Cơ sở dữ liệu của Ngân hàng Thế giới là một kho tàng thông tin khổng lồ về các vấn đề kinh tế và xã hội trên toàn thế giới. Nó bao gồm dữ liệu về:
Chỉ số kinh tế: GDP, tăng trưởng kinh tế, lạm phát, thương mại, đầu tư, v.v.
Chỉ số xã hội: Giáo dục, y tế, dinh dưỡng, nghèo đói, bất bình đẳng, v.v.
Môi trường: Biến đổi khí hậu, ô nhiễm môi trường, tài nguyên thiên nhiên, v.v.
Phát triển quốc gia: Hỗ trợ tài chính, dự án phát triển, chính sách phát triển, v.v.
Indicator trong World Bank là một biến số hoặc thước đo cụ thể được sử dụng để theo dõi một khía cạnh cụ thể về sự phát triển hoặc tình hình kinh tế của một quốc gia. Ở nhiệm vụ này ta chọn một indicator từ trong WB để phân tích
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.3.3
## Warning: package 'ggplot2' was built under R version 4.3.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(WDI)
## Warning: package 'WDI' was built under R version 4.3.3
library(DT)
## Warning: package 'DT' was built under R version 4.3.3
ind <- WDIsearch('CO2 emissions')
d <- WDI(indicator = 'EN.ATM.CO2E.KT', country = ('VN'))
datatable(d)
Sau khi thực hiện load và tải dữ liệu từ World Bank với từ khoá là CO2 emissions ta chọn được bộ dữ liệu là EN.ATM.CO2E.KT với mã quốc gia là ‘VN’
Ta thu được bộ dữ liệu gồm 5 biến và 63 quan sát
Giải Thích chi tiết về indicator EN.ATM.CO2E.KT :
Cơ sở dữ liệu của Quỹ Tiền tệ Quốc tế (IMF) là một kho tàng thông tin khổng lồ về các vấn đề kinh tế vĩ mô và tài chính quốc tế. Nó bao gồm dữ liệu về:
Indicator trong IMF (Quỹ Tiền tệ Quốc tế) là những thước đo được sử dụng để theo dõi và đánh giá tình hình kinh tế vĩ mô của các quốc gia. Các indicator này bao gồm nhiều khía cạnh khác nhau, như:
library(imf.data)
## Warning: package 'imf.data' was built under R version 4.3.3
Dataset <- list_datasets()
b <- load_datasets('FDI')
b1 <- b$get_series(freq = 'A', ref_area = 'VN', indicator = 'FD_FMD_IX')
b1 <- na.omit(b1)
datatable(b1)
Sau khi thực hiện load và tải dữ liệu từ IMF với từ khoá là ‘FDI’ ta chọn được indicator là ‘FD_FMD_IX’ với mã quốc gia là ‘VN’ và tần suất là ‘A’ (hàng năm)
Ta thu được bộ dữ liệu gồm 2 biến và 42 quan sát
Giải Thích chi tiết về indicator ‘FD_FMD_IX’ :
Tạo ra bộ dữ liệu mới
d1 <- d %>% filter(year %in% seq(2011,2020))%>%select(year,EN.ATM.CO2E.KT)
d1 <- na.omit(d1)
names(d1) <- c('Year','CO2_Emissions')
d1
## Year CO2_Emissions
## 1 2020 355323.1
## 2 2019 341716.8
## 3 2018 286139.3
## 4 2017 229877.4
## 5 2016 222028.5
## 6 2015 201513.3
## 7 2014 180698.8
## 8 2013 164297.4
## 9 2012 155522.8
## 10 2011 155973.3
Sau khi thực hiện lệnh sẽ tạo ra một bộ dữ liệu mới gồm 2 cột với 2 biến giá trị là Year (Năm) và CO2_Emissions (lượng khí thải CO2). Bộ dữ liệu gồm có 10 hàng tương ứng với 10 quan sát là tổng lượng khí thải CO2 của đất nước Việt Nam từ năm 2011 đến năm 2020. Theo dữ liệu này,lượng khí thải CO2 Việt Nam đã tăng từ 155973.3 kiloton vào năm 2011 lên 355323.1 kiloton vào năm 2020.
Dùng Biểu Đồ Để Phân Tích Sự biến động của tổng lượng khí thải CO2 trong 10 năm trở lại đây của Việt Nam
library(tidyverse)
d1 %>% ggplot(aes(x =CO2_Emissions, y = Year)) +
geom_point(color = 'black') +
geom_smooth(method = 'lm', color = 'purple') +
labs(title = "Biểu đồ thể hiện xu hướng gia tăng của lượng khí thải CO2 từ năm 2011 đến năm 2020") +
labs(x = 'Tổng lượng khí thải CO2 ', y = 'Năm')
## `geom_smooth()` using formula = 'y ~ x'
d2 <- d %>% filter(year %in% seq(2016,2020))%>%select(year,EN.ATM.CO2E.KT)
names(d2) <- c('year','CO2_Emissions')
d2 %>% ggplot(aes(x=year, y= CO2_Emissions)) +
geom_col(fill='green') +
geom_text(aes(label = CO2_Emissions ),vjust = 1, color = 'black') +
labs(title = "Sự biến động lượng khí thải CO2 Việt Nam sau 5 năm từ 2016 đến 2020") +
labs(x = 'Năm', y = 'Tổng lượng khí thải CO2')
Biểu đồ thể hiện sự biến động của Tổng lượng khí thải CO2 Việt Nam từ năm 2016 đến 2020:
Nhận xét:
Tổng lượng khí thải CO2 Việt Nam có xu hướng tăng từ năm 2016 đến 2020.
Năm 2020 có Tổng lượng khí thải CO2 cao nhất trong giai đoạn này.
b1 <- as.data.frame(lapply(b1, as.numeric))
b1 %>% filter(TIME_PERIOD > 2016) %>%
ggplot(aes(x=TIME_PERIOD, y=A.VN.FD_FMD_IX)) +
geom_line(color='black', linewidth =1) +
geom_point(color='blue') +
labs(title = "Biểu đồ thể hiện chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam ") +
labs(x = 'Năm', y = 'chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam')
Biểu đồ bao gồm:
Đường thẳng màu đen thể hiện xu hướng chung.
Các điểm màu xanh thể hiện giá trị cụ thể cho từng năm.
Chú thích:
Biểu đồ thể hiện xu hướng tích cực của chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam trong giai đoạn 2017-2021. Tuy nhiên, vẫn còn nhiều việc phải làm để nâng cao hiệu quả của chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam
b1 %>% ggplot(aes(x = A.VN.FD_FMD_IX , y = TIME_PERIOD)) +
geom_point(color = 'red') +
geom_smooth(method = 'lm', color = 'lightyellow') +
labs(title = "Biểu đồ xu thế chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam sau 10 năm ") +
labs(x = 'chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam', y = 'Năm')
## `geom_smooth()` using formula = 'y ~ x'
Đường cong màu vàng thể hiện xu hướng chung của Mức độ phát triển tài chính và hiệu quả của chính sách tiền tệ qua 10 năm.
Đường cong có dốc dương, cho thấy mức độ phát triển tài chính và hiệu quả của chính sách tiền tệ có xu hướng tăng trong giai đoạn này.
Độ dốc của đường cong cho thấy mức độ tăng trưởng của Mức độ phát triển tài chính và hiệu quả của chính sách tiền tệ.
Các điểm đỏ thể hiện giá trị thực tế của chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam qua các năm.
Sự chênh lệch giữa các điểm đỏ và đường cong màu vàng thể hiện biến động của mức độ tăng trưởng của chỉ số Phát triển Thị trường Tài chính của chính sách tiền tệ ở Việt Nam so với xu hướng chung.
Biến động này có thể do nhiều nhân tố khác nhau ảnh hưởng, như: - Tình hình kinh tế vĩ mô trong và ngoài nước. - Chính sách tiền tệ của Chính phủ. - Sự kiện bất ngờ như khủng hoảng kinh tế, thiên tai, dịch bệnh.