-8.32
|
- CAFE ORO
|
|
1.27
|
1.02
|
-19.53
|
1.19
|
1.05
|
-11.62
|
- ALGODON
|
|
1.26
|
1.23
|
-2.11
|
1.75
|
1.47
|
-15.76
|
- GRANOS BASICOS
|
|
1.57
|
1.85
|
17.84
|
1.51
|
1.30
|
-13.89
|
- CAÑA DE AZUCAR
|
|
1.12
|
1.08
|
-3.61
|
1.39
|
1.24
|
-10.41
|
- OTRAS PRODUCCIONES AGRICOLAS
|
|
1.45
|
1.40
|
-3.07
|
2.18
|
1.62
|
-25.57
|
- GANADERIA
|
|
1.77
|
1.69
|
-4.66
|
1.12
|
1.06
|
-5.24
|
- AVICULTURA
|
|
1.03
|
1.03
|
-0.27
|
1.25
|
1.20
|
-3.98
|
- SILVICULTURA
|
|
1.38
|
1.50
|
8.37
|
1.08
|
1.36
|
25.53
|
- PROD. DE LA CAZA Y LA PESCA
|
|
1.05
|
1.07
|
2.28
|
3.67
|
2.57
|
-30.05
|
- PROD. DE LA MINERIA
|
|
1.83
|
1.40
|
-23.62
|
1.22
|
1.15
|
-6.00
|
- CARNE Y SUS PRODUCTOS
|
|
1.79
|
1.47
|
-17.71
|
1.13
|
1.08
|
-4.87
|
- PRODUCTOS LACTEOS
|
|
1.06
|
1.04
|
-1.73
|
1.01
|
1.00
|
-0.42
|
- PROD. ELABORADOS DE LA PESCA
|
|
1.80
|
1.53
|
-15.19
|
1.59
|
1.36
|
-14.87
|
- PROD. DE MOLINERIA Y PANADERIA
|
|
1.84
|
1.94
|
5.49
|
1.19
|
1.05
|
-11.75
|
- AZUCAR
|
|
1.55
|
1.34
|
-13.43
|
2.22
|
1.92
|
-13.77
|
- OTROS PROD. ALIM. ELABORADOS
|
|
1.37
|
1.28
|
-6.51
|
1.25
|
1.13
|
-9.52
|
- BEBIDAS
|
|
1.38
|
1.00
|
-27.79
|
1.02
|
1.00
|
-1.50
|
- TABACO ELABORADO
|
|
1.51
|
1.30
|
-13.58
|
1.93
|
1.47
|
-23.73
|
- TEXTILES Y ART. CONFEC. DE MAT. TEXT.
|
|
1.64
|
1.37
|
-16.49
|
1.03
|
1.02
|
-1.17
|
- PRENDAS DE VESTIR
|
|
1.58
|
1.40
|
-11.63
|
1.19
|
1.13
|
-5.01
|
- CUERO Y SUS PRODUCTOS
|
|
1.36
|
1.18
|
-13.56
|
1.15
|
1.11
|
-3.43
|
- MADERA Y SUS PRODUCTOS
|
|
1.67
|
1.43
|
-13.92
|
2.70
|
2.02
|
-25.15
|
- PAPEL, CARTON Y SUS PRODUCTOS
|
|
1.45
|
1.36
|
-5.81
|
2.74
|
1.89
|
-31.06
|
- PROD. DE LA IMPRENTA Y DE IND. CONEX.
|
|
1.33
|
1.21
|
-8.65
|
3.15
|
2.15
|
-31.76
|
- QUIMICA DE BASE Y ELABORADOS
|
|
1.41
|
1.24
|
-11.94
|
6.99
|
6.35
|
-9.15
|
- PROD. DE LA REFINACION DE PETROLEO
|
|
1.40
|
1.28
|
-8.51
|
2.60
|
1.56
|
-39.94
|
- PROD. DE CAUCHO Y PLASTICO
|
|
1.46
|
1.50
|
2.52
|
1.61
|
1.51
|
-6.01
|
- PROD. MINERALESS NO METALICOS ELAB.
|
|
2.37
|
1.99
|
-15.90
|
2.20
|
1.79
|
-18.49
|
- PROD. METALICOS DE BASE Y ELAB.
|
|
1.30
|
1.11
|
-14.65
|
1.50
|
1.25
|
-16.37
|
- MAQUINARIA, EQUIPOS Y SUMINISTROS
|
|
1.11
|
1.09
|
-1.88
|
2.07
|
1.53
|
-25.84
|
- MATERIAL DE TRANSP. Y MANUF. DIVERSAS
|
|
1.45
|
1.59
|
9.43
|
2.19
|
2.80
|
27.99
|
- ELECTRICIDAD
|
|
1.39
|
2.12
|
52.61
|
1.18
|
1.08
|
-8.14
|
- AGUA Y ALCANTARILLADOS
|
|
1.83
|
1.67
|
-8.32
|
1.24
|
1.19
|
-4.21
|
- CONSTRUCCION
|
|
37.44
|
23.76
|
-36.53
|
1.07
|
1.06
|
-0.52
|
- COMERCIO
|
|
1.64
|
1.30
|
-20.59
|
1.29
|
1.20
|
-7.34
|
- RESTAURANTES Y HOTELES
|
|
1.52
|
1.40
|
-7.94
|
13.82
|
10.30
|
-25.44
|
- TRANSP. Y ALMACENAMIENTO
|
|
1.26
|
1.68
|
33.91
|
2.26
|
1.59
|
-29.70
|
- COMUNICACIONES
|
|
1.35
|
1.24
|
-8.63
|
3.72
|
1.77
|
-52.48
|
- BANCOS, SEGUROS, OTRAS INST. FINANC.
|
|
1.17
|
1.17
|
0.13
|
7.53
|
6.50
|
-13.68
|
- BIENES INMUEBLES Y SERV. PRESTADOS
|
|
1.30
|
1.36
|
4.49
|
3.67
|
3.08
|
-16.27
|
- SERVICIOS
|
2. Análisis de
Rasmussen 1990 y 2006
Análisis de Rasmussen para MIP 1990.
rasmussen_1990<-MIP_tabla_rasmussen(L_1990)
summary_rasmussen_1990 <- rasmussen_1990 %>%
group_by(clasificacion) %>% summarise(total=n()) %>% mutate(porcentaje=round(prop.table(total)*100,2))
summary_rasmussen_1990 %>%
kable(aption="Análisis de Rasmussen para MIP 1990",
align = "c",
digits = 2) %>%
kable_material(html_font = "sans-serif") %>%
kable_styling(bootstrap_options = c("striped", "hover"))
|
clasificacion
|
total
|
porcentaje
|
|
Sector Estrategico
|
2
|
4.88
|
|
Sector Impulsor
|
10
|
24.39
|
|
Sector Isla
|
29
|
70.73
|
Análisis de Rasmussen para MIP 2006.
rasmussen_2006<-MIP_tabla_rasmussen(L_2006)
summary_rasmussen_2006 <- rasmussen_2006 %>%
group_by(clasificacion) %>% summarise(total=n()) %>% mutate(porcentaje=round(prop.table(total)*100,2))
summary_rasmussen_2006 %>%
kable(aption="Análisis de Rasmussen para MIP 2006",
align = "c",
digits = 2) %>%
kable_material(html_font = "sans-serif") %>%
kable_styling(bootstrap_options = c("striped", "hover"))
|
clasificacion
|
total
|
porcentaje
|
|
Sector Estrategico
|
4
|
9.76
|
|
Sector Impulsor
|
8
|
19.51
|
|
Sector Isla
|
29
|
70.73
|
3. Tabla comparativa por tipo de sector.
tabla_comparativa<-left_join(summary_rasmussen_1990, summary_rasmussen_2006, by="clasificacion", suffix=c("_1990","_2006"))
tabla_comparativa %>%
mutate(TC_porcentual= round((porcentaje_2006/porcentaje_1990-1)*100,2)) %>%
kable(caption="Tabla comparativa",
align = "c",
digits = 2) %>%
kable_material(html_font = "sans-serif") %>%
kable_styling(bootstrap_options = c("striped", "hover"))
Tabla comparativa
|
clasificacion
|
total_1990
|
porcentaje_1990
|
total_2006
|
porcentaje_2006
|
TC_porcentual
|
|
Sector Estrategico
|
2
|
4.88
|
4
|
9.76
|
100.00
|
|
Sector Impulsor
|
10
|
24.39
|
8
|
19.51
|
-20.01
|
|
Sector Isla
|
29
|
70.73
|
29
|
70.73
|
0.00
|