Gross fixed capital formation (GFCF)
Валовое накопление основного капитала
Калиновский А.
Synopsis
Gross fixed capital formation (GFCF) is defined as the acquisition (including purchases of new or second-hand assets) and creation of assets by producers for their own use, minus disposals of produced fixed assets. The relevant assets relate to products that are intended for use in the production of other goods and services for a period of more than a year. The term “produced assets” means that only those assets that come into existence as a result of a production process recognised in the national accounts are included. Data are under 2008 System of National Accounts (SNA 2008) for all countries except for Chile, Japan and Turkey (SNA 1993). This indicator is in million USD at current prices and PPPs, and in annual growth rates.
Data Processing
Load Packages
library(dplyr)
library(ggplot2)
library(gridExtra)
library(wbstats) Load Data
Используя пакет wbstats для работы с базами данных Всемирного Банка, выбираем индикатор, который относится к валовым накоплениям основного капитала стран мира - NE.GDI.FTOT.CD.
# Выбираем индикатор, и загружаем даты с 91 по 15 года
gfcf_data <- wb(indicator = "NE.GDI.FTOT.CD", startdate = 1991, enddate = 2015)Clean Data (Очистка данных)
# Убираем лишние колонки
gfcf_data <- select(gfcf_data, -(indicatorID:iso2c))
# Значения колонок date и country делаем factor
gfcf_data$date <- as.numeric(gfcf_data$date)
gfcf_data$country <- as.factor(gfcf_data$country)
# Для более удобной работы с цифрами, уменьшаем ЗВР на миллиард, и округляем до 3 цифер после запятой
gfcf_data$value <- gfcf_data$value/1000000000
gfcf_data$value <- round(gfcf_data$value, 3)
# Даем имена колонкам
colnames(gfcf_data) <- c("value", "year", "country")
head(gfcf_data)## value year country
## 1 686.729 2015 Arab World
## 2 705.577 2014 Arab World
## 3 675.033 2013 Arab World
## 4 624.854 2012 Arab World
## 5 556.125 2011 Arab World
## 6 517.164 2010 Arab WorldАнализируем страны бывшего СССР
Проанализируем с начала страны бывшего Советского Союза. Как менялись инвестиции в основные фонды этих стран и их накопления с периода распада Союза.
# Вытягиваем из таблицы страны, которые составляли ядро СССР
gfcfn <- grep("Latvia|Lithuania|Ukraine|Belarus|Kazakhstan", gfcf_data$country)
gfcfnR <- grep("Russia", gfcf_data$country)
# Создаем новую таблицу бывших стран Союза
gfcf <- data.frame()
for(i in gfcfn){
gfcf <- rbind(gfcf, gfcf_data[i,])
}
# Создаем таблицу только для Российской Федерации, как лидера СССР
gfcfR <- data.frame()
for(i in gfcfnR){
gfcfR <- rbind(gfcfR, gfcf_data[i,])
}Отчет по таблицам валового накопления основного капитала по странам бывшего СССР и РФ
summary(gfcf)## value year country
## Min. : 0.827 Min. :1991 Belarus :25
## 1st Qu.: 3.705 1st Qu.:1998 Ukraine :24
## Median : 7.119 Median :2004 Kazakhstan :23
## Mean :11.881 Mean :2004 Latvia :21
## 3rd Qu.:15.851 3rd Qu.:2010 Lithuania :21
## Max. :51.781 Max. :2015 Afghanistan: 0
## (Other) : 0summary(gfcfR)## value year country
## Min. : 28.18 Min. :1991 Russian Federation :25
## 1st Qu.: 78.35 1st Qu.:1997 Afghanistan : 0
## Median :110.17 Median :2003 Albania : 0
## Mean :185.92 Mean :2003 Algeria : 0
## 3rd Qu.:291.07 3rd Qu.:2009 Angola : 0
## Max. :451.18 Max. :2015 Antigua and Barbuda: 0
## (Other) : 0График накоплений основного капитала по странам бывшего СССР
# График накоплений
p1 <- ggplot(data = gfcf, aes(x = year, y = value))+
geom_point(aes(colour=country))+
theme_bw()+
xlab("Year")+
ylab("Billions of $ USD")+
ggtitle("GFCF - USSR countries") +
facet_grid(country~., scales = "free")
p2 <- ggplot(data = gfcfR, aes(x = year, y = value))+
geom_point(colour="green")+
theme_bw()+
xlab("Year")+
ylab("Billions of $ USD")+
ggtitle("GFCF - Russia")
grid.arrange(p1, p2, ncol = 2)
# Объеденяем данные стран бывшего СССР и РФ в единую таблицу
gfcf <- rbind(gfcf, gfcfR)
# График накоплений основного капитала по странам бывшего СССР в целом -> подготовка данных
temp <- arrange(gfcf, year)
temp$year <- as.numeric(as.character(temp$year))
temp$value <- as.numeric(temp$value)
gfcfDF <- data.frame()
for(i in 1991:2015){
temp2 <- temp %>% filter(year == i)%>%
summarise(value = sum(value), year = i)
gfcfDF <- rbind(gfcfDF, temp2)
}
# График накоплений основного капитала по странам бывшего СССР в целом -> построение графика
ggplot(data = gfcfDF, aes(x = year, y = value))+
geom_point(aes(colour=year))+
theme_bw()+
xlab("Billions of $ USD")+
ylab("Year")+
ggtitle("GFCF - USSR countries")
Анализ валовых накоплений основных фондов стран АТР (Китай, Индия, Япония, Индонезия, Южная Корея, Россия, Сингапур, Тайланд, Малазия, Филипины, Вьетнам, Бангладеш)
# Вытягиваем из таблицы нужные для анализа страны. Ядро Азиатсоко Тихоокеанского Региона
atrn <- grep("India|Japan|Indonesia|Korea, Rep|Russia|Singapore|
|Thailand|Malasiya|Philippines|Vietnam|Bangladesh", gfcf_data$country)
# Создаем новую таблицу основных стран АТР (без Китая)
atr <- data.frame()
for(i in atrn){
atr <- rbind(atr, gfcf_data[i,])
}Добываем данные Китая и объеденяем с Гон-Конгом и Макао в единую таблицу под названием Китай
atrn <- grep("China", gfcf_data$country)
atrC <- data.frame()
for(i in atrn){
atrC <- rbind(atrC, gfcf_data[i,])
}
# Объеденяем данные Гон-Конга и Макао с общими данными Китая
atrC[grepl("Hong|Macao", atrC$country, ignore.case=T), c("country")] <- "China"
# Убераем повоторения China по годам
chinaHM <- data.frame()
temp2 <- filter(atrC, year == "1991" , country == "China")
temp2 <- list(sum(temp2$value), as.numeric(temp2[1,2]), "China")
chinaHM <- rbind(chinaHM, temp2)
# Создаем новую таблицу, которая объеденяет данные China, Hong-Kong и Macao
for (i in c(1992:2015)){
temp <- filter(atrC, year == i , country == "China")
temp <- c(sum(temp$value), as.numeric(temp[1,2]), "China")
chinaHM <- rbind(chinaHM, temp)
}
# Корректируем названия колонок и значение строк
chinaHM <- data.frame(value = chinaHM$X125.379, year = gl(25, 1, labels = c(1991:2015) ), country = "China")
chinaHM <- arrange(chinaHM, desc(year))
# Переводим колонку valuу из factor в numeric
chinaHM$value <- as.numeric(as.character(chinaHM$value))
# Добавляем Китай в таблицу выбранных стран АТР с очищенными выше данными
atr <- rbind(atr,chinaHM)
atr <- arrange(atr, country, year)
# Для возможности реализации графика
atr$value <- as.numeric(atr$value)
atr$year <- as.numeric(atr$year)Отчет по странам АТР
summary(atr)## value year country
## Min. : 3.952 Min. :1991 Bangladesh : 25
## 1st Qu.: 29.811 1st Qu.:1997 China : 25
## Median : 75.462 Median :2003 India : 25
## Mean : 342.539 Mean :2003 Indonesia : 25
## 3rd Qu.: 311.902 3rd Qu.:2009 Japan : 25
## Max. :4929.634 Max. :2015 Korea, Rep.: 25
## (Other) :122График роста валовых накоплений основных фондов по основным странам Азиатсоко Тихоокеанского Региона
# График роста валовых накоплений основных фондов ТОП6 стран АТР -> подготовка данных
atrtop6 <- atr %>% arrange(country, desc(year))
atrtop6 <- atrtop6[c(26:175,201:225),]
# График роста валовых накоплений основных фондов ТОП6 стран АТР -> построение графика
ggplot(data = atrtop6, aes(x = year, y = value))+
geom_point(aes(colour=country))+
theme_bw()+
xlab("Year")+
ylab("National Banks reserves")+
ggtitle("Reserves growth") +
facet_grid(country~., scales = "free")
# График роста валовых накоплений основных фондов ТОП6 стран АТР -> подготовка данных
atr2 <- arrange(atr, year)
atr2$year <- as.numeric(as.character(atr2$year))
atr2$value <- as.numeric(atr2$value)
atrDF <- data.frame()
for(i in 1991:2015){
tempatr <- atr2 %>% filter(year == i)%>%
summarise(value = sum(value), year = i)
atrDF <- rbind(atrDF, tempatr)
}
# График роста валовых накоплений основных фондов стран АТР в целом -> построение графика
ggplot(data = atrDF, aes(x = year, y = value))+
geom_point(aes(colour=year))+
theme_bw()+
xlab("Year")+
ylab("billion US dollars")+
ggtitle("ATR countries Reserves growth")
Рассмотрим теперь темпы роста валовых накоплений основных фондов странами Запада (США, Канада, ЕС, Австралия)
# Вытягиваем из таблицы нужные для анализа страны. Ядро западной цивилизации
westn <- grep("United States|Canada|Australia|Germany|France|Italy|
|Austria|Spain", gfcf_data$country)
# Создаем новую таблицу стран-ядра Западной цивилизации
west <- data.frame()
for(i in westn){
west <- rbind(west, gfcf_data[i,])
}Отчет по странам Западной цивилизация
summary(west)## value year country
## Min. : 46.08 Min. :1991 Australia:25
## 1st Qu.: 136.48 1st Qu.:1997 Austria :25
## Median : 310.03 Median :2003 Canada :25
## Mean : 566.00 Mean :2003 France :25
## 3rd Qu.: 520.38 3rd Qu.:2009 Germany :25
## Max. :3576.63 Max. :2015 Italy :25
## (Other) :50График роста валовых накоплений основного капитала по странам Западной цивилизации
# График роста валовых накоплений основного капитала стран Запада
ggplot(data = west, aes(x = year, y = value))+
geom_point(aes(colour=country))+
theme_bw()+
xlab("Year")+
ylab("billion US dollars")+
ggtitle("West countries Reserves growth")+
facet_grid(country~., scales = "free")
# График роста валовых накоплений основного капитала стран Запада в целом -> подготовка данных
west2 <- arrange(west, year)
west2$year <- as.numeric(as.character(west2$year))
westDF <- data.frame()
for(i in 1991:2015){
temp <- west2 %>% filter(year == i)%>%
summarise(value = sum(value), year = i)
westDF <- rbind(westDF, temp)
}
# График роста валовых накоплений основного капитала стран Запада в целом -> построение графика
ggplot(data = westDF, aes(x = year, y = value))+
geom_point(aes(colour=year))+
theme_bw()+
xlab("Year")+
ylab("billion US dollars")+
ggtitle("West countries Reserves growth")
Сравненин роста валовых накоплений основного капитала стран Запада и АТР
westDF$countries <- rep("West", 25)
atrDF$countries <- rep("ATR", 25)
s_ummery <- rbind(westDF, atrDF)
#Рост валовых накоплений основного капитала стран Запада и АТР по годам
s_ummery## value year countries
## 1 2659.450 1991 West
## 2 2797.794 1992 West
## 3 2688.831 1993 West
## 4 2859.376 1994 West
## 5 3144.582 1995 West
## 6 3276.187 1996 West
## 7 3293.740 1997 West
## 8 3493.697 1998 West
## 9 3698.725 1999 West
## 10 3804.198 2000 West
## 11 3787.860 2001 West
## 12 3834.247 2002 West
## 13 4289.829 2003 West
## 14 4821.418 2004 West
## 15 5259.806 2005 West
## 16 5678.904 2006 West
## 17 6112.586 2007 West
## 18 6296.120 2008 West
## 19 5380.078 2009 West
## 20 5473.785 2010 West
## 21 5895.068 2011 West
## 22 6000.242 2012 West
## 23 6176.548 2013 West
## 24 6360.128 2014 West
## 25 6116.028 2015 West
## 26 1649.845 1991 ATR
## 27 1746.517 1992 ATR
## 28 1905.657 1993 ATR
## 29 2159.845 1994 ATR
## 30 2449.183 1995 ATR
## 31 2396.178 1996 ATR
## 32 2212.310 1997 ATR
## 33 1903.994 1998 ATR
## 34 2071.367 1999 ATR
## 35 2249.367 2000 ATR
## 36 2116.591 2001 ATR
## 37 2102.185 2002 ATR
## 38 2370.075 2003 ATR
## 39 2723.168 2004 ATR
## 40 3008.691 2005 ATR
## 41 3298.939 2006 ATR
## 42 3859.377 2007 ATR
## 43 4562.802 2008 ATR
## 44 4901.352 2009 ATR
## 45 5717.737 2010 ATR
## 46 6766.673 2011 ATR
## 47 7354.907 2012 ATR
## 48 7692.574 2013 ATR
## 49 8063.760 2014 ATR
## 50 7887.578 2015 ATR#Сравнительный график роста валовых накоплений основного капитала стран Запада и АТР
ggplot(data = s_ummery, aes(x = year, y = value))+
geom_point(aes(colour=countries))+
theme_bw()+
xlab("Year")+
ylab("billion US dollars")+
ggtitle("ATR and West countries Gross fixed capital formation growth")
Отдельное сравнение роста валовых накоплений основного капитала США и Китая
# Для отдельного сравнения Китая и США, с общей таблицы данных выделим данные по США
temp <- grep("United States", gfcf_data$country)
# Создаем новую таблицу США
gfcfUS <- data.frame()
for(i in temp){
gfcfUS <- rbind(gfcfUS, gfcf_data[i,])
}
#Рост валовых накоплений основного капитала стран США и Китая
chimerica <- rbind(gfcfUS, chinaHM)
chimerica2 <- gfcfUS
chimerica2$China <- chinaHM$value
chimerica2$country <- NULL
chimerica2 <- chimerica2 %>% select(Year = year, USA = value, China = China)
chimerica2## Year USA China
## 6326 2015 3576.630 4929.634
## 6327 2014 3415.523 4800.275
## 6328 2013 3206.215 4446.048
## 6329 2012 3064.346 3947.531
## 6330 2011 2835.999 3462.721
## 6331 2010 2691.107 2798.059
## 6332 2009 2672.714 2342.095
## 6333 2008 3091.436 1893.379
## 6334 2007 3201.496 1431.159
## 6335 2006 3166.024 1142.189
## 6336 2005 2981.170 967.026
## 6337 2004 2701.280 831.949
## 6338 2003 2473.921 688.012
## 6339 2002 2350.064 567.675
## 6340 2001 2380.555 504.206
## 6341 2000 2369.468 451.204
## 6342 1999 2191.844 409.120
## 6343 1998 2013.011 399.388
## 6344 1997 1854.201 366.378
## 6345 1996 1721.211 331.362
## 6346 1995 1593.990 289.321
## 6347 1994 1486.871 241.254
## 6348 1993 1377.899 203.503
## 6349 1992 1292.800 162.691
## 6350 1991 1238.830 125.379# Для коректного отображения на графике, переводим year в numeric
chimerica$year <- as.numeric(chimerica$year)
#Сравнительный график роста валовых накоплений основного капитала США и Китая
ggplot(data = chimerica, aes(x = year, y = value))+
geom_point(aes(colour=country))+
theme_bw()+
xlab("Year")+
ylab("billion US dollars")+
ggtitle("USA and China Gross fixed capital formation growth")