Introducción

Los datos del World Bank Indicators (WBI) son una fuente completa de indicadores económicos, sociales y medioambientales de más de 200 países.

Fuente: WB

Instalar paquetes y llamar librerías

#install.packages("WDI")
library(WDI)
#install.packages("wbstats")
library(wbstats)
#install.packages("tidyverse")
library(tidyverse)
#install.packages("ggplot2")
library(ggplot2)

Información de 1 país

gdp_mexico <- wb_data(country = "MX", indicator = "NY.GDP.PCAP.CD",
start_date= 1900, end_date=2024)
# (ISO3166-2 country codes)

Enteder la Base de datos

summary(gdp_mexico)
##     iso2c              iso3c             country               date     
##  Length:65          Length:65          Length:65          Min.   :1960  
##  Class :character   Class :character   Class :character   1st Qu.:1976  
##  Mode  :character   Mode  :character   Mode  :character   Median :1992  
##                                                           Mean   :1992  
##                                                           3rd Qu.:2008  
##                                                           Max.   :2024  
##  NY.GDP.PCAP.CD        unit            obs_status          footnote        
##  Min.   :  355.1   Length:65          Length:65          Length:65         
##  1st Qu.: 1465.5   Class :character   Class :character   Class :character  
##  Median : 4183.9   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 5238.3                                                           
##  3rd Qu.: 9097.9                                                           
##  Max.   :14185.8                                                           
##   last_updated       
##  Min.   :2026-02-24  
##  1st Qu.:2026-02-24  
##  Median :2026-02-24  
##  Mean   :2026-02-24  
##  3rd Qu.:2026-02-24  
##  Max.   :2026-02-24
head(gdp_mexico)
## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>   
## 1 MX    MEX   Mexico   1960           355. <NA>  <NA>       <NA>    
## 2 MX    MEX   Mexico   1961           374. <NA>  <NA>       <NA>    
## 3 MX    MEX   Mexico   1962           388. <NA>  <NA>       <NA>    
## 4 MX    MEX   Mexico   1963           420. <NA>  <NA>       <NA>    
## 5 MX    MEX   Mexico   1964           481. <NA>  <NA>       <NA>    
## 6 MX    MEX   Mexico   1965           506. <NA>  <NA>       <NA>    
## # ℹ 1 more variable: last_updated <date>
tail(gdp_mexico)
## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>   
## 1 MX    MEX   Mexico   2019         10370. <NA>  <NA>       <NA>    
## 2 MX    MEX   Mexico   2020          8841. <NA>  <NA>       <NA>    
## 3 MX    MEX   Mexico   2021         10314. <NA>  <NA>       <NA>    
## 4 MX    MEX   Mexico   2022         11406. <NA>  <NA>       <NA>    
## 5 MX    MEX   Mexico   2023         13861. <NA>  <NA>       <NA>    
## 6 MX    MEX   Mexico   2024         14186. <NA>  <NA>       <NA>    
## # ℹ 1 more variable: last_updated <date>

Graficas del Tiempo

ggplot(gdp_mexico, aes(x = date, y = NY.GDP.PCAP.CD)) +
geom_point()

ggplot(gdp_mexico, aes(x = date, y = NY.GDP.PCAP.CD)) +
geom_col()

ggplot(gdp_mexico, aes(x = date, y = NY.GDP.PCAP.CD)) +
geom_col(fill = "cyan") +
geom_point(color = "blue") +
labs(title="Producto Interno Bruto en México (US per Capita)", x =
"Año", y = "PIB")

Información de varios paises

gdp_varios <- wb_data(country = c("MX","CU", "PE", "CL"), indicator =
"NY.GDP.PCAP.CD", start_date= 1960, end_date=2024)
ggplot(gdp_varios, aes(x=date, y=NY.GDP.PCAP.CD, color=country))+
geom_point()
## Warning: Removed 14 rows containing missing values or values outside the scale range
## (`geom_point()`).

Conclusión

Durante el período de 1960 a 2025, los cuatro países latinoamericanos analizados mostraron un crecimiento sostenido en su PIB per cápita, aunque con diferencias notables entre ellos. Chile se posicionó como el país con mayor crecimiento, alcanzando cerca de 17,000 USD per cápita hacia 2025, impulsado especialmente por su apertura económica desde los años 80. México ocupó el segundo lugar con aproximadamente 14,000 USD, mientras que Cuba y Perú se mantuvieron por debajo de los 10,000 USD, siendo Cuba el que mostró un crecimiento más moderado y estable a lo largo del tiempo. Destaca también una caída visible en todos los países alrededor de 2020, atribuible al impacto económico de la pandemia de COVID-19, seguida de una rápida recuperación en los años posteriores.

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