Darstellung von Markodaten

Hier finden Sie einige Beispiele und Besonderheiten bei der Darstellung von makroökonomischen Daten. Es werden auch die R-Befehle dargestellt. Mit diesen können Sie jederzeit mit dem Statistikprogramm R die Makrodaten herunterladen. Die grau hinterlegten Kästchen sind hierbei die Befehle. Die weißen Kästchen sind die Ausführungen dieser Befehle und als solche für Sie ohne Bedeutung): Aufgrund der einfachen Verfügbarkeit werden vorwiegend Daten für die USA dargestellt.

Nominales BIP

Dargestellt wird das nominelle BIP seit 1929 in Mrd. Dollar.\ Auffällig ist der exponentielle Verlauf des nominalen BIP. Langfristige Darstellungen des nominalen BIP unterliegen damit aber einigen Schwächen.

getSymbols("GDPA" ,src='FRED')

## 'getSymbols' currently uses auto.assign=TRUE by default, but will
## use auto.assign=FALSE in 0.5-0. You will still be able to use
## 'loadSymbols' to automatically load data. getOption("getSymbols.env")
## and getOption("getSymbols.auto.assign") will still be checked for
## alternate defaults.
## 
## This message is shown once per session and may be disabled by setting 
## options("getSymbols.warning4.0"=FALSE). See ?getSymbols for details.

## [1] "GDPA"

GDP_USA <- GDPA
plot(GDP_USA)

Eine dieser Schwächen ist, dass kürzer zurückliegenden Daten realistisch dargestellt werden, länger zurückliegende Daten hingegegen weniger realistisch. Da die absoluten Werte stark gestiegen sind, kann man Rückgänge des nominalen BIP in der Vergangenheit kaum erkennen. Beachten Sie, dass die größte Wirtschaftskrise - die Great Depression 1929 bis 1933 - in den Daten nur als leichte Delle erkennbar ist. Besser geeignet ist hier die nächste Darstellung: Hierbei wurden die Daten logarithmiert. Damit werden relative Änderungen, also Prozent-Änderungen dargestellt. Hier ist erkennbar, dass die Great Depression der größte Wirtschaftseinbruch im beobachteten Zeitraum war.

logGDP <- log(GDP_USA)
plot(logGDP, ylim = c(0,10))

Nominales Wachstum

Anstatt der Entwicklung des BIP kann man sich auch die jährlichen Wachstumsraten ansehen. Dazu werden die jährlichen Veränderungen betrachtet: Zu erkennen ist, dass tatsächlich die größten negativen Wachstumsraten gleich zu Beginn des Datensatzes, also nach 1929 zu finden sind. Danach war das nominelle Wachstum fast immer positiv. Ausnahme: Das Jahr 2008, also die Finanz-, und Wirtschaftskrise, die heute oft Great Recession genannt wird.

WACHSTUM_GDP_USA <- (exp(diff(log(GDP_USA))) - 1)*100
plot(WACHSTUM_GDP_USA)

Reales BIP

Neben dem nominalen BIP macht es häufig auch Sinn (oder mehr Sinn) sich das reale BIP, also die um die Inflation bereinigte Wirtschaftsleistung, anzusehen. Dargestellt sind wieder “normale”, sowie logarithmierte Werte. Für “reale Wirtschaftsdaten” benötigt man ein Referenzjahr zu dessem Verhältnis man die Inflation betrachtet. In diesem Fall wurde als Referenzjahr 2009 herangezogen (2009 = 100)

getSymbols('GDPCA',src='FRED')

## [1] "GDPCA"

rGDP2009_USA <- GDPCA
GDPCA <- NULL
plot(rGDP2009_USA)

log_rGDP <- log(rGDP2009_USA)
plot(log_rGDP)

reales Wachstum

Auch das Wachstum kann anhand von realen Daten bewertet werden.

r_WACHSTUM_GDP_USA <- (exp(diff(log(rGDP2009_USA))) - 1)*100
plot(r_WACHSTUM_GDP_USA )

BIP Deflator

Die Inflationsentwicklung für die USA. Referenzjahr ist erneut 2009 und dargestellt werden normale und logarithmierte Werte:

DEFLATOR2009_USA <- GDP_USA/rGDP2009_USA * 100
plot(DEFLATOR2009_USA)

logDEFLATOR2009_USA <- logGDP/log_rGDP * 100
plot(logDEFLATOR2009_USA)

Lohnquote

Ebenfalls von Interesse: Das Verhältnis Arbeitseinkommen zu Kapitaleinkommen

getSymbols('W269RE1A156NBEA',src='FRED')

## [1] "W269RE1A156NBEA"

WageShare_USA <- W269RE1A156NBEA
W269RE1A156NBEA <- NULL
plot(WageShare_USA)

Außenhandelsquote

Statistiken zum Außenhandel

getSymbols('B020RE1A156NBEA',src='FRED')

## [1] "B020RE1A156NBEA"

Exportquote_USA <- B020RE1A156NBEA
B020RE1A156NBEA <- NULL
plot(Exportquote_USA)

getSymbols('B021RE1A156NBEA',src='FRED')

## [1] "B021RE1A156NBEA"

Importquote_USA <- B021RE1A156NBEA
B021RE1A156NBEA <- NULL
plot(Importquote_USA)

Netto_Export_Quote_USA <- Exportquote_USA - Importquote_USA
plot(Netto_Export_Quote_USA)

Handelsdefizit_USA <- Exportquote_USA * GDP_USA - Importquote_USA * GDP_USA
plot(Handelsdefizit_USA)

Verschuldungsquote

Sehr häufig in der Berichterstattung und daher auch außerhalb der Ökonomie wohlbekannt: Die Verschuldungsquote. Also der Schuldenstand im Vergleich zum BIP

getSymbols('GFDEGDQ188S',src='FRED')

## [1] "GFDEGDQ188S"

Verschuldungsquote_USA <- GFDEGDQ188S
GFDEGDQ188S <- NULL
plot(Verschuldungsquote_USA)

Defizitquote

Eng damit verbunden, die Defizitquote. Also das Verhältnis zwischen staatlichem Defizit und dem BIP

getSymbols('FYFSGDA188S',src='FRED')

## [1] "FYFSGDA188S"

Defizitquote_USA <- FYFSGDA188S
FYFSGDA188S <- NULL
plot(Defizitquote_USA)

Privater Konsum

Wichtig für die Wirtschaftsentwicklung ist die Entwicklung des Konsums

getSymbols('USAPFCEADSMEI',src='FRED')

## [1] "USAPFCEADSMEI"

Konsum_USA <- USAPFCEADSMEI
USAPFCEADSMEI <- NULL
plot(Konsum_USA)

Verfügbare Einkommen

Die Verfügbaren Einkommen sind vom BIP abzuleiten

getSymbols('A067RX1A020NBEA',src='FRED')

## [1] "A067RX1A020NBEA"

Einkommen_USA <- A067RX1A020NBEA
A067RX1A020NBEA <- NULL
plot(Einkommen_USA)

Beispiele für Makrodaten

Dr. Stefan Trappl

3 September 2017