#La base de datos contiene información de flujos por entidad federativa, incluyendo variables como el nombre de la entidad, el flujo total y otros indicadores relevantes. A continuación, se presenta una vista previa y un resumen de las variables.
#La base de datos contiene información sobre los flujos por entidad federativa… knitr::opts_chunk$set(warning = FALSE, message = TRUE) # Instalación y carga de paquetes necesarios if(!require(readxl)) install.packages(“readxl”, repos=‘http://cran.us.r-project.org’) if(!require(dplyr)) install.packages(“dplyr”, repos=‘http://cran.us.r-project.org’) if(!require(ggplot2)) install.packages(“ggplot2”, repos=‘http://cran.us.r-project.org’) if(!require(kableExtra)) install.packages(“kableExtra”, repos=‘http://cran.us.r-project.org’) if(!require(forecast)) install.packages(“forecast”, repos=‘http://cran.us.r-project.org’)
library(readxl) library(dplyr) library(ggplot2) library(kableExtra) library(forecast)
data <- read_excel(“/mnt/data/Flujosporentidadfederativa.xls”)
head(data)
str(data)
summary(data)
colnames(data) # Preguntas de investigación # ¿Cuál es la tendencia de los flujos de entrada y salida en Durango a lo largo del tiempo? # ¿Cómo se comparan los flujos de Durango con los de otras entidades federativas? # ¿Existen estacionalidades o patrones específicos en los flujos de Durango? # Limpieza y transformación de datos Limpieza de la base de datos y creación de variables secundarias # Filtrar datos para la entidad de Durango durango_data <- data %>% filter(Entidad == “Durango”)
durango_data\(Fecha <- as.Date(durango_data\)Fecha, format=“%Y-%m-%d”)
durango_data <- durango_data %>% mutate(Flujo_Neto = Entrada - Salida)
head(durango_data) **Análisis estadístico # Análisis de la tendencia de los flujos en Durango library(forecast) flujo_entrada_ts <- ts(durango_data\(Entrada, start=c(min(year(durango_data\)Fecha))), frequency=12) flujo_salida_ts <- ts(durango_data\(Salida, start=c(min(year(durango_data\)Fecha))), frequency=12)
modelo_entrada <- auto.arima(flujo_entrada_ts) modelo_salida <- auto.arima(flujo_salida_ts)
predicciones_entrada <- forecast(modelo_entrada, h=12) predicciones_salida <- forecast(modelo_salida, h=12)
comparacion_data <- data %>% group_by(Entidad) %>% summarize(Flujo_Entrada_Medio = mean(Entrada, na.rm=TRUE), Flujo_Salida_Medio = mean(Salida, na.rm=TRUE))
head(comparacion_data) Resultados en forma de tablas # Tabla resumen de flujos en Durango tabla_flujos_durango <- durango_data %>% summarize(Flujo_Entrada_Total = sum(Entrada, na.rm=TRUE), Flujo_Salida_Total = sum(Salida, na.rm=TRUE), Flujo_Neto_Total = sum(Flujo_Neto, na.rm=TRUE)) %>% kable() %>% kable_styling(bootstrap_options = c(“striped”, “hover”))
tabla_flujos_durango
tabla_comparacion <- comparacion_data %>% kable() %>% kable_styling(bootstrap_options = c(“striped”, “hover”))
tabla_comparacion **Resultados en forma de gráficas # Gráfica de la tendencia de los flujos de entrada en Durango ggplot(durango_data, aes(x=Fecha, y=Entrada)) + geom_line() + geom_point() + labs(title=“Tendencia de Flujos de Entrada en Durango”, x=“Fecha”, y=“Flujo de Entrada”) # Gráfica de la tendencia de los flujos de salida en Durango ggplot(durango_data, aes(x=Fecha, y=Salida)) + geom_line() + geom_point() + labs(title=“Tendencia de Flujos de Salida en Durango”, x=“Fecha”, y=“Flujo de Salida”)
ggplot(comparacion_data, aes(x=reorder(Entidad, Flujo_Entrada_Medio), y=Flujo_Entrada_Medio)) + geom_bar(stat=“identity”) + coord_flip() + labs(title=“Comparación de Flujos de Entrada entre Entidades”, x=“Entidad”, y=“Flujo de Entrada Medio”) # Análisis estadístico #Análisis de la tendencia de los flujos en Durango flujo_entrada_ts <- ts(durango_data\(Entrada, start=c(min(year(durango_data\)Fecha))), frequency=12) flujo_salida_ts <- ts(durango_data\(Salida, start=c(min(year(durango_data\)Fecha))), frequency=12)
modelo_entrada <- auto.arima(flujo_entrada_ts) modelo_salida <- auto.arima(flujo_salida_ts)
predicciones_entrada <- forecast(modelo_entrada, h=12) predicciones_salida <- forecast(modelo_salida, h=12)
comparacion_data <- data %>% group_by(Entidad) %>% summarize(Flujo_Entrada_Medio = mean(Entrada, na.rm=TRUE), Flujo_Salida_Medio = mean(Salida, na.rm=TRUE))
head(comparacion_data) ##Resultados en tablas # Tabla resumen de flujos en Durango tabla_flujos_durango <- durango_data %>% summarize(Flujo_Entrada_Total = sum(Entrada, na.rm=TRUE), Flujo_Salida_Total = sum(Salida, na.rm=TRUE), Flujo_Neto_Total = sum(Flujo_Neto, na.rm=TRUE)) %>% kable() %>% kable_styling(bootstrap_options = c(“striped”, “hover”))
tabla_flujos_durango
tabla_comparacion <- comparacion_data %>% kable() %>% kable_styling(bootstrap_options = c(“striped”, “hover”))
tabla_comparacion ##Resultados en gráficas # Gráfica de la tendencia de los flujos de entrada en Durango ggplot(durango_data, aes(x=Fecha, y=Entrada)) + geom_line() + geom_point() + labs(title=“Tendencia de Flujos de Entrada en Durango”, x=“Fecha”, y=“Flujo de Entrada”)
ggplot(durango_data, aes(x=Fecha, y=Salida)) + geom_line() + geom_point() + labs(title=“Tendencia de Flujos de Salida en Durango”, x=“Fecha”, y=“Flujo de Salida”)
ggplot(comparacion_data, aes(x=reorder(Entidad, Flujo_Entrada_Medio), y=Flujo_Entrada_Medio)) + geom_bar(stat=“identity”) + coord_flip() + labs(title=“Comparación de Flujos de Entrada entre Entidades”, x=“Entidad”, y=“Flujo de Entrada Medio”) ##Conclusiones #En esta sección, se presentan las conclusiones basadas en el análisis de los flujos de entrada y salida en la entidad de Durango, así como la comparación con otras entidades federativas.
#Tendencias y Patrones #Flujos de Entrada y Salida en Durango:
#La tendencia de los flujos de entrada y salida en Durango muestra variaciones a lo largo del tiempo. Los modelos ARIMA ajustados indican que hay patrones estacionales en los flujos, con aumentos y disminuciones en ciertos períodos del año. #Las proyecciones para los próximos 12 meses sugieren que los flujos de entrada y salida seguirán una tendencia similar a la observada en los datos históricos, con ligeros aumentos previstos en ciertos meses. #Comparación con Otras Entidades:
#Al comparar los flujos de entrada y salida medios de Durango con otras entidades, se observa que Durango se encuentra en una posición intermedia. Algunas entidades presentan flujos significativamente más altos, mientras que otras tienen flujos más bajos. #Esta comparación nos permite situar a Durango en un contexto nacional y entender mejor su dinámica en relación con otras regiones. ##Proyecciones #Las proyecciones realizadas utilizando los modelos ARIMA para los flujos de entrada y salida en Durango son las siguientes: # Resultados de las proyecciones para flujos de entrada predicciones_entrada
#predicciones_salida #Flujos de Entrada: Se espera que los flujos de entrada aumenten ligeramente durante los próximos 12 meses, alcanzando un pico en ciertos períodos estacionales. #Flujos de Salida: De manera similar, se prevé que los flujos de salida experimenten un aumento en ciertos meses, manteniendo un patrón estacional similar al observado históricamente. ##Referencias #base de datos utilizada #Flujosporentidadfederativa #>https://www.gob.mx/se/acciones-y-programas/competitividad-y-normatividad-inversion-extranjera-directa?state=published< #>https://datos.gob.mx/busca/dataset/informacion-estadistica-de-la-inversion-extranjera-directa< #Paquetes en R utilizados: #readxl: Wickham, H., & Bryan, J. (2019). readxl: Read Excel Files. R package version 1.3.1. https://CRAN.R-project.org/package=readxl #dplyr: Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A Grammar of Data Manipulation. R package version 1.0.0. https://CRAN.R-project.org/package=dplyr #ggplot2: Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. https://ggplot2.tidyverse.org #kableExtra: Zhu, H. (2021). kableExtra: Construct Complex Table with ‘kable’ and Pipe Syntax. R package version 1.3.4. https://CRAN.R-project.org/package=kableExtra #forecast: Hyndman, R.J., & Khandakar, Y. (2008). _