Usando la información de las matrices Insumo Producto del El Salvador, incluidas en el archivo de Excel presentado en el curso. Y las funciones vistas en clase resuelva lo siguiente

# Se cargan las 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
}

1)

Realice el cálculo de lo siguiente (de ser necesario haga las agregaciones de servicios propuestas en la clase)

library(readxl)

#Se cargan los datos de 1990

#Se cargan los datos del consumo intermedio
mip1990_ci<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 1990", range = "I14:BB59", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
## • `` -> `...2`
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
## • `` -> `...6`
## • `` -> `...7`
## • `` -> `...8`
## • `` -> `...9`
## • `` -> `...10`
## • `` -> `...11`
## • `` -> `...12`
## • `` -> `...13`
## • `` -> `...14`
## • `` -> `...15`
## • `` -> `...16`
## • `` -> `...17`
## • `` -> `...18`
## • `` -> `...19`
## • `` -> `...20`
## • `` -> `...21`
## • `` -> `...22`
## • `` -> `...23`
## • `` -> `...24`
## • `` -> `...25`
## • `` -> `...26`
## • `` -> `...27`
## • `` -> `...28`
## • `` -> `...29`
## • `` -> `...30`
## • `` -> `...31`
## • `` -> `...32`
## • `` -> `...33`
## • `` -> `...34`
## • `` -> `...35`
## • `` -> `...36`
## • `` -> `...37`
## • `` -> `...38`
## • `` -> `...39`
## • `` -> `...40`
## • `` -> `...41`
## • `` -> `...42`
## • `` -> `...43`
## • `` -> `...44`
## • `` -> `...45`
## • `` -> `...46`
names(mip1990_ci)<-as.character(1:46)
print(mip1990_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>
##  1 127.      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     3753.     0   0      1901.  7.00e3   0   0         0  5.26e-1
##  4   0       0        0   1678.  0         0   0        0   0         0  0      
##  5   0    1095.   12618.   298.  1.83e3    0   0        0   0         0  6.84e+0
##  6   0       0        0      0   0      7085.  5.53e0   0   0         0  7.21e+4
##  7   0       0        0      0   0         0   6.77e3   0   9.21e0    0  4.48e+3
##  8 584.     20.5    884.    90.7 1.63e2   31.7 0       16.6 0         0  1.27e+2
##  9   0       0        0      0   0         0   0        0   1.74e3    0  0      
## 10   1.05    2.63    33.3   19.6 6.18e0  984.  1.18e0   0   1.84e0 2010. 2.5 e+0
## # 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>, …
#Se cargan los datos del consumo final
mip1990_h<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 1990", range = "bd14:be59", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
## • `` -> `...2`
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 154500.     0
##  4      0      0
##  5 182388.     0
##  6  28392.     0
##  7 161574.     0
##  8  50923.     0
##  9  20244.     0
## 10   4181.     0
## # ℹ 36 more rows
#Se cargan los datos del vector de producción
mip1990_X<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 1990", range = "bi14:bi59", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
names(mip1990_X)<-c("X")
#Se cargan los datos del 2006

#Se cargan los datos del consumo intermedio
mip2006_ci<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 2006", range = "I15:BB60", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
## • `` -> `...2`
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
## • `` -> `...6`
## • `` -> `...7`
## • `` -> `...8`
## • `` -> `...9`
## • `` -> `...10`
## • `` -> `...11`
## • `` -> `...12`
## • `` -> `...13`
## • `` -> `...14`
## • `` -> `...15`
## • `` -> `...16`
## • `` -> `...17`
## • `` -> `...18`
## • `` -> `...19`
## • `` -> `...20`
## • `` -> `...21`
## • `` -> `...22`
## • `` -> `...23`
## • `` -> `...24`
## • `` -> `...25`
## • `` -> `...26`
## • `` -> `...27`
## • `` -> `...28`
## • `` -> `...29`
## • `` -> `...30`
## • `` -> `...31`
## • `` -> `...32`
## • `` -> `...33`
## • `` -> `...34`
## • `` -> `...35`
## • `` -> `...36`
## • `` -> `...37`
## • `` -> `...38`
## • `` -> `...39`
## • `` -> `...40`
## • `` -> `...41`
## • `` -> `...42`
## • `` -> `...43`
## • `` -> `...44`
## • `` -> `...45`
## • `` -> `...46`
names(mip2006_ci)<-as.character(1:46)
print(mip2006_ci)
## # A tibble: 46 × 46
##      `1`   `2`   `3`   `4`   `5`   `6`   `7`   `8`   `9`  `10`  `11`   `12`
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>
##  1    86     0     0     0     0     0     0     0     0     0     0      0
##  2     0     0     0     0     0     0     0     0     0     0     0      0
##  3     0     0 11004     0     0  5313 28072     0     0     0     1     65
##  4     0     0     0  3071     0     0     0     0     0     0     0      0
##  5     0   104 38676  1357 11299     0     0     0     0     0    14    469
##  6     0     0     0     0     0  8777    19     0     0     0 89833 144571
##  7     0     0     0     0     0     0 16874     0     7     0  4137     57
##  8   576     1  2000   272   563    65     0    36     0     0   204    734
##  9     0     0     0     0     0     0     0     0 44464     0     0      0
## 10     1     1    73    58    21  2023     6     0     2 15334     3     89
## # ℹ 36 more rows
## # ℹ 34 more variables: `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>, `46` <dbl>
#Se cargan los datos del consumo final
mip2006_h<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 2006", range = "bd15:be60", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
## • `` -> `...2`
names(mip2006_h)<-as.character(1:2)
print(mip2006_h)
## # A tibble: 46 × 2
##         `1`   `2`
##       <dbl> <dbl>
##  1       0      0
##  2       0      0
##  3  314561.     0
##  4       0      0
##  5 1323380.     0
##  6   50357.     0
##  7  526957.     0
##  8  101237.     0
##  9   44341.     0
## 10    2422      0
## # ℹ 36 more rows
#Se cargan los datos del vector de producción
mip2006_X<- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 2006", range = "bi15:bi60", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
names(mip2006_X)<-c("X")
#Se ajustan las filas de la mip de 1990

library(dplyr)
## 
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
servicios_row1990<-colSums(mip1990_ci[41:46,])
temporal1990<-rbind(mip1990_ci[1:40,],servicios_row1990)
servicios_col1990<-rowSums(temporal1990[,41:46])
mip1990_ci_corregida<-cbind(temporal1990[,1:40],servicios_col1990)
names(mip1990_ci_corregida)<-as.character(1:41)

#Se corrige el vector de producción
X1990<-rbind(mip1990_X[1:40,],colSums(mip1990_X[41:46,]))

#Se ajustan las filas de la mip de 2006

servicios_row2006<-colSums(mip2006_ci[41:46,])
temporal2006<-rbind(mip2006_ci[1:40,],servicios_row2006)
servicios_col2006<-rowSums(temporal2006[,41:46])
mip2006_ci_corregida<-cbind(temporal2006[,1:40],servicios_col2006)
names(mip2006_ci_corregida)<-as.character(1:41)

#Se corrige el vector de producción
X2006<-rbind(mip2006_X[1:40,],colSums(mip2006_X[41:46,]))
#Se calculan las matrices de coeficientes técnicos, tecnológica y de Leontief 

# Año 1990

A1990<-mip_coeficientes_tecnicos(as.matrix(mip1990_ci_corregida),as.matrix(X1990))[[1]]
matriz_T1990<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A1990)
L1990<-mip_matriz_leontief(matriz_tecnologica = matriz_T1990)

# Año 2006

A2006<-mip_coeficientes_tecnicos(as.matrix(mip2006_ci_corregida),as.matrix(X1990))[[1]]
matriz_T2006<-mip_matriz_tecnologica(matriz_coeficientes_tecnicos = A2006)
L2006<-mip_matriz_leontief(matriz_tecnologica = matriz_T2006)

a)

Multiplicadores Expansión de la demanda (me) para la MIP 1990 y para la MIP 2006.

# Multiplicadores expansión de la demanda 1990

me1990<-mip_multiplicadores_expansion_demanda_me(L1990)
print(me1990)
##  [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
# Multiplicadores expansión de la demanda 2006

me2006<-mip_multiplicadores_expansion_demanda_me(L2006)
print(me2006)
##  [1]    0.71322725    0.98565054    0.70207885    0.50558565    0.81308793
##  [6]    0.70575905   -0.20404399    0.95520718   16.04132164    0.20682037
## [11]    1.41060839    1.68393064    1.44550064    1.18641085   -4.09624671
## [16]   -0.81479177   -2.45393688    1.00000000   -0.37300442   -0.49955730
## [21]   -3.06969776   -2.68175319   -8.47579528   -7.41335757   -0.60482001
## [26]    0.33007346   -1.85032012   -7.62149176  -35.07256212   -7.71221593
## [31]   -1.60647386  -16.93881842  -30.38005802  -19.54256585 -135.48538439
## [36]    1.14980205   -0.17568837   27.74162677    0.42811886   -0.09964587
## [41]   -2.32912178

b)

Multiplicadores de la producción (mp) para la MIP 1990 y para la MIP 2006.

# Multiplicadores de la producción 1990

mp1990<-mip_multiplicadores_produccion_mp(L1990)
print(mp1990)
##  [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
# Multiplicadores de la producción 2006

mp2006<-mip_multiplicadores_produccion_mp(L2006)
print(mp2006)
##  [1]   1.0436206   1.0778776   2.0920154   1.8541767   1.5977621   1.5990874
##  [7]   1.0303254   0.9023498 -19.8311096 -56.3428417  -0.4270384   1.0914576
## [13]   0.9938991   1.6767763   1.0530106   1.4760666   0.7547621   0.9973841
## [19]   0.6019598   0.9019449   1.3414611   0.7375633 -12.0178683  -4.8173858
## [25]  -5.3534365 -49.8195025  -3.4031010  -3.1840042  -9.8373894  -2.6293617
## [31]  -5.5442047  -4.0157663   0.4824362  -1.0390697  -0.5330175  -0.6641336
## [37] -33.7204362   4.7250030  -7.0996802 -26.9093661 -12.3387677

c)

Tasa de cambio para ambos multiplicadores (por ejemplo, para me: me2006/me1990-1)

# Tasa de cambio 1990

Tcambio_me <- round(((me2006/me1990)-1), 2)
print(Tcambio_me)
##  [1]  -0.43  -0.22  -0.44  -0.68  -0.28  -0.51  -1.12  -0.07  10.59  -0.80
## [11]  -0.23  -0.06   0.36  -0.34  -3.23  -1.52  -2.80  -0.28  -1.25  -1.30
## [21]  -2.94  -2.97  -6.09  -6.12  -1.46  -0.77  -2.33  -6.22 -15.82  -6.94
## [31]  -2.45 -12.67 -22.82 -11.70  -4.62  -0.30  -1.12  21.05  -0.68  -1.09
## [41]  -2.79
# Tasas de cambio 2006

Tcambio_mp <- round(((mp2006/mp1990)-1), 2)
print(Tcambio_mp)
##  [1]  -0.06  -0.10   0.20   0.23   0.15  -0.27  -0.08  -0.28 -19.31 -16.35
## [11]  -1.35  -0.04  -0.01   0.05  -0.12  -0.34  -0.40  -0.02  -0.69  -0.12
## [21]   0.13  -0.36  -5.46  -2.76  -2.70  -8.13  -2.31  -2.98  -5.48  -2.76
## [31]  -3.68  -2.84  -0.59  -1.84  -1.50  -1.51  -3.44   1.09  -2.91  -4.57
## [41]  -4.36

d)

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

library (kableExtra)
## 
## Adjuntando el paquete: 'kableExtra'
## The following object is masked from 'package:dplyr':
## 
##     group_rows
# Se cargan los nombres de los sectores
nsector<-read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/Anexo_Resolución_32_MATRIZ_INSUMO_PRODUCTO_A_PRECIOS_CORRIENTES_EN_DOLARES_1990-2006.xls", 
    sheet = "MIP 1990", range = "H14:H54", 
    col_names = FALSE)
## New names:
## • `` -> `...1`
names(nsector) <- "Nombre Sector"

data.frame(Nom_sector=nsector, me_1990=me1990, me_2006=me2006, Tcambio_me=Tcambio_me,mp_1990=mp1990, mp_2006=mp2006, Tcambio_mp=Tcambio_mp)-> Tab_resultados

Tab_resultados %>% 
  kable(caption="Tabla de multiplicadores de la MIP para 1990 y 2006") |> 
  kable_minimal()%>% 
add_footnote(label = "Fuente: MIP Banco Central de Reserva ")
Tabla de multiplicadores de la MIP para 1990 y 2006
Nombre.Sector me_1990 me_2006 Tcambio_me mp_1990 mp_2006 Tcambio_mp
  1. CAFE ORO
1.255178 0.7132273 -0.43 1.105885 1.0436206 -0.06
  1. ALGODON
1.267747 0.9856505 -0.22 1.191285 1.0778776 -0.10
  1. GRANOS BASICOS
1.261599 0.7020788 -0.44 1.750077 2.0920154 0.20
  1. CAÑA DE AZUCAR
1.568111 0.5055856 -0.68 1.511243 1.8541767 0.23
  1. OTRAS PRODUCCIONES AGRICOLAS
1.124569 0.8130879 -0.28 1.389578 1.5977621 0.15
  1. GANADERIA
1.445002 0.7057591 -0.51 2.181171 1.5990874 -0.27
  1. AVICULTURA
1.768326 -0.2040440 -1.12 1.119400 1.0303254 -0.08
  1. SILVICULTURA
1.029765 0.9552072 -0.07 1.246299 0.9023498 -0.28
  1. PROD. DE LA CAZA Y LA PESCA
1.383833 16.0413216 10.59 1.083152 -19.8311096 -19.31
  1. PROD. DE LA MINERIA
1.047444 0.2068204 -0.80 3.671425 -56.3428417 -16.35
  1. CARNE Y SUS PRODUCTOS
1.834384 1.4106084 -0.23 1.223539 -0.4270384 -1.35
  1. PRODUCTOS LACTEOS
1.788561 1.6839306 -0.06 1.133089 1.0914576 -0.04
  1. PROD. ELABORADOS DE LA PESCA
1.059243 1.4455006 0.36 1.006271 0.9938991 -0.01
  1. PROD. DE MOLINERIA Y PANADERIA
1.799649 1.1864109 -0.34 1.592563 1.6767763 0.05
  1. AZUCAR
1.840519 -4.0962467 -3.23 1.194635 1.0530106 -0.12
  1. OTROS PROD. ALIM. ELABORADOS
1.553178 -0.8147918 -1.52 2.224389 1.4760666 -0.34
  1. BEBIDAS
1.365915 -2.4539369 -2.80 1.253500 0.7547621 -0.40
  1. TABACO ELABORADO
1.384794 1.0000000 -0.28 1.015813 0.9973841 -0.02
  1. TEXTILES Y ART. CONFEC. DE MAT. TEXT.
1.505731 -0.3730044 -1.25 1.928648 0.6019598 -0.69
  1. PRENDAS DE VESTIR
1.642505 -0.4995573 -1.30 1.030379 0.9019449 -0.12
  1. CUERO Y SUS PRODUCTOS
1.578688 -3.0696978 -2.94 1.189543 1.3414611 0.13
  1. MADERA Y SUS PRODUCTOS
1.361625 -2.6817532 -2.97 1.146679 0.7375633 -0.36
  1. PAPEL, CARTON Y SUS PRODUCTOS
1.665210 -8.4757953 -6.09 2.696695 -12.0178683 -5.46
  1. PROD. DE LA IMPRENTA Y DE IND. CONEX.
1.447935 -7.4133576 -6.12 2.739024 -4.8173858 -2.76
  1. QUIMICA DE BASE Y ELABORADOS
1.327641 -0.6048200 -1.46 3.150917 -5.3534365 -2.70
  1. PROD. DE LA REFINACION DE PETROLEO
1.408787 0.3300735 -0.77 6.985378 -49.8195025 -8.13
  1. PROD. DE CAUCHO Y PLASTICO
1.395278 -1.8503201 -2.33 2.603476 -3.4031010 -2.31
  1. PROD. MINERALESS NO METALICOS ELAB.
1.459492 -7.6214918 -6.22 1.606020 -3.1840042 -2.98
  1. PROD. METALICOS DE BASE Y ELAB.
2.366807 -35.0725621 -15.82 2.197902 -9.8373894 -5.48
  1. MAQUINARIA, EQUIPOS Y SUMINISTROS
1.299373 -7.7122159 -6.94 1.495203 -2.6293617 -2.76
  1. MATERIAL DE TRANSP. Y MANUF. DIVERSAS
1.109323 -1.6064739 -2.45 2.066329 -5.5442047 -3.68
  1. ELECTRICIDAD
1.451591 -16.9388184 -12.67 2.185642 -4.0157663 -2.84
  1. AGUA Y ALCANTARILLADOS
1.392119 -30.3800580 -22.82 1.177725 0.4824362 -0.59
  1. CONSTRUCCION
1.826914 -19.5425658 -11.70 1.239212 -1.0390697 -1.84
  1. COMERCIO
37.440804 -135.4853844 -4.62 1.067583 -0.5330175 -1.50
  1. RESTAURANTES Y HOTELES
1.636206 1.1498020 -0.30 1.291981 -0.6641336 -1.51
  1. TRANSP. Y ALMACENAMIENTO
1.517817 -0.1756884 -1.12 13.816987 -33.7204362 -3.44
  1. COMUNICACIONES
1.258089 27.7416268 21.05 2.262777 4.7250030 1.09
  1. BANCOS, SEGUROS, OTRAS INST. FINANC.
1.353294 0.4281189 -0.68 3.717322 -7.0996802 -2.91
  1. BIENES INMUEBLES Y SERV. PRESTADOS
1.170121 -0.0996459 -1.09 7.533336 -26.9093661 -4.57
  1. ALQUILERES DE VIVIENDA
1.301949 -2.3291218 -2.79 3.673047 -12.3387677 -4.36
a Fuente: MIP Banco Central de Reserva

2)

Realice el análisis de Rasmussen para para las MIP 1990 y 2006.

Analisis de Ramussen 1990

#Se hace la clasifación de Ramussen usando funciones
tabr1990<-mip_tabla_rasmussen(L1990)
head(tabr1990,5)
# Se agrupa por tipo de sectores

tabr1990 %>% 
  group_by(clasificacion)%>%
  summarise(total1990=n())%>% 
  mutate(porcentaje1990=prop.table(total1990)*100)%>% 
  as.data.frame()-> tab_tipo_sectores1990
tab_tipo_sectores1990

Nótese que para el año 1990 no hay ningún sector “Clave” y los sectores estratégicos no llegan ni al 5% siendo lo más destacable los sectores isla que representan poco más del 70% es decir, casi tres cuartas partes de la economía no sirve de arrastre o empuje para el resto de la economía ergo su crecimiento o caída no impactan de forma determinante en el resto de la economía.Vale la pena mencionar que existe un 24.39% que sirve para impulsar la economía.

Analisis de Ramussen 2006

#Se hace la clasifación de Ramussen usando funciones
tabr2006<-mip_tabla_rasmussen(L2006)
head(tabr2006,5)
# Se agrupa por tipo de sectores

tabr2006 %>% 
  group_by(clasificacion)%>%
  summarise(total2006=n())%>% 
  mutate(porcentaje2006=prop.table(total2006)*100)%>%
  as.data.frame()->tab_tipo_sectores2006
tab_tipo_sectores2006

Un panorama un tanto distinto respecto a la observación antes presentada se observa para el año 2006 en donde ya se presentan 2 secotres clave cuya ausencia había sido acusada para 1990, los sectores estratégicos aumentaron hasta el 17%, es verdad que hubo una reducción en los sectores impulsores también hasta el 17% y finamente los sectores isla tuvieron una reduccion de alrededor de diez puntos porcentuales lo que representa una mayor integración de la economía.

3)

Presente una tabla comparativa entre los resultados porcentuales por tipo de sector entre 1990 y 2006, incluya una columna que muestre la variación porcentual por tipo de sector.

tc_result <- left_join(tab_tipo_sectores1990, tab_tipo_sectores2006, by="clasificacion")
tc_result %>% 
  mutate(Variacion = ((total2006-total1990)/total1990)*100) %>% 
  kable(caption="Tabla comparativa entre sectores")
Tabla comparativa entre sectores
clasificacion total1990 porcentaje1990 total2006 porcentaje2006 Variacion
Sector Estrategico 2 4.878049 7 17.07317 250.0000
Sector Impulsor 10 24.390244 7 17.07317 -30.0000
Sector Isla 29 70.731707 25 60.97561 -13.7931