Analisis Mexico-Rusia:

Preview Base de datos:

library(dplyr)
library(knitr)
library(kableExtra)
library(readxl)

# Cargar datos
Mexico_China <- read_excel("Mexico-Rusia Balanza comercial.xlsx")

Mexico_China %>%
  head(10) %>%
  mutate(Año = as.character(Año)) %>%  # Evita que se muestre como número con coma
  kable("html", caption = "Vista previa de los primeros 10 registros de la base de datos",
        align = "c", format.args = list(big.mark = ",")) %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover", "condensed", "responsive"))

Vista previa de los primeros 10 registros de la base de datos
Año	Exportaciones (USD M)	Importaciones (USD M)	Balanza comercial (USD M)	Tasa de crecimiento Anual Exportaciones	Tasa de crecimiento Anual Importaciones
2006	42,745,617	534,369,239	-491,623,622	2.7228129	-0.1613373
2007	159,133,936	448,155,557	-289,021,621	-0.2723192	0.8318142
2008	115,798,707	820,937,714	-705,139,007	-0.6631772	-0.4296456
2009	39,003,649	468,225,454	-429,221,805	5.0789283	0.8216525
2010	237,100,384	852,944,056	-615,843,672	0.9859805	0.3461564
2011	470,876,743	1,148,196,095	-677,319,352	0.0421228	0.0521568
2012	490,711,409	1,208,082,314	-717,370,905	-0.0372353	-0.0180491
2013	472,439,605	1,186,277,506	-713,837,901	-0.4204710	0.2712527
2014	273,792,432	1,508,058,473	-1,234,266,041	-0.2696574	-0.0408825
2015	199,962,273	1,446,405,306	-1,246,443,033	-0.1087261	-0.1442900

Introducción al Comercio México-Rusia:

A continuación, se presenta un resumen de los primeros 10 registros de la base de datos que describe la evolución del comercio entre México y Rusia durante las últimas décadas. Esta información incluye los montos anuales de exportaciones e importaciones (en USD millones), la balanza comercial y las tasas de crecimiento anual tanto de exportaciones como de importaciones.
Estos datos permiten observar las principales tendencias en el intercambio comercial bilateral, destacando períodos de expansión, desequilibrios y cambios en la dinámica económica entre ambos países.

Graficos crecimiento histórico del volumen y valor del comercio entre México y Rusia:

# Instalar si no tienes estas librerías
# install.packages(c("tidyverse", "plotly", "ggthemes", "readxl", "scales"))

library(tidyverse)
library(plotly)
library(ggthemes)
library(readxl)
library(scales)

# Cargar datos
Mexico_China <- read_excel("Mexico-Rusia Balanza comercial.xlsx")  # <- CAMBIA esto por tu ruta local

# Convertir columnas numéricas si están como texto
Mexico_China <- Mexico_China %>%
  mutate(across(2:6, as.numeric))

# Crear variables limpias para usar en los gráficos
names(Mexico_China) <- c("Año", "Exportaciones", "Importaciones", "Balanza", "TC_Export", "TC_Import")

# Filtrar solo de 1993 a 2024
Mexico_China <- Mexico_China %>% filter(Año >= 1993 & Año <= 2024)

# =======================
# GRAFICO 1: Exportaciones vs Importaciones (Línea interactiva)
# =======================

p1 <- Mexico_China %>%
  pivot_longer(cols = c("Exportaciones", "Importaciones"), names_to = "Tipo", values_to = "Valor") %>%
  ggplot(aes(x = Año, y = Valor, color = Tipo)) +
  geom_line(size = 1.2) +
  geom_point() +
  scale_y_continuous(labels = label_dollar(scale = 1e-6, suffix = " M")) +
  theme_minimal() +
  theme(legend.position = "top") +
  labs(title = "Comercio México-Rusia: Exportaciones vs Importaciones",
       subtitle = "Valores en millones de USD (2006-2024)",
       y = "Valor (USD)", x = "Año", color = "Tipo de Flujo")

ggplotly(p1)

Análisis del Comercio Bilateral México–Rusia:

Importaciones con comportamiento volátil pero dominantes:

A lo largo del periodo mostrado (aproximadamente 2006–2023), las importaciones mexicanas desde Rusia han mantenido niveles significativamente más altos que las exportaciones, el comportamiento general refleja una fuerte dependencia de México hacia productos rusos, posiblemente materias primas, maquinaria o insumos energéticos. El aumento abrupto en 2021 sugiere un evento coyuntural o una reconfiguración temporal de la demanda.

Exportaciones limitadas y con tendencia decreciente reciente:

Las exportaciones mexicanas a Rusia son significativamente menores en comparación con las importaciones, con un tope cercano a los $500 millones de USD y una tendencia claramente descendente después de 2021. A partir de 2022, las exportaciones caen a niveles casi marginales, lo cual puede deberse a factores geopolíticos (por ejemplo, sanciones relacionadas con la guerra en Ucrania), barreras logísticas, o una pérdida de interés/comercio por parte de Rusia hacia los productos mexicanos.

Relación comercial asimétrica y balanza deficitaria:

La brecha persistente entre exportaciones e importaciones refleja una relación comercial desequilibrada a favor de Rusia. La balanza comercial es constantemente deficitaria para México, y la poca recuperación de las exportaciones en los últimos años acentúa esa asimetría. Esta situación podría representar una oportunidad de diversificación para México si se logra incentivar sectores exportadores hacia ese país o explorar nuevos mercados alternativos.

# =======================
# GRAFICO 2: Balanza Comercial
# =======================

p2 <- Mexico_China %>%
  ggplot(aes(x = Año, y = Balanza)) +
  geom_col(fill = ifelse(Mexico_China$Balanza > 0, "forestgreen", "firebrick")) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "black") +
  scale_y_continuous(labels = label_dollar(scale = 1e-6, suffix = " M")) +
  theme_minimal() +
  labs(title = "Balanza Comercial México-Rusia",
       subtitle = "Valores negativos indican déficit comercial",
       y = "USD", x = "Año")

ggplotly(p2)

Análisis de la Balanza Comercial México–Rusia

Déficit comercial persistente y estructural:

El gráfico evidencia que México ha mantenido una balanza comercial deficitaria con Rusia durante todo el periodo observado. En ningún año se alcanza un superávit ni siquiera un equilibrio comercial. Desde 2010, el déficit anual se sitúa consistentemente por debajo de los -$500 millones de USD, profundizándose hasta superar los -$2,000 millones de USD en años recientes (especialmente 2021-2023). Esta dinámica refleja una asimetría estructural en el comercio bilateral, donde México importa mucho más de lo que exporta a Rusia.
Deterioro acelerado en años recientes:

A partir de 2018, se observa una aceleración en el crecimiento del déficit comercial, destacando los años 2021 y 2022 como los de mayor desequilibrio. Este deterioro puede atribuirse a:

Incremento de las importaciones mexicanas desde Rusia, probablemente por productos energéticos, fertilizantes u otros bienes estratégicos.
Caída significativa de las exportaciones mexicanas, posiblemente por factores geopolíticos y restricciones derivadas del conflicto Rusia–Ucrania.
Poca diversificación de la oferta exportable de México hacia Rusia, lo cual limita la capacidad de contrarrestar el crecimiento de las importaciones.

library(dplyr)
library(tidyr)
library(ggplot2)
library(scales)
library(plotly)

# Multiplicar las tasas por 100 para expresarlas en porcentaje
Mexico_China <- Mexico_China %>%
  mutate(TC_Export = TC_Export * 100,
         TC_Import = TC_Import * 100)

# Filtrar de 1993 a 2024
Mexico_China <- Mexico_China %>% filter(Año >= 2006 & Año <= 2023)

# Crear el gráfico con etiquetas en porcentaje
p3 <- Mexico_China %>%
  pivot_longer(cols = c("TC_Export", "TC_Import"),
               names_to = "Tipo",
               values_to = "Crecimiento") %>%
  ggplot(aes(x = Año, y = Crecimiento, color = Tipo)) +
  geom_line(size = 1) +
  geom_point() +
  theme_minimal() +
  scale_y_continuous(labels = function(x) paste0(x, "%")) +
  labs(title = "Tasa de Crecimiento Anual del Comercio México-Rusia",
       subtitle = "Exportaciones e Importaciones (2006-2023)",
       y = "Tasa (%)", x = "Año", color = "Indicador")

# Visualizar con plotly (interactivo)
ggplotly(p3)

Análisis del Gráfico: Tasa de Crecimiento Anual del Comercio México–Rusia

Alta volatilidad inicial (2006–2010)

Durante los primeros años del periodo analizado, tanto exportaciones como importaciones muestran tasas de crecimiento extremadamente volátiles, con casos extraordinarios como el crecimiento de más del 500,000% en las exportaciones alrededor de 2009, y fluctuaciones superiores al 100% en las importaciones. Esto sugiere un proceso de inicio e irregular consolidación del comercio bilateral, posiblemente influido por bajos niveles de base comercial y eventos específicos (como contratos puntuales o crisis globales como la de 2008).

Estabilización con altibajos (2011–2020)

A partir de 2011, se observa una tendencia más estable, aunque aún con fluctuaciones moderadas. Las tasas de crecimiento tanto de exportaciones como de importaciones oscilan entre -50% y +50%, con años de recuperación seguidos por retrocesos. Este comportamiento sugiere un comercio sensible a factores externos, como precios de commodities, tipo de cambio o tensiones diplomáticas.

Asimetría persistente en el crecimiento

Aunque ambos indicadores son volátiles, las importaciones tienden a recuperarse más rápidamente, mientras que las exportaciones muestran menor dinamismo y más caídas prolongadas. Esta diferencia reafirma la asimetría estructural en la relación comercial, donde México aparece como un importador más constante y dependiente, mientras que su rol como exportador hacia Rusia es frágil e inestable.

Conclusión crecimiento histórico del volumen y valor del comercio

El comercio entre México y Rusia es estructuralmente desequilibrado, con un déficit comercial persistente y creciente para México. Las importaciones superan ampliamente a las exportaciones, que además han caído drásticamente en años recientes. A pesar de algunos picos de crecimiento, la relación comercial es altamente volátil, especialmente del lado exportador, lo que evidencia una dependencia significativa de México hacia productos rusos y una limitada inserción de bienes mexicanos en ese mercado.

Tendencias en la relación comercial Mexico-Rusia (Exportaciones)

library(tidyverse)
library(plotly)
library(DT)
library(lubridate)
library(reshape2)
library(kableExtra)
library(readxl)

# Cargar los datos
COMPLETO_MEX_CHINA <- read_excel("Completo Mex-Rusia.xlsx")

# Convertir todas las columnas "Trade Value XXXX" a numéricas
COMPLETO_MEX_CHINA <- COMPLETO_MEX_CHINA %>%
  mutate(across(starts_with("Trade Value"), ~ as.numeric(.)))

# Transformar de formato ancho a largo
datos_largo <- COMPLETO_MEX_CHINA %>%
  select(-starts_with("Share")) %>%
  pivot_longer(
    cols = starts_with("Trade Value"),
    names_to = "Año",
    values_to = "Valor_Comercial"
  ) %>%
  mutate(
    Año = as.numeric(str_extract(Año, "\\d+")),
    Capitulo = `Chapter 4 Digit`,
    Sector_HS2 = `HS2 4 Digit`
  )

# Calcular participación anual
datos_largo <- datos_largo %>%
  group_by(Año) %>%
  mutate(Share_Anual = Valor_Comercial / sum(Valor_Comercial, na.rm = TRUE)) %>%
  ungroup()

# Evolución del comercio total
evolucion_total <- datos_largo %>%
  group_by(Año) %>%
  summarise(Valor_Total = sum(Valor_Comercial, na.rm = TRUE))

plot_evolucion <- ggplot(evolucion_total, aes(x = Año, y = Valor_Total)) +
  geom_line(color = "#2c3e50", size = 1.5) +
  geom_point(color = "#e74c3c", size = 3) +
  labs(title = "Evolución Exportaciones Total México-Rusia",
       y = "Valor Comercial (USD)",
       x = "Año") +
  theme_minimal() +
  scale_y_continuous(labels = scales::dollar_format()) +
  theme(plot.title = element_text(face = "bold", size = 14))

ggplotly(plot_evolucion) %>% 
  layout(hoverlabel = list(bgcolor = "white"))

Análisis Gráfico Total Exportaciones:

La relación comercial México–Rusia muestra un deterioro significativo, con una caída constante en las exportaciones desde 2021, lo que refleja una pérdida de relevancia del mercado ruso para México en términos de ventas externas.

# 2. Evolución de los 5 principales sectores (2014-2023) ----
top_5_sectores <- datos_largo %>%
  filter(Año == 2023) %>%  # Usar 2023 como referencia para identificar principales
  group_by(Capitulo) %>%
  summarise(Valor_Total = sum(Valor_Comercial, na.rm = TRUE)) %>%
  top_n(5, Valor_Total) %>%
  pull(Capitulo)

plot_top_evolucion <- datos_largo %>%
  filter(Capitulo %in% top_5_sectores, Año <= 2023) %>%
  group_by(Capitulo, Año) %>%
  summarise(Valor_Total = sum(Valor_Comercial, na.rm = TRUE)) %>%
  ggplot(aes(x = Año, y = Valor_Total, color = Capitulo, group = Capitulo)) +
  geom_line(size = 1.2) +
  geom_point(size = 2) +
  labs(title = "Evolución de los 5 Principales Sectores (2014-2023)",
       y = "Valor Comercial (USD)",
       x = "Año",
       color = "Sector") +
  theme_minimal() +
  scale_y_continuous(labels = scales::dollar_format()) +
  scale_x_continuous(breaks = seq(2014, 2023, 1)) +
  scale_color_brewer(palette = "Set1") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

ggplotly(plot_top_evolucion) %>% 
  layout(xaxis = list(tickvals = seq(2014, 2023, 1)))

Evolución de los 5 Principales Sectores (2014-2023)

Dominio del Sector Maquinaria:

El sector de Máquinas lideró las exportaciones a Rusia entre 2014 y 2021, reflejando su papel central en la relación comercial. Sin embargo, a partir de 2022, sufrió una caída drástica, lo que evidencia una ruptura fuerte en esta categoría clave.

Retroceso Generalizado Post-2021:

Todos los sectores muestran caídas marcadas a partir de 2022, especialmente Rieles y Productos Alimenticios, lo que sugiere un impacto estructural que afectó transversalmente al comercio sectorial.

Resiliencia Relativa en Productos Vegetales y Químicos:

A pesar del declive general, Productos del Reino Vegetal y Productos Químicos mantienen una estabilidad relativa, con niveles más bajos pero sin colapso total. Esto indica posibles nichos de exportación con menor sensibilidad geopolítica.

# 7. Heatmap de participación por sector y año ----
heatmap_data <- datos_largo %>%
  group_by(Capitulo, Año) %>%
  summarise(Share = sum(Share_Anual, na.rm = TRUE)) %>%
  filter(Share > 0.01)  # Solo sectores con más del 1% de participación

plot_heatmap <- ggplot(heatmap_data, aes(x = Año, y = reorder(Capitulo, Share), fill = Share)) +
  geom_tile() +
  scale_fill_gradient(low = "white", high = "#e74c3c", labels = scales::percent_format()) +
  labs(title = "Evolución de Participación por Sector",
       y = "Sector",
       x = "Año",
       fill = "Participación") +
  theme_minimal() +
  theme(axis.text.y = element_text(size = 8))

ggplotly(plot_heatmap)

Análisis del Heatmap de Participación Sectorial:

Dominio Industrial Tradicional:

Transporte y Máquinas fueron los sectores dominantes entre 2013 y 2021, con participaciones que superaron el 40%, destacando una clara orientación hacia bienes de capital.

Cambio Radical Post-2022:

A partir de 2022 se observa una reconfiguración sectorial: Máquinas pierde participación, mientras Productos del Reino Vegetal y Alimenticios aumentan su peso relativo, lo que sugiere un retroceso hacia exportaciones más básicas.

Diversificación Limitada:

Sectores como Productos Químicos, Minerales y Rieles tienen una presencia intermitente y marginal, lo que indica una falta de diversificación estructural en la oferta exportable.

Concentración Sectorial Crítica:

La fuerte concentración en pocos sectores industriales vuelve vulnerable la relación comercial ante shocks externos, como sanciones o disrupciones logísticas.

Tendencias en la relación comercial Mexico-Rusia (Importaciones)

# Cargar librerías necesarias
library(tidyverse)
library(plotly)
library(DT)
library(lubridate)
library(reshape2)
library(kableExtra)
library(readxl)

# 1. Cargar datos específicos de IMPORTACIONES desde Excel
COMPLETO_MEX_CHINA2 <- read_excel("Completo Mex-Rusia.xlsx", 
    sheet = "Importaciones_Mex-Rusia")

# Convertir columnas Trade Value a numérico
COMPLETO_MEX_CHINA2 <- COMPLETO_MEX_CHINA2 %>%
  mutate(across(starts_with("Trade Value"), ~ as.numeric(.))) %>%
  mutate(across(starts_with("Share"), ~ as.numeric(.)))  # <--- Agregado

# 2. Preparación de datos para IMPORTACIONES
datos_largo_import <- COMPLETO_MEX_CHINA2 %>%
  select(-starts_with("Share")) %>%
  pivot_longer(
    cols = starts_with("Trade Value"),
    names_to = "Año",
    values_to = "Valor_Comercial"
  ) %>%
  mutate(
    Año = as.numeric(str_extract(Año, "\\d+")),
    Capitulo = `Chapter 4 Digit`,
    Sector_HS2 = `HS2 4 Digit`
  )

# Calcular shares anuales para IMPORTACIONES
datos_largo_import <- datos_largo_import %>%
  left_join(
    COMPLETO_MEX_CHINA2 %>%
      select(`Chapter 4 Digit`, contains("Share")) %>%
      pivot_longer(
        cols = -`Chapter 4 Digit`,
        names_to = "Año_share",
        values_to = "Share_Original"
      ) %>%
      mutate(Año = as.numeric(str_extract(Año_share, "\\d+"))),
    by = c("Capitulo" = "Chapter 4 Digit", "Año")
  )

# 3. Análisis de tendencias generales de IMPORTACIONES
evolucion_import_total <- datos_largo_import %>%
  group_by(Año) %>%
  summarise(Valor_Total = sum(Valor_Comercial, na.rm = TRUE))

plot_evolucion_import <- ggplot(evolucion_import_total, aes(x = Año, y = Valor_Total)) +
  geom_line(color = "#2c3e50", size = 1.5) +
  geom_point(color = "#e74c3c", size = 3) +
  labs(title = "Evolución de Importaciones Totales México-Rusia",
       y = "Valor de Importación (USD)",
       x = "Año") +
  theme_minimal() +
  scale_y_continuous(labels = scales::dollar_format()) +
  scale_x_continuous(breaks = seq(min(evolucion_import_total$Año, na.rm = TRUE), 
                                  max(evolucion_import_total$Año, na.rm = TRUE), by = 1)) +
  theme(plot.title = element_text(face = "bold", size = 14),
        axis.text.x = element_text(angle = 45, hjust = 1))

ggplotly(plot_evolucion_import) %>%
  layout(hoverlabel = list(bgcolor = "white"))

Analisis Grafico total importaciones:

Urge diversificar proveedores y fomentar la producción nacional para mitigar riesgos externos y garantizar la estabilidad del abasto.

COMPLETO_MEX_CHINA2 <- read_excel("Completo Mex-Rusia.xlsx", 
    sheet = "Importaciones_Mex-Rusia") %>%
  mutate(across(starts_with("Trade Value"), ~ as.numeric(.))) %>%
  mutate(across(starts_with("Share"), ~ as.numeric(.)))  # <- Conversión clave


# 2. Preparar datos en formato largo
datos_largo_import <- COMPLETO_MEX_CHINA2 %>%
  select(-starts_with("Share")) %>%
  pivot_longer(
    cols = starts_with("Trade Value"),
    names_to = "Año",
    values_to = "Valor_Comercial"
  ) %>%
  mutate(
    Año = as.numeric(str_extract(Año, "\\d+")),
    Capitulo = `Chapter 4 Digit`
  ) %>%
  filter(Año <= 2023)

# 3. Calcular shares anuales (CORRECCIÓN: usando los shares originales)
datos_largo_import <- datos_largo_import %>%
  left_join(
    COMPLETO_MEX_CHINA2 %>%
      select(`Chapter 4 Digit`, contains("Share")) %>%
      pivot_longer(
        cols = -`Chapter 4 Digit`,
        names_to = "Año_share",
        values_to = "Share_Original"
      ) %>%
      mutate(Año = as.numeric(str_extract(Año_share, "\\d+"))),
    by = c("Capitulo" = "Chapter 4 Digit", "Año")
  )

# 4. Identificar top 5 sectores en 2023
top_5_sectores_import <- datos_largo_import %>%
  filter(Año == 2023) %>%
  group_by(Capitulo) %>%
  summarise(Valor_Total = sum(Valor_Comercial, na.rm = TRUE)) %>%
  top_n(5, Valor_Total) %>%
  pull(Capitulo)

# 5. Gráfico de evolución
plot_top_evolucion_import <- datos_largo_import %>%
  filter(Capitulo %in% top_5_sectores_import) %>%
  group_by(Capitulo, Año) %>%
  summarise(
    Valor_Total = sum(Valor_Comercial, na.rm = TRUE),
    Share_Promedio = mean(Share_Original, na.rm = TRUE),
    .groups = 'drop'
  ) %>%
  ggplot(aes(x = Año, y = Valor_Total, color = Capitulo)) +
  geom_line(size = 1) +
  geom_point(size = 2) +
  labs(title = "Top 5 Sectores de Importación México-Rusia (2014-2023)",
       y = "Valor (USD)",
       x = "Año") +
  scale_y_continuous(labels = scales::dollar_format()) +
  scale_x_continuous(breaks = seq(2014, 2023, 1)) +
  theme_minimal()

ggplotly(plot_top_evolucion_import)

Análisis de los 5 Principales Sectores de Importación (2014-2023):

Explosión de Rieles en 2021:

Las importaciones de rieles alcanzaron su máximo histórico en 2021 (~80 mil millones USD), dominando temporalmente el comercio bilateral.

Químicos con Crecimiento Sostenido:

El sector de Productos Químicos mantiene una tendencia ascendente constante, convirtiéndose en un actor clave tras 2019.

Máquinas en Retroceso:

Aunque históricamente relevantes, las importaciones de máquinas han disminuido desde 2018, cediendo protagonismo a otros sectores.

Estabilidad de Vegetales y Plásticos:

Productos del Reino Vegetal y Plásticos/Cauchos presentan baja pero estable participación, sin cambios significativos en la última década.

# Cargar datos específicos de IMPORTACIONES desde Excel
# Convertir columnas 'Trade Value XXXX' a numérico (para evitar errores en pivot_longer)
COMPLETO_MEX_CHINA2 <- COMPLETO_MEX_CHINA2 %>%
  mutate(across(starts_with("Trade Value"), ~ as.numeric(.)))


# Preparar datos en formato largo para IMPORTACIONES
datos_largo_import <- COMPLETO_MEX_CHINA2 %>%
  select(-starts_with("Share")) %>%
  pivot_longer(
    cols = starts_with("Trade Value"),
    names_to = "Año",
    values_to = "Valor_Comercial"
  ) %>%
  mutate(
    Año = as.numeric(str_extract(Año, "\\d+")),
    Capitulo = `Chapter 4 Digit`,
    Sector_HS2 = `HS2 4 Digit`
  ) %>%
  filter(Año <= 2023)  # Excluir 2024 si es necesario

# Calcular shares anuales para IMPORTACIONES
datos_largo_import <- datos_largo_import %>%
  group_by(Año) %>%
  mutate(Share_Anual = Valor_Comercial / sum(Valor_Comercial, na.rm = TRUE)) %>%
  ungroup()

# 7. Heatmap de participación por sector y año para IMPORTACIONES ----
heatmap_import_data <- datos_largo_import %>%
  group_by(Capitulo, Año) %>%
  summarise(Share = sum(Share_Anual, na.rm = TRUE)) %>%
  filter(Share > 0.01)  # Solo sectores con más del 1% de participación

plot_heatmap_import <- ggplot(heatmap_import_data, 
                             aes(x = Año, 
                                 y = reorder(Capitulo, Share), 
                                 fill = Share,
                                 text = paste("Sector:", Capitulo, 
                                             "<br>Año:", Año,
                                             "<br>Participación:", scales::percent(Share, accuracy = 0.1)))) +
  geom_tile(color = "white", linewidth = 0.3) +
  scale_fill_gradient(low = "white", 
                     high = "#e74c3c", 
                     labels = scales::percent_format(),
                     name = "Participación") +
  labs(title = "Participación de Sectores en IMPORTACIONES México-Rusia (2014-2023)",
       subtitle = "Sectores con >1% participación anual",
       y = "Sector",
       x = "Año") +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.y = element_text(size = 8),
    axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_text(face = "bold", color = "#2c3e50"),
    plot.subtitle = element_text(color = "#7f8c8d"),
    panel.grid = element_blank()
  ) +
  scale_x_continuous(breaks = seq(2014, 2023, 1))

# Versión interactiva con Plotly
ggplotly(plot_heatmap_import, tooltip = "text") %>%
  layout(
    margin = list(l = 100, r = 50),  # Ajustar márgenes para etiquetas
    xaxis = list(tickangle = -45),
    title = list(text = paste0("Participación de Importaciones México-Rusia (2014-2023)"))
  )

Análisis de Participación Sectorial en Importaciones México-Rusia

Rieles y Químicos dominan las importaciones desde Rusia, concentrando hasta el 60% del total, revelando una alta dependencia sectorial.
Máquinas, Plásticos y Vegetales muestran participación marginal, sin consolidarse como sectores clave en la relación comercial.
Oportunidad para México: fomentar sustitución de importaciones en químicos y rieles mediante política industrial e inversión tecnológica.

Mex-Rusia

Miguel Rosero

2025-06-18