UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA DE ECONOMÍA

CICLO II-2021

Asignatura:

Métodos para el Análisis Ecocómico.

Facilitador:

Carlos Ademir Pérez Alas.

Contenido:

Laboratorio 1 Segunda Parte.

Grupo Teórico:

03.

Integrantes:

Hernández Cartagena, Karla Mireya. HC18035.

Mejía Ramos, Carlos Arnoldo. MR18006.

Meléndez Morales, Kennya Elizabeth. MM16049.

Novoa Rubio, Fernando Enrique. NR18001.

Ciudad Universitaria, miércoles 8 de septiembre de 2021.

Cargando Librerias y Base de Datos

library(readxl)
library(dplyr)
library(kableExtra)
#Cargando la Base de Datos
load(
  "C:/Users/KENNYA/Desktop/MAE/BD/Comercio Exterior/data_comercio_exterior_actualizada.RData"
)
#Cargando Base de Nombres ISO
nombre_archivo <-
  "C:/Users/KENNYA/Desktop/MAE/BD/Comercio Exterior/nombres_iso_paises.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)

#Asignando Nombres
data_comercio_exterior <-
  data_comercio_exterior %>%
  left_join(nombres_iso_paises,
            by = c("pais" = "nom_pais_esp"))

Sección 1

Reproduzca los ejemplos vistos en clase sobre el uso de la librería dplyr, usando la información actualizada recopilada en la tarea 1, y usando los nombres estandarizados que se han agregado para los países, utilice países diferentes a los que se emplearon en los ejemplos (queda a elección del grupo los paises).

Manipulación de Dataframe a través dplyr

SELECT

Permite seleccionar las columnas (variables) de un dataframe.

Sintaxis simple: dataframe %>% select(columna1,columna2,…) Las columnas pueden ir en el orden que se desee (o que se necesite), no obligatoriamente en el orden en que aparecen en el dataframe.

Ejemplo 1

Usando la base de datos de comercio exterior, para El Salvador, creada en la sesión anterior, seleccione las columnas de “pais”, “sac”,“anio”,“mes”,“valor_cif”.

data_comercio_exterior %>%
  select("pais", "sac", "anio", "mes", "valor_cif") %>%
  head(10) %>%
  kable(
    caption = "**Tabla 1:** Ejemplo 1 uso de Select",
    col.names = c("País", "SAC", "Año", "Mes", "Valor CIF"),
    align = c("c", "c", "c", "c", "r")
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 1:** Ejemplo 1 uso de Select
País	SAC	Año	Mes	Valor CIF
Afganistan	0806200000	2018	6	6448.43
Afganistan	6104220000	2018	10	3153.37
Afganistan	6104620000	2018	10	946.01
Afganistan	6105100000	2018	10	9405.39
Afganistan	6106100000	2018	10	1353.32
Afganistan	6405900000	2018	10	2260.03
Afganistan	8206000000	2018	10	6.56
Afganistan	6404110000	2019	2	7752.13
Afganistan	6405100000	2019	2	508.03
Afganistan	6405900000	2019	2	12.45
Fuente:
Elaboración propia con base en datos del BCR.

FILTER

Permite seleccionar las filas (casos) de un dataframe, con base en el cumplimiento de criterios.

Sintaxis simple:

dataframe %>% filter(columna1 operadores “criterio 1”,columna2 operadores "criterio 2, …)

Ejemplo 1

Seleccione todas las transacciones de exportación del año 2020, con Ecuador o Colombia, que sean superiores a los 200,000 US$

library(dplyr)
data_comercio_exterior %>%
  filter(anio == "2020",
         pais %in% c("Ecuador", "Colombia"),
         valor_fob > 200000) %>%
  select("pais", "sac", "anio", "mes", "valor_fob", ) %>%
  kable(
    caption = "**Tabla 2:** Ejemplo 1 del uso de Filter",
    col.names = c("País", "SAC", "Año", "Mes", "Valor FOB"),
    align = c("c", "c", "c", "c", "r", "r", "r", "r"),
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 2:** Ejemplo 1 del uso de Filter
País	SAC	Año	Mes	Valor FOB
Colombia	8805290000	2020	2	6597227.0
Colombia	1604149000	2020	3	530540.6
Colombia	1604149000	2020	4	460196.6
Colombia	3004201000	2020	7	233930.3
Colombia	3004201000	2020	8	391147.3
Ecuador	0303440000	2020	1	394021.1
Ecuador	7308900000	2020	1	290604.2
Ecuador	0303440000	2020	3	445517.4
Ecuador	2710192100	2020	4	220080.0
Ecuador	3402200000	2020	4	440858.5
Ecuador	0303440000	2020	9	294121.8
Ecuador	7602000000	2020	9	362260.6
Ecuador	7602000000	2020	10	333229.8
Ecuador	7602000000	2020	11	319692.7
Ecuador	7602000000	2020	12	235596.8
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

Seleccione todas las transacciones, exportación e importación, para el último trimestre de cada año disponible en el dataframe, que se han realizado con Argelia

data_comercio_exterior %>%
  filter(pais == "Argelia", mes %in% 10:12) %>%
  select(
    "pais",
    "sac",
    "anio",
    "mes",
    "valor_cif",
    "kilogramos_importaciones",
    "valor_fob",
    "kilogramos_exportaciones"
  ) %>%
  kable(
    caption = "**Tabla 3:** Ejemplo 2 del uso de Filter",
    col.names = c(
      "País",
      "SAC",
      "Año",
      "Mes",
      "Valor CIF",
      "Kg Importaciones",
      "Valor FOB",
      "Kg Exportaciones"
    ),
    align = c("c", "c", "c", "c", "r", "r", "r", "r")
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 3:** Ejemplo 2 del uso de Filter
País	SAC	Año	Mes	Valor CIF	Kg Importaciones	Valor FOB	Kg Exportaciones
Argelia	2510200000	2018	10	145.23	2.60	0.0	0.0
Argelia	3004202000	2018	12	0.00	0.00	89220.0	5794.0
Argelia	3004502000	2018	12	0.00	0.00	44220.0	1921.0
Argelia	3004909200	2018	12	0.00	0.00	157512.0	7366.0
Argelia	3102100000	2019	10	9413.59	24832.50	0.0	0.0
Argelia	2523210000	2019	11	761.24	28.50	0.0	0.0
Argelia	3004202000	2019	11	0.00	0.00	29049.6	1473.0
Argelia	3004502000	2019	11	0.00	0.00	91260.0	3351.0
Argelia	3004909200	2019	11	0.00	0.00	163252.0	8066.0
Argelia	3926200000	2019	11	299.09	18.14	0.0	0.0
Argelia	3102100000	2019	12	9796.00	24832.50	0.0	0.0
Argelia	3004202000	2020	12	0.00	0.00	219930.5	9836.0
Argelia	3004502000	2020	12	0.00	0.00	65130.0	2144.5
Argelia	3004909200	2020	12	0.00	0.00	94400.0	3221.5
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 3

Seleccione todas las transacciones, exportación e importación, para el último trimestre de cada año disponible en el dataframe, y que excluyan el comercio con Afganistan, Albania y Ecuador.

library(purrr)
#librería necesaria para la función personalizada `%not_in%`
`%not_in%` <-
  purrr::negate(`%in%`) #esta función permite excluir los elementos que se incluyan en un vector
data_comercio_exterior %>%
  filter(mes %in% 10:12,
         pais %not_in% c("Afganistan", "Albania", "Ecuador")) %>%
  select(
    "pais",
    "sac",
    "anio",
    "mes",
    "valor_cif",
    "kilogramos_importaciones",
    "valor_fob",
    "kilogramos_exportaciones"
  ) %>%
  head(14) %>%
  kable(
    caption = "**Tabla 4:** Ejemplo 3 uso de Filter",
    col.names = c(
      "País",
      "SAC",
      "Año",
      "Mes",
      "Valor CIF",
      "Kg Importaciones",
      "Valor FOB",
      "Kg Exportaciones"
    ),
    align = c("c", "c", "c", "c", "r", "r", "r", "r")
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 4:** Ejemplo 3 uso de Filter
País	SAC	Año	Mes	Valor CIF	Kg Importaciones	Valor FOB	Kg Exportaciones
Alemania	0106200000	2018	10	0.00	0.00	2900.0	55.00
Alemania	0409000000	2018	10	0.00	0.00	40800.0	21636.24
Alemania	0602100000	2018	10	28993.34	62.00	0.0	0.00
Alemania	1105201000	2018	10	19257.17	15500.00	0.0	0.00
Alemania	1108120000	2018	10	4.37	1.22	0.0	0.00
Alemania	1108130000	2018	10	14780.32	17960.00	0.0	0.00
Alemania	1109000000	2018	10	56648.38	24288.00	0.0	0.00
Alemania	1210200000	2018	10	4658.05	176.00	0.0	0.00
Alemania	1301909000	2018	10	0.00	0.00	33990.0	1175.00
Alemania	1302191000	2018	10	6212.31	140.30	0.0	0.00
Alemania	1604149000	2018	10	0.00	0.00	100495.8	21498.00
Alemania	1701990000	2018	10	81.99	3.79	0.0	0.00
Alemania	1702110000	2018	10	19.13	3.47	0.0	0.00
Alemania	1806310000	2018	10	651.20	87.32	0.0	0.00
Fuente:
Elaboración propia con base en datos del BCR.

MUTATE

Permiten agregar transformaciones de columnas (variables) de un dataframe. mutate agrega nuevas variables con la transformación de las columnas.

Sintaxis simple:

dataframe %>% mutate(nueva_variable= operaciones con variables, …)

Ejemplo 1

Calcule el saldo de la balanza comercial para todas las transacciones, disponibles en la base de comercio exterior.

data_comercio_exterior %>%
  mutate(saldo_bc = valor_fob - valor_cif) %>%
  select("pais", "sac", "anio", "mes", "saldo_bc") %>%
  head(14) %>%
  kable(
    caption = "**Tabla 5:** Ejemplo 1 uso de Mutate",
    col.names = c("País", "SAC", "Año", "Mes", "Saldo BC"),
    align = c("c", "c", "c", "c", "r", "r", "r", "r")
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 5:** Ejemplo 1 uso de Mutate
País	SAC	Año	Mes	Saldo BC
Afganistan	0806200000	2018	6	-6448.43
Afganistan	6104220000	2018	10	-3153.37
Afganistan	6104620000	2018	10	-946.01
Afganistan	6105100000	2018	10	-9405.39
Afganistan	6106100000	2018	10	-1353.32
Afganistan	6405900000	2018	10	-2260.03
Afganistan	8206000000	2018	10	-6.56
Afganistan	6404110000	2019	2	-7752.13
Afganistan	6405100000	2019	2	-508.03
Afganistan	6405900000	2019	2	-12.45
Afganistan	8414510000	2019	2	-1262.76
Afganistan	8509400000	2019	2	-81.25
Afganistan	8516400000	2019	2	-232.93
Afganistan	8523521000	2019	2	-50.66
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

Calcule las exportaciones y las importaciones como porcentaje del comercio total, en cada transacción disponible en la base de comercio exterior, muestre sólo aquellas partidas que registren exportaciones.

data_comercio_exterior %>%
  mutate(Xpt = round(valor_fob / (valor_cif + valor_fob) * 100, 2),
         Mpt = round(valor_cif / (valor_cif + valor_fob) * 100, 2)) %>%
  select("pais", "sac", "anio", "mes", "Xpt", "Mpt") %>% filter(Xpt > 0) %>%
  head(14) %>%
  kable(
    caption = "**Tabla 6:** Ejemplo 2 uso de Mutate",
    col.names = c("País", "SAC", "Año", "Mes", "Xpt", "Mpt"),
    align = "c"
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 6:** Ejemplo 2 uso de Mutate
País	SAC	Año	Mes	Xpt	Mpt
Afganistan	3004909100	2019	9	100	0
Afganistan	7009920000	2021	5	100	0
Afganistan	8302419000	2021	5	100	0
Afganistan	8306290000	2021	5	100	0
Afganistan	9401710000	2021	5	100	0
Afganistan	9403200000	2021	5	100	0
Afganistan	9403600000	2021	5	100	0
Albania	1701140000	2019	2	100	0
Alemania	0106200000	2018	1	100	0
Alemania	0409000000	2018	1	100	0
Alemania	0901113000	2018	1	100	0
Alemania	0901210000	2018	1	100	0
Alemania	5202990000	2018	1	100	0
Alemania	6101300000	2018	1	100	0
Fuente:
Elaboración propia con base en datos del BCR.

ARRANGE

Permite ordenar las filas del dataframe(ascendente A-Z o descendente Z-A), por una o varias columnas (variables).

Sintaxis simple:

dataframe %>% arrange(variable 1, desc(variable 2), …)

Nota: si la ordenación que se requiere es descendente, escriba la variable dentro de la función desc(), como se indica en la sintaxis. Esta función fue implementada también al momento de generar la Base de Comercio Exterior que estamos usando.

Ejemplo

Ordenar los resultados del Ejemplo 2 de mutate, mostrando primero los resultados más recientes.

data_comercio_exterior %>%
  mutate(Xpt = round(valor_fob / (valor_cif + valor_fob) * 100, 2),
         Mpt = round(valor_cif / (valor_cif + valor_fob) * 100, 2)) %>% 
  select("pais", "sac", "anio", "mes", "Xpt", "Mpt") %>%
  filter(Xpt > 0) %>%
  arrange(desc(anio), desc(mes)) %>%
  head(14) %>%
  kable(
    caption = "**Tabla 7:** Ejemplo del uso de Arrange",
    col.names = c("País", "SAC", "Año", "Mes", "Xpt", "Mpt"),
    align = c("c", "c", "c", "c", "r", "r", "r", "r")
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 7:** Ejemplo del uso de Arrange
País	SAC	Año	Mes	Xpt	Mpt
Alemania	0409000000	2021	7	100.00	0.00
Alemania	0901113000	2021	7	100.00	0.00
Alemania	1604149000	2021	7	100.00	0.00
Alemania	3808930000	2021	7	99.78	0.22
Alemania	3919101000	2021	7	0.02	99.98
Alemania	3923309900	2021	7	0.06	99.94
Alemania	4202990000	2021	7	100.00	0.00
Alemania	4908900000	2021	7	30.59	69.41
Alemania	5202990000	2021	7	100.00	0.00
Alemania	5512990000	2021	7	100.00	0.00
Alemania	5807100000	2021	7	100.00	0.00
Alemania	5807900000	2021	7	100.00	0.00
Alemania	6103430000	2021	7	100.00	0.00
Alemania	6104630000	2021	7	100.00	0.00
Fuente:
Elaboración propia con base en datos del BCR.

SUMMARISE

Permite realizar operaciones de agregación de columnas (variables), de cualquier tipo, suma, producto, incluso funciones personalizadas.

Puede usarse en conjunto con group_by para obtener agregados a nivel de grupos.

Sintaxis simple:

dataframe %>% group_by(variable 1, variable 2…) %>% summarise(resultado 1= función de agregación(variable),resultado 2= función de agregación(variable)

Ejemplo 1

Obtenga los totales anuales de importaciones y exportaciones.

data_comercio_exterior %>%
  group_by(anio) %>%
  summarise(
    `Total Exportaciones MM US$` = sum(valor_fob) / 1e6,
    `Total Importaciones MM US$` = sum(valor_cif) / 1e6
  ) %>%
  kable(
    caption = "**Tabla 8:** Ejemplo 1 del uso de Summarise.",
    col.names = c("Año", "Total Exportaciones MM US$", "Total Importaciones MM US$"),
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 8:** Ejemplo 1 del uso de Summarise.
Año	Total Exportaciones MM US$	Total Importaciones MM US$
2018	5905.41	11464.32
2019	5904.73	11603.84
2020	5044.01	10326.58
2021	3846.31	8354.54
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

Obtenga los totales anuales de importaciones y exportaciones, que se realizan por país.

data_comercio_exterior %>%
  group_by(pais, anio) %>%
  summarise(
    `Total Exportaciones` = sum(valor_fob),
    `Total Importaciones` = sum(valor_cif)
  ) %>%
  head(14) %>%
  kable(
    caption = "**Tabla 9:** Ejemplo 2 del uso de Summarise.",
    col.names = c("País", "Año", "Total Exportaciones", "Total Importaciones"),
    align = c("c", "c", "r", "r"),
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 9:** Ejemplo 2 del uso de Summarise.
País	Año	Total Exportaciones	Total Importaciones
Afganistan	2018	0.00	23573.11
Afganistan	2019	382.13	13113.77
Afganistan	2020	0.00	5426.74
Afganistan	2021	37873.33	0.00
Albania	2018	0.00	18307.36
Albania	2019	51392.50	25660.16
Albania	2020	0.00	368297.55
Albania	2021	0.00	27110.62
Alemania	2018	20425282.52	181276788.54
Alemania	2019	21447920.87	168946136.71
Alemania	2020	36222618.69	164207992.58
Alemania	2021	34467744.76	109009061.33
Andorra	2018	23164.75	180474.98
Andorra	2019	30916.48	3565724.12
Fuente:
Elaboración propia con base en datos del BCR.

Uso de funciones personalizadas para el cálculo de indicadores

Carga de las funciones

source(
  file = "C:/Users/KENNYA/Desktop/MAE/BD/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/KENNYA/Desktop/MAE/BD/Comercio Exterior/data_comercio_exterior_actualizada.RData")
## 
## > nombre_archivo <- "C:/Users/KENNYA/Desktop/MAE/BD/Comercio Exterior/nombres_iso_paises.xlsx"
## 
## > nombres_iso_paises <- read_excel(nombre_archivo)
## 
## > 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]

Herramientas de Consulta de Países

herramientas_mostrar_paises() %>%
  head() %>%
  kable(
    caption = "**Tabla 10:** Ejemplo uso de la Funcion Consulta Paises",
    col.names = c(
      "Nombre País en Español",
      "Código País",
      "Región",
      "Código Región",
      "Región Intermedia",
      "Código Región Intermedia"
    ),
    align = "c",
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 10:** Ejemplo uso de la Funcion Consulta Paises
Nombre País en Español	Código País	Región	Código Región	Región Intermedia	Código Región 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
Fuente:
Elaboración propia con base en datos del BCR.

Herramientas de Consulta de Regiones

herramientas_mostrar_regiones() %>%
  head(10) %>%
  kable(
    caption = "**Tabla 11:** Ejemplo uso de la Funcion Consulta Regiones.",
    col.names = c(
      "Región",
      "Código Región",
      "Región Intermedia",
      "Código Región Intermedia",
      "Numero de Países Incluidos"
    ),
    align = "c",
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 11:** Ejemplo uso de la Funcion Consulta Regiones.
Región	Código Región	Región Intermedia	Código Región Intermedia	Numero de Países Incluidos
África	2	África Central	17	8
África	2	Africa Del Sur	18	5
África	2	África Occidental	11	16
África	2	África Oriental	14	17
África	2	NA	NA	6
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
Fuente:
Elaboración propia con base en datos del BCR.

Herramientas de Consulta de Paises con transacciones en la tabla

herramientas_mostrar_paises_en_tabla() %>%
  head(10) %>%
  kable(
    caption = "**Tabla 12:** Ejemplo uso de la Funcion Consulta Transacciones por País.",
    col.names = c("País", "Año", "Número de Transacciones"),
    align = "c",
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 12:** Ejemplo uso de la Funcion Consulta Transacciones por País.
País	Año	Número de Transacciones
Afganistan	2018	7
Afganistan	2019	10
Afganistan	2020	29
Afganistan	2021	6
Albania	2018	27
Albania	2019	46
Albania	2020	26
Albania	2021	12
Alemania	2018	9661
Alemania	2019	9599
Fuente:
Elaboración propia con base en datos del BCR.

Uso de Indicador de Ventaja Comparativa Revelada

Ejemplo 1

En este ejemplo se analizará el IVCR con Guatemala, para el periodo 2018-2021, para al capitulo “03”.

Resultados_IVCR <- data.frame(
  "Años" = 2018:2021,
  "IVCR" = sapply(
    X = 2018:2021,
    FUN = indicadores_IVCR_capitulo,
    codigo_pais = 320,
    capitulo = "03"
  )
)
Resultados_IVCR %>%
  kable(
    caption = "**Tabla 13:** Ejemplo 1 uso de la Funcion Consulta IVCR.",
    align = "l",
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 13:** Ejemplo 1 uso de la Funcion Consulta IVCR.
Años	IVCR
2018	0.00
2019	0.01
2020	0.08
2021	0.13
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

En este ejemplo se analizará el IVCR con Guatemala, para el periodo 2018-2021, para el producto “0312130000”

Resultados_IVCR_sac <- data.frame(
  "Años" = 2018:2021,
  "IVCR" = sapply(
    X = 2018:2021,
    FUN = indicadores_IVCR_partida,
    codigo_pais = 320,
    partida = "0312130000"
  )
)
Resultados_IVCR_sac %>%
  kable(
    caption = "**Tabla 14:** Ejemplo 2 uso de la Función Consulta IVCR.",
    align = "l",
    digits = 2
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 14:** Ejemplo 2 uso de la Función Consulta IVCR.
Años	IVCR
2018	-0.15
2019	-0.15
2020	-0.18
2021	-0.16
Fuente:
Elaboración propia con base en datos del BCR.

Uso de Indicador de Balassa

Ejemplo 1

En este ejemplo se analizará el indice de Balassa con Guatemala, para el periodo 2018-2021, para al capitulo “03”

Resultados_Balassa <- data.frame(
  "Años" = 2018:2021,
  "IB" = sapply(
    X = 2018:2021,
    FUN = indicadores_Balassa_capitulo,
    codigo_pais = 320,
    capitulo = "03"
  )
)
Resultados_Balassa %>%
  kable(
    caption = "**Tabla 15:** Ejemplo 1 uso de la Función Consulta del Índice Balassa.",
    align = "l",
    digits = 6
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 15:** Ejemplo 1 uso de la Función Consulta del Índice Balassa.
Años	IB
2018	-0.196009
2019	0.147130
2020	0.657299
2021	0.823452
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

En este ejemplo se analizará el IB con Guatemala, para el periodo 2018-2021, para el producto “0312130000”

Resultados_IB_sac <- data.frame(
  "Años" = 2018:2021,
  "IB" = sapply(
    X = 2018:2021,
    FUN = indicadores_Balassa_partida,
    codigo_pais = 320,
    partida = "0312130000",
    normalizado = TRUE
  )
)
Resultados_IB_sac %>%
  kable(
    caption = "**Tabla 16:** Ejemplo 2 uso de la Función Consulta del Índice Balassa.",
    align = "l",
    digits = 6
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 16:** Ejemplo 2 uso de la Función Consulta del Índice Balassa.
Años	IB
2018	0.556082
2019	0.556122
2020	0.608148
2021	0.686614
Fuente:
Elaboración propia con base en datos del BCR.

Uso de Indicador de Herfindahl Hirschmann anual

Ejemplo 1

Uso de Indicador de Herfindahl Hirschmann anual

Resultados_IHH <-
  data.frame(
    "Años" = 2018:2021,
    "IHH" = sapply(
      X = 2018:2021,
      FUN = indicadores_IHH_Herfindahl_Hirschmann_anual,
      codigo_pais = 320,
      normalizado = TRUE
    )
  )
Resultados_IHH %>%
  kable(
    caption = "**Tabla 17:** Ejemplo 1 uso de la Función Consulta del IHH.",
    align = "l",
    digits = 6
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 17:** Ejemplo 1 uso de la Función Consulta del IHH.
Años	IHH
2018	0.001258
2019	0.001518
2020	0.001185
2021	0.001880
Fuente:
Elaboración propia con base en datos del BCR.

Ejemplo 2

Uso de Indicador de Herfindahl Hirschmann anual propuesto en el texto

Resultados_IHH_texto <-
  data.frame(
    "Años" = 2018:2021,
    "IHH" = sapply(
      X = 2018:2021,
      FUN = indicadores_IHH_Herfindahl_Hirschmann_anual_texto,
      codigo_pais = 320,
      normalizado = TRUE
    )
  )
Resultados_IHH_texto %>%
  kable(
    caption = "**Tabla 18:** Ejemplo 2 uso de la Función Consulta del IHH.",
    align = "l",
    digits = 6
  ) %>%
  kable_classic(html_font = "Times New Roman",
                font_size = 14) %>%
  row_spec(0, bold = T) %>%
  footnote(general_title = "**Fuente**:",
           general = "Elaboración propia con base en datos del BCR.")

**Tabla 18:** Ejemplo 2 uso de la Función Consulta del IHH.
Años	IHH
2018	-0.000054
2019	-0.000040
2020	-0.000054
2021	-0.000084
Fuente:
Elaboración propia con base en datos del BCR.

Sección 2

Genere una función personalizada que Obtenga un ranking, anual, de los “K” principales socios comerciales de El Salvador, para el periodo año inicio-año final.

Creación de la Función

top_socios_comerciales <-
  function(anios_ranking = 2018:2021,
           numero_socios = 5,
           posiciones_decimales = 2,
           titulo_pie_tabla = "Fuente:",
           pie_tabla = "Elaboración propia con base en datos del BCR.") {
    
    #Filtro Años Requeridos
    data_comercio_exterior %>%
      filter(anio %in% anios_ranking) -> data_ranking
    
    #Cálculo de Porcentajes
    data_ranking %>%
      group_by(anio, iso_3) %>%
      summarise(total = sum(valor_fob)) %>%
      mutate(percent = round(prop.table(total) * 100, posiciones_decimales)) %>%
      slice_max(n = numero_socios, 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
    names(insumo_reporte) <- c("Año", "Data", "Rank")
    
    #Formato Tabla original
    library(tidyr)
    insumo_reporte %>%
      pivot_wider(names_from = Rank, values_from = Data) -> mi_tabla
    
    #Formato Tabla Final
    library(kableExtra)
    mi_tabla %>%
      kable(
        caption = paste(
          "Top",
          numero_socios,
          "de Exportaciones Periodo",
          min(anios_ranking),
          "-",
          max(anios_ranking),
          "."
        ),
        align = "c"
      ) %>%
      kable_classic(html_font = "Times New Roman",
                    font_size = 14) %>%
      column_spec(1, bold = T) %>%
      row_spec(0, bold = T, color = "black") %>%
      footnote(general_title = titulo_pie_tabla,
               general = pie_tabla)
  }

Pruebas

#Prueba con Valores por Default
top_socios_comerciales()

Top 5 de Exportaciones Periodo 2018 - 2021 .
Año	1	2	3	4	5
2018	USA\|44.07%	HND\|15.34%	GTM\|14.36%	NIC\|6.87%	CRI\|4.39%
2019	USA\|42.03%	GTM\|15.92%	HND\|15.9%	NIC\|6.66%	CRI\|4.46%
2020	USA\|39.18%	GTM\|16.89%	HND\|15.44%	NIC\|7.26%	CRI\|4.65%
2021	USA\|40.59%	GTM\|16.98%	HND\|15.82%	NIC\|6.99%	CRI\|4.04%
Fuente:
Elaboración propia con base en datos del BCR.

#Prueba Seleccionando nuevos valores
top_socios_comerciales(
  2018:2020,
  6,
  1,
  "Nota:",
  "Esta tabla ha sido elaborada en base a Data Actualizada del Comercio Exterior del BCR."
)

Top 6 de Exportaciones Periodo 2018 - 2020 .
Año	1	2	3	4	5	6
2018	USA\|44.1%	HND\|15.3%	GTM\|14.4%	NIC\|6.9%	CRI\|4.4%	MEX\|2.4%
2019	USA\|42%	GTM\|15.9%	HND\|15.9%	NIC\|6.7%	CRI\|4.5%	MEX\|2.5%
2020	USA\|39.2%	GTM\|16.9%	HND\|15.4%	NIC\|7.3%	CRI\|4.6%	MEX\|2.5%
Nota:
Esta tabla ha sido elaborada en base a Data Actualizada del Comercio Exterior del BCR.

Año	1	2	3	4	5
2018	USA\|44.07%	HND\|15.34%	GTM\|14.36%	NIC\|6.87%	CRI\|4.39%
2019	USA\|42.03%	GTM\|15.92%	HND\|15.9%	NIC\|6.66%	CRI\|4.46%
2020	USA\|39.18%	GTM\|16.89%	HND\|15.44%	NIC\|7.26%	CRI\|4.65%
2021	USA\|40.59%	GTM\|16.98%	HND\|15.82%	NIC\|6.99%	CRI\|4.04%
Fuente:
Elaboración propia con base en datos del BCR.

Año	1	2	3	4	5	6
2018	USA\|44.1%	HND\|15.3%	GTM\|14.4%	NIC\|6.9%	CRI\|4.4%	MEX\|2.4%
2019	USA\|42%	GTM\|15.9%	HND\|15.9%	NIC\|6.7%	CRI\|4.5%	MEX\|2.5%
2020	USA\|39.2%	GTM\|16.9%	HND\|15.4%	NIC\|7.3%	CRI\|4.6%	MEX\|2.5%
Nota:
Esta tabla ha sido elaborada en base a Data Actualizada del Comercio Exterior del BCR.