LP16016_P2

Universidad de El Salvador
Faculdad de ciencias económicas
escuela de economía

<>

Metodos para el analisis económico
Docente: Carlos Ademir Perez Alas
Grupo teorico: “02”
Segundo examen parcial
Nombre: Elias Amilcar Lemus Perez

Desarrollo

Ejercicio 1

Informacion estandarizada de los paises

1 Agregue informacion estandarizada de los paises

options (scipen = 999) #para mostrar todos los decimales :)
library(dplyr)
library(readxl)
#Datos
load("C:/Users/pc/Downloads/data_comercio_exterior.RData")

#Pegar nombres paises
nombre_archivo <-"C:/Users/pc/Downloads/master_paises_iso.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)
data_comercio_exterior %>%
  left_join(nombres_iso_paises,
            by = c("pais" = "nom_pais_esp")) -> data_comercio_exterior

Ejercicio_2

## 2 funcion personalizada
anios_ranking<-2018
data_comercio_exterior %>% 
  filter(anio %in% anios_ranking) ->data_ranking

Ejercicio3

genere para el año 2018 top 5 socios comerciales

data_ranking %>% 
  group_by(anio, iso_3) %>% 
  summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>% 
  slice_max(n = 5,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte

library(tidyr)
insumo_reporte %>% 
pivot_wider(names_from = rank,values_from = data)->mi_tabla

library(kableExtra)
mi_tabla %>%
  kable(caption = "Top 5 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones
totales",
        align = "c") %>%
  add_footnote(label = "Fuente: Elaboración propia, con base en información del BCR",
               notation = "symbol") %>%  kable_styling()
Top 5 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones totales
anio 1 2 3 4 5
2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
* Fuente: Elaboración propia, con base en información del BCR

top 10 socios comerciales

data_ranking %>% 
  group_by(anio, iso_3) %>% 
  summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>% 
  slice_max(n = 10,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte

library(tidyr)
insumo_reporte %>% 
pivot_wider(names_from = rank,values_from = data)->mi_tabla

library(kableExtra)
mi_tabla %>%
  kable(caption = "Top 10 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones
totales",
        align = "c") %>%
  add_footnote(label = "Fuente: Elaboración propia, con base en información del BCR",
               notation = "symbol") %>%  kable_styling()
Top 10 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones totales
anio 1 2 3 4 5 6 7 8 9 10
2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39 MEX|2.44 PAN|2.08 DOM|1.65 CHN|1.45 ESP|0.82
* Fuente: Elaboración propia, con base en información del BCR

top 20 socios comerciales

data_ranking %>% 
  group_by(anio, iso_3) %>% 
  summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>% 
  slice_max(n = 20,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte

library(tidyr)
insumo_reporte %>% 
pivot_wider(names_from = rank,values_from = data)->mi_tabla

library(kableExtra)
mi_tabla %>%
  kable(caption = "Top 20 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones
totales",
        align = "c") %>%
  add_footnote(label = "Fuente: Elaboración propia, con base en información del BCR",
               notation = "symbol") %>%  kable_styling()
Top 20 Socios comerciales, periodo 2018, datos en porcentaje de las exportaciones totales
anio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39 MEX|2.44 PAN|2.08 DOM|1.65 CHN|1.45 ESP|0.82 ITA|0.55 TWN|0.49 GBR|0.4 PRI|0.38 BLZ|0.37 CAN|0.36 DEU|0.35 NLD|0.34 CUB|0.28 JAM|0.28
* Fuente: Elaboración propia, con base en información del BCR

Ejercicio 4

Utilizando la matriz insumo producto

Carga de datos para el año 1995

Matriz insumo producto Consumo Intermedio 1995

library(readxl)
options(scipen = 99999)
# matriz insumo producto Consumo Intermedio 1990
mip1995_ci <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1995", range = "i17:bb62", 
    col_names = FALSE)
names(mip1995_ci)<-as.character(1:46)
print(mip1995_ci)
## # A tibble: 46 × 46
##       `1`   `2`     `3`    `4`     `5`    `6`      `7`   `8`    `9`  `10`   `11`
##     <dbl> <dbl>   <dbl>  <dbl>   <dbl>  <dbl>    <dbl> <dbl>  <dbl> <dbl>  <dbl>
##  1 211.       0     0      0      0       0       0      0   0         0  0     
##  2   0        0     0      0      0       0       0      0   0         0  0     
##  3   0        0  8500.     0      0    3482.  14633.     0   0         0  1.03e0
##  4   0        0     0   2407.     0       0       0      0   0         0  0     
##  5   0        0 18876.   559.  3910.      0       0      0   0         0  8.11e0
##  6   0        0     0      0      0    6111.     10.7    0   0         0  7.56e4
##  7   0        0     0      0      0       0   11055.     0   1.27e1    0  4.30e3
##  8 764.       0  1360.   159.   277.     39.4     0     23.5 0         0  1.54e2
##  9   0        0     0      0      0       0       0      0   3.93e3    0  0     
## 10   1.03     0    36.1   24.2    7.31  864.      1.83   0   2.06e0 7415. 1.94e0
## # ℹ 36 more rows
## # ℹ 35 more variables: `12` <dbl>, `13` <dbl>, `14` <dbl>, `15` <dbl>,
## #   `16` <dbl>, `17` <dbl>, `18` <dbl>, `19` <dbl>, `20` <dbl>, `21` <dbl>,
## #   `22` <dbl>, `23` <dbl>, `24` <dbl>, `25` <dbl>, `26` <dbl>, `27` <dbl>,
## #   `28` <dbl>, `29` <dbl>, `30` <dbl>, `31` <dbl>, `32` <dbl>, `33` <dbl>,
## #   `34` <dbl>, `35` <dbl>, `36` <dbl>, `37` <dbl>, `38` <dbl>, `39` <dbl>,
## #   `40` <dbl>, `41` <dbl>, `42` <dbl>, `43` <dbl>, `44` <dbl>, `45` <dbl>, …
matriz de Demanda Final 1995
# matriz de Demanda Final 1995

mip1990_h <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1995", range = "bd17:be62", 
    col_names = FALSE)
names(mip1990_h)<-as.character(1:2)
print(mip1990_h)
## # A tibble: 46 × 2
##        `1`   `2`
##      <dbl> <dbl>
##  1      0      0
##  2      0      0
##  3 251308.     0
##  4      0      0
##  5 346666.     0
##  6  32050.     0
##  7 291282.     0
##  8  68971.     0
##  9  24180.     0
## 10   7974.     0
## # ℹ 36 more rows
matriz insumo producto Vector de Produccion 1995
# matriz insumo producto Vector de Produccion 1995
mip1995_x <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1995", range = "bi17:bi62", 
    col_names = FALSE)
names(mip1995_x)<-c("X_1995")
print(mip1995_x)
## # A tibble: 46 × 1
##     X_1995
##      <dbl>
##  1 456138.
##  2  39548.
##  3 460720.
##  4  63798.
##  5 431016.
##  6 211017.
##  7 327347.
##  8 110151.
##  9  69869.
## 10 194135.
## # ℹ 36 more rows
Agregando servicios para 1990
servicios_row_1995<-colSums(mip1995_ci[41:46,])
temporal_1995<-rbind(mip1995_ci[1:40,],servicios_row_1995)
servicios_col_1995<-rowSums(temporal_1995[,41:46])

# Matriz insumo producto consumo intermedio corregida 1995

mip1995_ci_corregida<-cbind(temporal_1995[,1:40],servicios_col_1995)
names(mip1995_ci_corregida)<-as.character(1:41)
X_1995<-rbind(mip1995_x[1:40,],colSums(mip1995_x[41:46,]))

Carga de datos para el año 1998

cargando matriz insumo producto de consumo intermedio 1998
# cargando librrerias
library(readxl)
library(dplyr)

# Consumo Intermedio
mip1998_ci <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1998", range = "i16:bb61", 
    col_names = FALSE)
names(mip1998_ci)<-as.character(1:46)
print(mip1998_ci)
## # A tibble: 46 × 46
##      `1`   `2`    `3`    `4`     `5`    `6`      `7`   `8`     `9`  `10`    `11`
##    <dbl> <dbl>  <dbl>  <dbl>   <dbl>  <dbl>    <dbl> <dbl>   <dbl> <dbl>   <dbl>
##  1 238.      0     0     0      0       0       0      0      0       0   0     
##  2   0       0     0     0      0       0       0      0      0       0   0     
##  3   0       0  8151.    0      0    4305.  18159.     0      0       0   1.03e0
##  4   0       0     0  3467.     0       0       0      0      0       0   0     
##  5   0       0 24636  1277.  6395.      0       0      0      0       0   1.11e1
##  6   0       0     0     0      0    7018.     12.3    0      0       0   7.14e4
##  7   0       0     0     0      0       0   11815.     0     11.1     0   3.80e3
##  8 714.      0  1340.  274.   342.     50.1     0     27.5    0       0   1.63e2
##  9   0       0     0     0      0       0       0      0   4746.      0   0     
## 10   0.8     0    32    37.5    8.11  987.      2.06   0      1.94 9305.  1.83e0
## # ℹ 36 more rows
## # ℹ 35 more variables: `12` <dbl>, `13` <dbl>, `14` <dbl>, `15` <dbl>,
## #   `16` <dbl>, `17` <dbl>, `18` <dbl>, `19` <dbl>, `20` <dbl>, `21` <dbl>,
## #   `22` <dbl>, `23` <dbl>, `24` <dbl>, `25` <dbl>, `26` <dbl>, `27` <dbl>,
## #   `28` <dbl>, `29` <dbl>, `30` <dbl>, `31` <dbl>, `32` <dbl>, `33` <dbl>,
## #   `34` <dbl>, `35` <dbl>, `36` <dbl>, `37` <dbl>, `38` <dbl>, `39` <dbl>,
## #   `40` <dbl>, `41` <dbl>, `42` <dbl>, `43` <dbl>, `44` <dbl>, `45` <dbl>, …
Matriz_demanda_final_ 1998
# Matriz_demanda_final_ 1998
mip1998_h <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1998", range = "bd16:be61", 
    col_names = FALSE)
names(mip1998_h)<-as.character(1:2)
print(mip1998_h)
## # A tibble: 46 × 2
##        `1`   `2`
##      <dbl> <dbl>
##  1      0      0
##  2      0      0
##  3 262450.     0
##  4      0      0
##  5 591593.     0
##  6  40845.     0
##  7 322274.     0
##  8  80911.     0
##  9  26042.     0
## 10  11539.     0
## # ℹ 36 more rows
Vector de Produccion 1998
# Vector de Produccion
library(readxl)
mip1998_x <- read_excel("C:/Users/pc/Downloads/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xlsx", 
    sheet = "MIP 1998", range = "bi16:bi61", 
    col_names = FALSE)
names(mip1998_x)<-c("X_1998")
print(mip1998_x)
## # A tibble: 46 × 1
##     X_1998
##      <dbl>
##  1 376436.
##  2  55822.
##  3 491525.
##  4  91230.
##  5 704834.
##  6 248197.
##  7 367954.
##  8 132972.
##  9  84704 
## 10 181822.
## # ℹ 36 more rows
Agregación de servicios 1998
# Cargando libreria
library(dplyr)

# agregando fila Servicios

servicios_row_1998<-colSums(mip1998_ci[41:46,])
temporal_1998<-rbind(mip1998_ci[1:40,],servicios_row_1998)
servicios_col_1998<-rowSums(temporal_1998[,41:46])
# Matriz insumo producto corregida de consumo intermedio

mip1998_ci_corregida<-cbind(temporal_1998[,1:40],servicios_col_1998)
names(mip1998_ci_corregida)<-as.character(1:41)
X_1998<-rbind(mip1998_x[1:40,],colSums(mip1998_x[41:46,]))

Creacion de funciones

#Matriz de coeficientes tecnicos
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 coef. técnicos 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
}
mip_matriz_leontief<-function(matriz_tecnologica){
  L<-solve(matriz_tecnologica)
  L
}
mip_multiplicadores_produccion_mp<-function(matriz_leontief){
  mp<-rowSums(matriz_leontief)
  mp
}
mip_multiplicadores_expansion_demanda_me<-function(matriz_leontief){
  me<-colSums(matriz_leontief)
  me
}
mip_encadenamiento_pd<-function(matriz_leontief){
  mp<-mip_multiplicadores_produccion_mp(matriz_leontief)
  mp/mean(mp)
}
mip_encadenamiento_sd<-function(matriz_leontief){
  me<-mip_multiplicadores_expansion_demanda_me(matriz_leontief)
  me/mean(me)
}
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
}
Multiplicadores de expansión de la demanda para 1995
A_1995<-mip_coeficientes_tecnicos(as.matrix(mip1995_ci_corregida),as.matrix(X_1995))[[1]]
matriz_T_1995<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A_1995)
L_1995<-mip_matriz_leontief(matriz_tecnologica = matriz_T_1995)
me_1995<-mip_multiplicadores_expansion_demanda_me(matriz_leontief = L_1995)
me_1995
##  [1]  1.174881  1.000000  1.279780  1.610474  1.125318  1.430712  1.732209
##  [8]  1.026378  1.406038  1.105203  1.569695  1.598020  1.080594  1.635061
## [15]  2.021066  1.450468  1.306450  1.347975  1.445000  1.482779  1.538558
## [22]  1.246127  1.535194  1.347897  1.319117  1.324369  1.375582  1.442968
## [29]  2.223346  1.163823  1.078626  1.756472  1.896176  1.724374 33.775730
## [36]  1.453569  1.451006  1.219451  1.436149  1.159562  1.355842
Multiplicadores de expansión de la demanda para 1998
A_1998<-mip_coeficientes_tecnicos(as.matrix(mip1998_ci_corregida),as.matrix(X_1998))[[1]]
matriz_T_1998<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A_1998)
L_1998<-mip_matriz_leontief(matriz_tecnologica = matriz_T_1998)
me_1998<-mip_multiplicadores_expansion_demanda_me(matriz_leontief = L_1998)
me_1998
##  [1]  1.163560  1.000000  1.235315  1.654612  1.076480  1.421662  1.767519
##  [8]  1.023094  1.293722  1.133103  1.506400  1.558025  1.075972  1.568165
## [15]  1.927873  1.415563  1.293558  1.000000  1.441069  1.451350  1.464644
## [22]  1.193037  1.521198  1.351487  1.309518  1.207704  1.341533  1.426888
## [29]  2.134209  1.165678  1.094435  1.412296  1.852947  1.692088 26.146909
## [36]  1.343593  1.323488  1.288188  1.338750  1.159832  1.333045
Multiplicadores de la produccion para 1995
A_1995<-mip_coeficientes_tecnicos(as.matrix(mip1995_ci_corregida),as.matrix(X_1995))[[1]]
matriz_T_1995<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A_1995)
L_1995<-mip_matriz_leontief(matriz_tecnologica = matriz_T_1995)
mp_1995<-mip_multiplicadores_produccion_mp(matriz_leontief = L_1995)
mp_1995
##  [1]  1.118661  1.107109  1.587977  1.446750  1.297035  1.839677  1.088410
##  [8]  1.230048  1.114725  2.714807  1.238416  1.103028  1.004273  1.486567
## [15]  1.094698  2.190122  1.175911  1.009363  1.710580  1.025029  1.186107
## [22]  1.123031  2.481373  2.710225  2.693159  5.679014  2.029548  1.658944
## [29]  1.963075  1.493537  1.784600  3.504134  1.173028  1.269498  1.063901
## [36]  1.287934 12.037402  1.927506  1.859045  9.337336  4.806458
Multiplicadores de producción para 1998
A_1998<-mip_coeficientes_tecnicos(as.matrix(mip1998_ci_corregida),as.matrix(X_1998))[[1]]
matriz_T_1998<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A_1998)
L_1998<-mip_matriz_leontief(matriz_tecnologica = matriz_T_1998)
mp_1998<-mip_multiplicadores_produccion_mp(matriz_leontief = L_1998)
mp_1998
##  [1]  1.075901  1.113375  1.529211  1.411734  1.271164  1.755904  1.074096
##  [8]  1.218291  1.115964  1.820622  1.183829  1.092729  1.003220  1.447632
## [15]  1.089413  2.157865  1.136146  1.001002  1.631475  1.024029  1.176032
## [22]  1.110938  2.129130  2.164672  2.339512  3.771862  1.749232  1.581879
## [29]  1.861241  1.313502  1.557490  3.104765  1.134158  1.199583  1.067833
## [36]  1.224143 10.672263  1.733551  1.740267  8.544821  3.778038
Tasa de cambio para multiplicador me
tasa_cambio_me<-me_1998/me_1995-1
tasa_cambio_me
##  [1] -0.0096356637  0.0000000000 -0.0347435606  0.0274068481 -0.0433997619
##  [6] -0.0063253442  0.0203847920 -0.0031995245 -0.0798806752  0.0252450080
## [11] -0.0403234208 -0.0250276205 -0.0042766814 -0.0409138039 -0.0461109842
## [16] -0.0240645386 -0.0098678828 -0.2581464968 -0.0027205072 -0.0211963930
## [21] -0.0480411877 -0.0426039993 -0.0091163657  0.0026635251 -0.0072770373
## [26] -0.0880905864 -0.0247517422 -0.0111437670 -0.0400911756  0.0015938694
## [31]  0.0146566710 -0.1959471044 -0.0227981668 -0.0187232656 -0.2258669375
## [36] -0.0756590692 -0.0878825718  0.0563673831 -0.0678197888  0.0002326489
## [41] -0.0168143845
Tasa de cambio para multiplicador mp
tasa_cambio_mp<-mp_1998/mp_1995-1
tasa_cambio_mp
##  [1] -0.0382238588  0.0056605746 -0.0370067800 -0.0242030475 -0.0199455709
##  [6] -0.0455368519 -0.0131515252 -0.0095582463  0.0011112854 -0.3293731476
## [11] -0.0440781049 -0.0093370796 -0.0010489191 -0.0261908075 -0.0048280935
## [16] -0.0147282136 -0.0338165230 -0.0082832597 -0.0462441450 -0.0009757499
## [21] -0.0084947177 -0.0107682341 -0.1419549231 -0.2012944140 -0.1313133536
## [26] -0.3358244704 -0.1381171500 -0.0464546539 -0.0518744885 -0.1205424802
## [31] -0.1272613497 -0.1139706977 -0.0331367450 -0.0550732035  0.0036960835
## [36] -0.0495294851 -0.1134081652 -0.1006247477 -0.0638920715 -0.0848759234
## [41] -0.2139662814

Presente los resultados en una tabla que incluya los nombres para todos los sectores

library(dplyr)
library(kableExtra)

tabla <- data.frame(me_1995=me_1995, me_1998=me_1998, mp_1995=mp_1995, mp_1998=mp_1998) %>% 
  mutate(dif_me=round((me_1998/me_1995-1)*100,2),
         dif_mp=round((mp_1998/mp_1995-1)*100,2)) %>% 
  mutate(sector=row_number()) %>% 
  select(sector, everything()) 

tabla %>% 
  kable(aption="Tabla de los multiplicadores MIP 1995 y 1998",
        align = "c",
        digits = 2) %>% 
  kable_material(html_font = "sans-serif") %>% 
  kable_styling(bootstrap_options = c("striped", "hover"))
sector me_1995 me_1998 mp_1995 mp_1998 dif_me dif_mp
1 1.17 1.16 1.12 1.08 -0.96 -3.82
2 1.00 1.00 1.11 1.11 0.00 0.57
3 1.28 1.24 1.59 1.53 -3.47 -3.70
4 1.61 1.65 1.45 1.41 2.74 -2.42
5 1.13 1.08 1.30 1.27 -4.34 -1.99
6 1.43 1.42 1.84 1.76 -0.63 -4.55
7 1.73 1.77 1.09 1.07 2.04 -1.32
8 1.03 1.02 1.23 1.22 -0.32 -0.96
9 1.41 1.29 1.11 1.12 -7.99 0.11
10 1.11 1.13 2.71 1.82 2.52 -32.94
11 1.57 1.51 1.24 1.18 -4.03 -4.41
12 1.60 1.56 1.10 1.09 -2.50 -0.93
13 1.08 1.08 1.00 1.00 -0.43 -0.10
14 1.64 1.57 1.49 1.45 -4.09 -2.62
15 2.02 1.93 1.09 1.09 -4.61 -0.48
16 1.45 1.42 2.19 2.16 -2.41 -1.47
17 1.31 1.29 1.18 1.14 -0.99 -3.38
18 1.35 1.00 1.01 1.00 -25.81 -0.83
19 1.45 1.44 1.71 1.63 -0.27 -4.62
20 1.48 1.45 1.03 1.02 -2.12 -0.10
21 1.54 1.46 1.19 1.18 -4.80 -0.85
22 1.25 1.19 1.12 1.11 -4.26 -1.08
23 1.54 1.52 2.48 2.13 -0.91 -14.20
24 1.35 1.35 2.71 2.16 0.27 -20.13
25 1.32 1.31 2.69 2.34 -0.73 -13.13
26 1.32 1.21 5.68 3.77 -8.81 -33.58
27 1.38 1.34 2.03 1.75 -2.48 -13.81
28 1.44 1.43 1.66 1.58 -1.11 -4.65
29 2.22 2.13 1.96 1.86 -4.01 -5.19
30 1.16 1.17 1.49 1.31 0.16 -12.05
31 1.08 1.09 1.78 1.56 1.47 -12.73
32 1.76 1.41 3.50 3.10 -19.59 -11.40
33 1.90 1.85 1.17 1.13 -2.28 -3.31
34 1.72 1.69 1.27 1.20 -1.87 -5.51
35 33.78 26.15 1.06 1.07 -22.59 0.37
36 1.45 1.34 1.29 1.22 -7.57 -4.95
37 1.45 1.32 12.04 10.67 -8.79 -11.34
38 1.22 1.29 1.93 1.73 5.64 -10.06
39 1.44 1.34 1.86 1.74 -6.78 -6.39
40 1.16 1.16 9.34 8.54 0.02 -8.49
41 1.36 1.33 4.81 3.78 -1.68 -21.40

Ejercicio 5

Análisis de Rasmussen

rasmussen_1995<-mip_tabla_rasmussen(L_1995) 

summary_rasmussen_1995 <- rasmussen_1995 %>% 
  group_by(clasificacion) %>% summarise(total=n()) %>% mutate(porcentaje=round(prop.table(total)*100,2))

summary_rasmussen_1995 %>% 
  kable(aption="Análisis de Rasmussen para MIP 1995",
        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 9 21.95
Sector Isla 30 73.17
Análisis de Rasmussen para MIP 1998.
library(dplyr)
library(kableExtra)

rasmussen_1998<-mip_tabla_rasmussen(L_1998) 

summary_rasmussen_1998 <- rasmussen_1998 %>% 
  group_by(clasificacion) %>% summarise(total=n()) %>% mutate(porcentaje=round(prop.table(total)*100,2))
  
summary_rasmussen_1998 %>% 
  kable(aption="Análisis de Rasmussen para MIP 1998",
        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 9 21.95
Sector Isla 30 73.17

Ejercicio 6

Tabla comparativa

tabla_comparativa<-left_join(summary_rasmussen_1995, summary_rasmussen_1998, by="clasificacion", suffix=c("_1995","_1998"))

tabla_comparativa %>% 
  mutate(dif_variacion_porcentual= round((porcentaje_1998/porcentaje_1995-1)*100,2)) %>% 
  kable(aption="Tabla comparativa",
        align = "c",
        digits = 2) %>% 
  kable_material(html_font = "sans-serif") %>% 
  kable_styling(bootstrap_options = c("striped", "hover"))
clasificacion total_1995 porcentaje_1995 total_1998 porcentaje_1998 dif_variacion_porcentual
Sector Estrategico 2 4.88 2 4.88 0
Sector Impulsor 9 21.95 9 21.95 0
Sector Isla 30 73.17 30 73.17 0