Este documento incorpora la metodología y las funciones especializadas desarrolladas por el MSF. Carlos Ademir Pérez, Docente de la Facultad de Ciencias Económicas de la Universidad de El Salvador (UES).
Las funciones para el cálculo de indicadores de posición y dinamismo comercial se basan en sus aportes metodológicos publicados en RPubs: * Construcción de Base de Comercio Exterior: RPubs - ca_ademir / basecomercioexterior * Indicadores de Comercio Exterior: RPubs - ca_ademir / indicadores_comercio * Ranking Comercio Exterior: RPubs - ca_ademir / ranking_export
Referencia teórica: Durán Lima, José E. y Mariano Alvarez (2008), “Indicadores de comercio exterior y política comercial: mediciones de posición y dinamismo comercial”, CEPAL.
En esta sección se importan y consolidan los archivos individuales de datos de comercio exterior.
Procesamiento de los registros de compras internacionales:
# Directorio de trabajo para importaciones
setwd("C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTERIOR/importacion")
# Lectura masiva de archivos delimitados por pipe (|)
archivos_importar <- list.files()
lista_importacion <- lapply(
archivos_importar,
FUN = read_delim,
delim = "|",
col_names = c("pais", "sac", "anio", "mes", "valor_cif", "kilogramos"),
col_types = cols(
pais = "c",
sac = "c",
anio = "d",
mes = "d",
valor_cif = "d",
kilogramos = "d"
),
skip = 1
)
# Ensamblar dataframes en un único objeto
data_importaciones <- bind_rows(lista_importacion)
# Visualización de muestra
data_importaciones %>%
head() %>%
kable(
format = "html",
caption = "El Salvador: Base Muestra de Importaciones",
align = "c"
) %>%
kable_styling(
bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = TRUE,
position = "center"
) %>%
add_footnote(label = "Fuente: Elaboración propia con base en datos del Banco Central de Reserva (BCR)", notation = "symbol")| pais | sac | anio | mes | valor_cif | kilogramos |
|---|---|---|---|---|---|
| GROENLANDIA | 3814001000 | 2022 | 5 | 3795.41 | 633.22 |
| CANADA | 0511100000 | 2022 | 4 | 17565.11 | 38.00 |
| CANADA | 0712209000 | 2022 | 3 | 512.59 | 118.73 |
| CANADA | 0712209000 | 2022 | 6 | 499.48 | 92.13 |
| CANADA | 0712909000 | 2022 | 3 | 2231.66 | 729.32 |
| CANADA | 0713200000 | 2022 | 3 | 1522.28 | 1881.60 |
| * Fuente: Elaboración propia con base en datos del Banco Central de Reserva (BCR) |
Procesamiento de los registros de ventas internacionales:
# Directorio de trabajo para exportaciones
setwd("C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTERIOR/exportacion")
# Lectura masiva de archivos
archivos_exportar <- list.files()
lista_exportacion <- lapply(
archivos_exportar,
FUN = read_delim,
delim = "|",
col_names = c("pais", "sac", "anio", "mes", "valor_fob", "kilogramos"),
col_types = cols(
pais = "c",
sac = "c",
anio = "d",
mes = "d",
valor_fob = "d",
kilogramos = "d"
),
skip = 1
)
# Ensamblar dataframes en un único objeto
data_exportaciones <- bind_rows(lista_exportacion)
# Visualización de muestra
data_exportaciones %>%
head() %>%
kable(
format = "html",
caption = "El Salvador: Base Muestra de Exportaciones",
align = "c"
) %>%
kable_styling(
bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = TRUE,
position = "center"
) %>%
add_footnote(label = "Fuente: Elaboración propia con base en datos del Banco Central de Reserva (BCR)", notation = "symbol")| pais | sac | anio | mes | valor_fob | kilogramos |
|---|---|---|---|---|---|
| CANADA | 0106190000 | 2022 | 6 | 600.00 | 9.98 |
| CANADA | 0106200000 | 2022 | 6 | 4620.00 | 10.00 |
| CANADA | 0602100000 | 2022 | 1 | 1055690.77 | 16511.64 |
| CANADA | 0602100000 | 2022 | 2 | 819959.20 | 12047.40 |
| CANADA | 0602100000 | 2022 | 3 | 253333.70 | 2928.69 |
| CANADA | 0602100000 | 2022 | 4 | 49719.91 | 639.52 |
| * Fuente: Elaboración propia con base en datos del Banco Central de Reserva (BCR) |
Consolidación de las bases de Importaciones (\(CIF\)) y Exportaciones (\(FOB\)) mediante una unión completa
(full_join) y tratamiento de valores nulos.
# Unir flujos comerciales por llaves principales
data_comercio_exterior <- data_importaciones %>%
full_join(
data_exportaciones,
by = c("pais", "sac", "anio", "mes"),
suffix = c("_importaciones", "_exportaciones")
) %>%
replace_na(
list(
valor_cif = 0,
valor_fob = 0,
kilogramos_importaciones = 0,
kilogramos_exportaciones = 0
)
) %>%
arrange(pais, anio, mes, sac)
# Visualización del consolidado
data_comercio_exterior %>%
head() %>%
kable(
format = "html",
caption = "Base Consolidada de Comercio Exterior de El Salvador",
align = "c"
) %>%
kable_styling(
bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = TRUE,
position = "center"
) %>%
add_footnote(label = "Fuente: Elaboración propia con base en datos del BCR", notation = "symbol")| pais | sac | anio | mes | valor_cif | kilogramos_importaciones | valor_fob | kilogramos_exportaciones |
|---|---|---|---|---|---|---|---|
| AFGANISTAN | 8708990000 | 2022 | 2 | 220.50 | 0.29 | 0 | 0 |
| AFGANISTAN | 8471900000 | 2022 | 5 | 665.90 | 4.00 | 0 | 0 |
| AFGANISTAN | 5702310000 | 2022 | 6 | 913.74 | 22.02 | 0 | 0 |
| AFGANISTAN | 5702502000 | 2022 | 6 | 566.35 | 11.36 | 0 | 0 |
| AFGANISTAN | 6111200000 | 2022 | 8 | 213.69 | 1.56 | 0 | 0 |
| AFGANISTAN | 8536509000 | 2022 | 9 | 42.28 | 2.00 | 0 | 0 |
| * Fuente: Elaboración propia con base en datos del BCR |
# Guardar objeto en formato binario de R (.RData)
save(
data_comercio_exterior,
file = "C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTERIOR/data_comercio_exterior.RData"
)# Carga directa del objeto de datos previamente procesado
load("C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTERIOR/data_comercio_exterior.RData")Ejecución del script con las funciones desarrolladas por MSF. Carlos Ademir Pérez para el cálculo de indicadores internacionales:
# Carga de script de funciones
source(
file = "C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_COMERCIO_EXTERIOR/funciones_comercio_exterior.R",
echo = TRUE,
max.deparse.length = 100,
encoding = "utf-8"
)##
## > options(scipen = 999)
##
## > library(dplyr)
##
## > library(readxl)
##
## > library(stringr)
##
## > load("C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTERIOR/data_com ..." ... [TRUNCATED]
##
## > nombre_archivo <- "C:/Users/jeffr/OneDrive/Desktop/MAE_CICLO2026/UNIDAD_1/BASE_DATOS_COMERCIO_EXTE ..." ... [TRUNCATED]
##
## > nombres_iso_paises <- read_excel(nombre_archivo)
##
## > nombres_iso_paises$nom_pais_esp <- toupper(nombres_iso_paises$nom_pais_esp)
##
## > data_comercio_exterior <- data_comercio_exterior %>%
## + left_join(nombres_iso_paises, by = c(p .... [TRUNCATED]
##
## > herramientas_mostrar_paises <- function() {
## + paises <- nombres_iso_paises %>% select(nom_pais .... [TRUNCATED]
##
## > herramientas_mostrar_regiones <- function() {
## + nombres_iso_paises %>% group_by(region, cod_re .... [TRUNCATED]
##
## > herramientas_mostrar_paises_en_tabla <- function() {
## + data_comercio_exterior %>% group_by(pai .... [TRUNCATED]
##
## > indicadores_IVCR_capitulo <- function(codigo_pais,
## + capitulo, anio) {
## + codigo_pais <- e .... [TRUNCATED]
##
## > indicadores_IVCR_partida <- function(codigo_pais,
## + partida, anio) {
## + codigo_pais <- enq .... [TRUNCATED]
##
## > indicadores_Balassa_capitulo <- function(codigo_pais,
## + capitulo, anio, normalizado = TRUE) { .... [TRUNCATED]
##
## > indicadores_Balassa_partida <- function(codigo_pais,
## + partida, anio, normalizado = TRUE) {
## + .... [TRUNCATED]
##
## > indicadores_IHH_Herfindahl_Hirschmann_anual_texto <- function(codigo_pais,
## + anio, normalizad .... [TRUNCATED]
##
## > indicadores_IHH_Herfindahl_Hirschmann_anual <- function(codigo_pais,
## + anio, normalizado = TR .... [TRUNCATED]Demostración del uso de las funciones para explorar catálogos y calcular indicadores clave de competitividad en comercio exterior.
# Mostrar primeros países del catálogo
herramientas_mostrar_paises() %>%
head() %>%
kable(caption = "Catálogo de Países", align = "c") %>%
kable_material(html_font = "sans-serif")| nom_pais_esp | codigo_pais | region | cod_region | region_intermedia | cod_region_intermedia |
|---|---|---|---|---|---|
| AFGANISTAN | 4 | Asia | 142 | NA | NA |
| ALBANIA | 8 | Europa | 150 | NA | NA |
| ALEMANIA | 276 | Europa | 150 | NA | NA |
| ANDORRA | 20 | Europa | 150 | NA | NA |
| ANGOLA | 24 | África | 2 | África Central | 17 |
| ANGUILA (R.U.) | 660 | Américas | 19 | Caribe | 29 |
# Mostrar regiones
herramientas_mostrar_regiones() %>%
head() %>%
kable(caption = "Catálogo de Regiones", align = "c") %>%
kable_material(html_font = "sans-serif")| region | cod_region | region_intermedia | cod_region_intermedia | # de Paises incluidos |
|---|---|---|---|---|
| Américas | 19 | Caribe | 29 | 26 |
| Américas | 19 | Centroamérica | 13 | 8 |
| Américas | 19 | Sudamerica | 5 | 13 |
| Américas | 19 | NA | NA | 5 |
| Asia | 142 | NA | NA | 50 |
| Europa | 150 | Islas Del Canal | 830 | 1 |
# Mostrar catálogo general en formato tabla
herramientas_mostrar_paises_en_tabla() %>%
head() %>%
kable(caption = "Matriz Geográfica Completa", align = "c") %>%
kable_material(html_font = "sans-serif")| pais | anio | # Transacciones |
|---|---|---|
| AFGANISTAN | 2022 | 6 |
| AFGANISTAN | 2023 | 1 |
| AFGANISTAN | 2024 | 5 |
| AFGANISTAN | 2025 | 8 |
| AFGANISTAN | 2026 | 1 |
| ALBANIA | 2022 | 22 |
Evaluación de la competitividad por capítulo arancelario:
# Cálculo de IVCR para el capítulo '01' (2022-2026)
Resultados_IVCR <- data.frame(
"años" = 2022:2026,
"IVCR" = sapply(
X = 2022:2026,
FUN = indicadores_IVCR_capitulo,
codigo_pais = 840,
capitulo = "01"
)
)
Resultados_IVCR %>%
kable(align = "c", caption = "Evolución del Índice IVCR (Capítulo 01)") %>%
kable_material(html_font = "sans-serif")| años | IVCR |
|---|---|
| 2022 | -0.1519356 |
| 2023 | -0.1973216 |
| 2024 | -0.2803035 |
| 2025 | -0.2512482 |
| 2026 | -0.2419462 |
Medición de la especialización comercial intra-producto:
# Cálculo de Índice de Balassa para el capítulo '01' (2023-2024)
Resultados_Balassa <- data.frame(
"años" = 2023:2025,
"IB" = sapply(
X = 2023:2025,
FUN = indicadores_Balassa_capitulo,
codigo_pais = 840,
capitulo = "01"
)
)
Resultados_Balassa %>%
kable(align = "c", caption = "Evolución del Índice de Balassa (Capítulo 01)") %>%
kable_material(html_font = "sans-serif")| años | IB |
|---|---|
| 2023 | 0.4862753 |
| 2024 | 0.5094811 |
| 2025 | 0.3896520 |
#Seleccionar Años
anios_ranking<-2022:2026
data_comercio_exterior %>%
filter(anio %in% anios_ranking) ->data_ranking
data_ranking %>%
group_by(anio,iso_3) %>%
summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>%
slice_max(n = 5,order_by = total) %>%
as.data.frame() %>%
group_by(anio) %>%
mutate(rank = row_number(),
data=paste(iso_3,"|",percent,sep = "")) %>%
select(anio,data,rank) %>% as.data.frame() -> insumo_reporte
print(insumo_reporte)## anio data rank
## 1 2022 USA|38.78 1
## 2 2022 GTM|17.05 2
## 3 2022 HND|16.65 3
## 4 2022 NIC|6.98 4
## 5 2022 CRI|4.27 5
## 6 2023 USA|35.6 1
## 7 2023 GTM|18.45 2
## 8 2023 HND|16.3 3
## 9 2023 NIC|7.85 4
## 10 2023 CRI|4.79 5
## 11 2024 USA|33.84 1
## 12 2024 GTM|19.53 2
## 13 2024 HND|16.14 3
## 14 2024 NIC|8.94 4
## 15 2024 CRI|4.71 5
## 16 2025 USA|32.45 1
## 17 2025 GTM|19.64 2
## 18 2025 HND|16.74 3
## 19 2025 NIC|9.12 4
## 20 2025 CRI|4.45 5
## 21 2026 USA|32.53 1
## 22 2026 GTM|19.46 2
## 23 2026 HND|15.44 3
## 24 2026 NIC|8.7 4
## 25 2026 CRI|4.51 5library(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank,values_from = data)->mi_tabla
print(mi_tabla)## # A tibble: 5 × 6
## anio `1` `2` `3` `4` `5`
## <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 2022 USA|38.78 GTM|17.05 HND|16.65 NIC|6.98 CRI|4.27
## 2 2023 USA|35.6 GTM|18.45 HND|16.3 NIC|7.85 CRI|4.79
## 3 2024 USA|33.84 GTM|19.53 HND|16.14 NIC|8.94 CRI|4.71
## 4 2025 USA|32.45 GTM|19.64 HND|16.74 NIC|9.12 CRI|4.45
## 5 2026 USA|32.53 GTM|19.46 HND|15.44 NIC|8.7 CRI|4.51mi_tabla %>%
kable(caption = paste("Top",5,"de Exportaciones periodo",
min(anios_ranking),"-",max(anios_ranking))) %>%
add_footnote(label = "Elaboración propia con base en datos del BCR") | anio | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 2022 | USA|38.78 | GTM|17.05 | HND|16.65 | NIC|6.98 | CRI|4.27 |
| 2023 | USA|35.6 | GTM|18.45 | HND|16.3 | NIC|7.85 | CRI|4.79 |
| 2024 | USA|33.84 | GTM|19.53 | HND|16.14 | NIC|8.94 | CRI|4.71 |
| 2025 | USA|32.45 | GTM|19.64 | HND|16.74 | NIC|9.12 | CRI|4.45 |
| 2026 | USA|32.53 | GTM|19.46 | HND|15.44 | NIC|8.7 | CRI|4.51 |
Note: aElaboración propia con base en datos del BCR