Laboratorio 1, parte 2
Fabio Feliciano Abarca Espinoza AE17013 GT 03
10/9/2021
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA DE ECONOMÍA
MÉTODOS PARA EL ANÁLISIS ECONÓMICO
LABORATORIO 1. SEGUNDA PARTE
DOCENTE:
MSF. CARLOS ADEMIR PÉREZ ALAS.
INTEGRANTES:
ABARCA ESPINOZA, FABIO FELICIANO. AE17013.
IRAHETA VILLEGAS, JUAN PABLO. IV14001.
QUINTANILLA COTO, JEFFERSON ANGELO. QC18007.
GRUPO TEORICO:
3
CIUDAD UNIVERSITARIA, VIERNES 10 DE SEPTIEMBRE DE 2021.
1. Uso de librería “dplyr”
Uso de “Select”
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”.
#Cargamos el dataframe comercio exterior
load("C:\\Users\\Emerson\\Desktop\\comercio\\data_comercio_exterior_actualizada.RData")
#Cargamos paquetes
library(dplyr)
library(kableExtra)
#Seleccione las columnas de dicha base de datos
data_comercio_exterior %>%
select("pais","sac","anio", "mes", "valor_cif")%>%
head() %>% kable(caption = "BASE DE DATOS") %>% kable_minimal()| pais | sac | anio | 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 |
Uso de “Filter”
Ejemplo 1:
Seleccione todas las transacciones de exportación del año 2021, con Canada o Mexico, que sean superiores a los 100,000 US$
library(dplyr)
data_comercio_exterior %>%
select("pais","sac","anio", "mes", "valor_fob") %>%
filter(anio=="2021", pais %in% c("Mexico", "Canada"), valor_fob > 100000)## # A tibble: 348 x 5
## pais sac anio mes valor_fob
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 Canada 0602100000 2021 1 564056.
## 2 Canada 0602100000 2021 1 564056.
## 3 Canada 0901113000 2021 1 172689
## 4 Canada 0901113000 2021 1 172689
## 5 Canada 6107110000 2021 1 106657.
## 6 Canada 6107110000 2021 1 106657.
## 7 Canada 6109100000 2021 1 372421.
## 8 Canada 6109100000 2021 1 372421.
## 9 Canada 6110300000 2021 1 263420.
## 10 Canada 6110300000 2021 1 263420.
## # ... with 338 more rowsEjemplo 2:
Seleccione todas las transacciones, exportación e importación, para el último trimestre de cada año disponible en el dataframe, que se han realizado con Alemania.
data_comercio_exterior %>%
filter(pais=="Alemania",mes %in% 10:12)## # A tibble: 7,126 x 8
## pais sac anio mes valor_cif kilogramos_impo~ valor_fob kilogramos_expo~
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Alem~ 0106~ 2018 10 0 0 2900 55
## 2 Alem~ 0409~ 2018 10 0 0 40800 21636.
## 3 Alem~ 0602~ 2018 10 28993. 62 0 0
## 4 Alem~ 1105~ 2018 10 19257. 15500 0 0
## 5 Alem~ 1108~ 2018 10 4.37 1.22 0 0
## 6 Alem~ 1108~ 2018 10 14780. 17960 0 0
## 7 Alem~ 1109~ 2018 10 56648. 24288 0 0
## 8 Alem~ 1210~ 2018 10 4658. 176 0 0
## 9 Alem~ 1301~ 2018 10 0 0 33990 1175
## 10 Alem~ 1302~ 2018 10 6212. 140. 0 0
## # ... with 7,116 more rowsEjemplo 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 Guatemala, Honduras y Argentina.
library(purrr)
`%not_in%` <- purrr::negate(`%in%`)
data_comercio_exterior %>%
filter(mes %in% 10:12,
pais %not_in% c("Guatemala", "Honduras", "Argentina", "Afganistan"))## # A tibble: 171,502 x 8
## pais sac anio mes valor_cif kilogramos_impo~ valor_fob kilogramos_expo~
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Alba~ 6103~ 2018 10 54.2 0.57 0 0
## 2 Alba~ 6104~ 2018 10 33.0 0.9 0 0
## 3 Alba~ 6104~ 2018 10 920. 23.7 0 0
## 4 Alba~ 7113~ 2018 10 24.9 0.2 0 0
## 5 Alba~ 6104~ 2018 11 39.8 0.25 0 0
## 6 Alba~ 6104~ 2018 11 384. 10.9 0 0
## 7 Alba~ 6104~ 2018 11 744. 18.3 0 0
## 8 Alba~ 7117~ 2018 11 13.2 0.25 0 0
## 9 Alba~ 3917~ 2018 12 22.2 0.2 0 0
## 10 Alba~ 3926~ 2018 12 4.62 0.2 0 0
## # ... with 171,492 more rowsUso de “Mutate”
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")## # A tibble: 1,062,956 x 5
## pais sac anio mes saldo_bc
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 Afganistan 0806200000 2018 6 -6448.
## 2 Afganistan 6104220000 2018 10 -3153.
## 3 Afganistan 6104620000 2018 10 -946.
## 4 Afganistan 6105100000 2018 10 -9405.
## 5 Afganistan 6106100000 2018 10 -1353.
## 6 Afganistan 6405900000 2018 10 -2260.
## 7 Afganistan 8206000000 2018 10 -6.56
## 8 Afganistan 6404110000 2019 2 -7752.
## 9 Afganistan 6405100000 2019 2 -508.
## 10 Afganistan 6405900000 2019 2 -12.4
## # ... with 1,062,946 more rowsEjemplo 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.
options(scipen = 99999)
data_comercio_exterior %>%
mutate(Xpt=round(valor_fob/(valor_cif+valor_fob)*100,2),
Mpt=round(valor_fob/(valor_cif+valor_fob)*100,2)) %>%
select("pais","sac","anio", "mes","Xpt", "Mpt")%>% filter(Xpt>0)## # A tibble: 247,418 x 6
## pais sac anio mes Xpt Mpt
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Afganistan 3004909100 2019 9 100 100
## 2 Afganistan 7009920000 2021 5 100 100
## 3 Afganistan 7009920000 2021 5 100 100
## 4 Afganistan 8302419000 2021 5 100 100
## 5 Afganistan 8302419000 2021 5 100 100
## 6 Afganistan 8306290000 2021 5 100 100
## 7 Afganistan 8306290000 2021 5 100 100
## 8 Afganistan 9401710000 2021 5 100 100
## 9 Afganistan 9401710000 2021 5 100 100
## 10 Afganistan 9403200000 2021 5 100 100
## # ... with 247,408 more rowsUso de “Arrange”
Ejemplo:
Ordenar los resultados del Ejemplo 2 de mutate, mostrando primero los resultados más recientes.
options(scipen = 99999)
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))## # A tibble: 247,418 x 6
## pais sac anio mes Xpt Mpt
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Alemania 0409000000 2021 7 100 0
## 2 Alemania 0409000000 2021 7 100 0
## 3 Alemania 0901113000 2021 7 100 0
## 4 Alemania 0901113000 2021 7 100 0
## 5 Alemania 1604149000 2021 7 100 0
## 6 Alemania 1604149000 2021 7 100 0
## 7 Alemania 3808930000 2021 7 99.8 0.22
## 8 Alemania 3808930000 2021 7 99.8 0.22
## 9 Alemania 3919101000 2021 7 0.02 100.
## 10 Alemania 3919101000 2021 7 0.02 100.
## # ... with 247,408 more rowsUso de “Summarise”
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)## # A tibble: 4 x 3
## anio `Total Exportaciones MM US$` `Total Importaciones MM US$`
## <dbl> <dbl> <dbl>
## 1 2018 5905. 11464.
## 2 2019 5905. 11604.
## 3 2020 5044. 10327.
## 4 2021 7693. 16709.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))## # A tibble: 808 x 4
## # Groups: pais [236]
## pais anio `Total Exportaciones` `Total Importaciones`
## <chr> <dbl> <dbl> <dbl>
## 1 Afganistan 2018 0 23573.
## 2 Afganistan 2019 382. 13114.
## 3 Afganistan 2020 0 5427.
## 4 Afganistan 2021 75747. 0
## 5 Albania 2018 0 18307.
## 6 Albania 2019 51392. 25660.
## 7 Albania 2020 0 368298.
## 8 Albania 2021 0 54221.
## 9 Alemania 2018 20425283. 181276789.
## 10 Alemania 2019 21447921. 168946137.
## # ... with 798 more rows2. Funciones
source(file ="C:\\Users\\Emerson\\Desktop\\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\Emerson\Desktop\comercio\data_comercio_exterior_actualizada.RData”)
nombre_archivo <- “C:\Users\Emerson\Desktop\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]
Herramienta de consulta de paises
library(kableExtra)
herramientas_mostrar_paises() %>% head() %>% kable() %>% 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 |
Herramienta consulta de regiones
library(kableExtra)
herramientas_mostrar_regiones() %>% head() %>% kable() %>% kable_material(html_font = "sans-sarif")| region | cod_region | region_intermedia | cod_region_intermedia | # de Paises 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 |
Herramienta de consulta de Paises con transacciones en la tabla
library(kableExtra)
herramientas_mostrar_paises_en_tabla () %>% head() %>% kable() %>% kable_material(html_font = "sans-serif")| pais | anio | # Transacciones |
|---|---|---|
| Afganistan | 2018 | 7 |
| Afganistan | 2019 | 10 |
| Afganistan | 2020 | 29 |
| Afganistan | 2021 | 12 |
| Albania | 2018 | 27 |
| Albania | 2019 | 46 |
Uso de Indicador de Ventaja Comparativa Revelada
#Analizar el IVCR de Honduras
Resultados_IVCR <-data.frame("años" =2018:2021,"IVCR"=sapply(X=2018:2021,
FUN = indicadores_IVCR_capitulo,codigo_pais=504,capitulo="02"))
Resultados_IVCR %>% kable(align = "l") %>%
kable_material(html_font = "sans-serif")| años | IVCR |
|---|---|
| 2018 | 0 |
| 2019 | 0 |
| 2020 | 0 |
| 2021 | 0 |
#IVCR de Honduras, para el periodo 2018-2021, para el producto "010"
Resultados_IVCR <-data.frame("años" =2018:2021,"IVCR"=sapply(X=2018:2021,
FUN = indicadores_IVCR_partida,codigo_pais=504,partida="010"))
Resultados_IVCR %>% kable(align = "l") %>%
kable_material(html_font = "sans-serif")| años | IVCR |
|---|---|
| 2018 | -0.9549206 |
| 2019 | -0.9869897 |
| 2020 | -0.9940680 |
| 2021 | -0.9599851 |
Indicador de Balassa
#Cacularemos el Indice de Balassa de Honduras, para el periodo 2018-2021
Resultados_Balassa<-data.frame("años"=2018:2021,
"IB"=sapply(X=2018:2021,
FUN = indicadores_Balassa_capitulo,codigo_pais=504,capitulo="02"))
Resultados_Balassa %>% kable(align = "l") %>%
kable_material(html_font = "sans-serif")| años | IB |
|---|---|
| 2018 | -1 |
| 2019 | -1 |
| 2020 | -1 |
| 2021 | -1 |
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=504,normalizado=TRUE))
Resultados_IHH %>% kable(align = "l",digits = 6) %>%
kable_material(html_font = "sans-serif")| años | IHH |
|---|---|
| 2018 | 0.730686 |
| 2019 | 0.095250 |
| 2020 | 0.002806 |
| 2021 | 0.003960 |
3. Función personalizada para Ranking Anual
ranking_socios_comerciales <- function(anios_ranking, k, digits = 0){
data_comercio_exterior %>%
filter(anio %in% anios_ranking) %>%
group_by(anio, iso_3) %>%
summarise(total = sum(valor_fob)) %>%
mutate(percent = round(prop.table(total) * 100, digits)) %>%
slice_max(n = k, 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() %>%
tidyr::pivot_wider(names_from = rank,values_from = data) %>%
kable(caption = paste("Top",k,"de Exportaciones periodo",
min(anios_ranking),"-",max(anios_ranking))) %>%
add_footnote(label = "Elaboración propia con base en datos del BCR") %>%
kable_styling(bootstrap_options = Form.Basic)
}Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
ranking_socios_comerciales(anios_ranking = 2018:2021, k = 6, digits = 2)| anio | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| 2018 | USA | 44.07 % | HND | 15.34 % | GTM | 14.36 % | NIC | 6.87 % | CRI | 4.39 % | MEX | 2.44 % |
| 2019 | USA | 42.03 % | GTM | 15.92 % | HND | 15.9 % | NIC | 6.66 % | CRI | 4.46 % | MEX | 2.54 % |
| 2020 | USA | 39.18 % | GTM | 16.89 % | HND | 15.44 % | NIC | 7.26 % | CRI | 4.65 % | MEX | 2.46 % |
| 2021 | USA | 40.59 % | GTM | 16.98 % | HND | 15.82 % | NIC | 6.99 % | CRI | 4.04 % | MEX | 2.15 % |
| a Elaboración propia con base en datos del BCR |