Carga de datos

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
IVAE_03_22 <- read_excel("C:/Users/PC/Desktop/IVAE_03_22.xlsx", 
    col_names = FALSE, skip = 6, n_max = 10)

1. Descomposición serie original

library(forecast)
data.ivae<-pivot_longer(data = IVAE_03_22[1,], names_to = "vars", cols = 2:160, values_to = "indice") %>% select("indice")
data.ivae.ts<- data.ivae %>% ts(start = c(2009,1), frequency = 12)

#Descomposición aditiva
descomposicion_aditiva<-decompose(data.ivae.ts, type = "additive")

#Gráfico de la descomposición original
autoplot(descomposicion_aditiva, main="Descomposición Aditiva", xlab= "Años/meses")

#Gráfico de la seria original y el componente tendencia ciclo
Yt <- descomposicion_aditiva$x
TC<-descomposicion_aditiva$trend
autoplot(Yt, main = "IVAE ENE 2009-MAR 2022")+ autolayer(TC)

2.Descomposición del rubro Agricultura, ganadería, silvicultura y pesca

#Carga de datos Agricultura, Ganadería, Silvicultura y Pesca.

data.sectorAgri<-pivot_longer(data = IVAE_03_22[2,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.sectorAgri.ts<- data.sectorAgri %>% ts(start = c(2009,1),frequency = 12)

#Descomposición aditiva

library(forecast)

descomposicion_aditiva_sector<-decompose(data.sectorAgri.ts, type = "additive")

#Gráfico de la descomposición

autoplot(descomposicion_aditiva_sector, main = "Agricultura, Ganadería, Silvicultura y Pesca ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt1 <- descomposicion_aditiva_sector$x
TC1<-descomposicion_aditiva_sector$trend
autoplot(Yt1, main = "Agricultura, Ganadería, Silvicultura y Pesca ENE 2009-MAR 2022")+ autolayer(TC1)

3. Descomposición del rubro Índice de Producción Industrial (IPI)

#Carga de datos IPI

data.IPI <- pivot_longer(data = IVAE_03_22[3,], names_to = "vars", cols = 2:160, values_to = "indice") %>% select("indice")
data.IPI.ts <- data.IPI %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_IPI<- decompose(data.IPI.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_IPI, main = "Industrias Manufactureras, Explotación de Minas y Canteras y Otras Actividades Industriales ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt2 <- descomposicion_aditiva_IPI$x
TC2 <- descomposicion_aditiva_IPI$trend
autoplot(Yt2, main = "Industrias Manufactureras, Explotación de Minas y Canteras y Otras Actividades Industriales ENE 2009-MAR 2022")+ autolayer(TC2)

4. Descomposición del rubro Construcción

#Carga de datos Construcción

data.Construccion <- pivot_longer(data = IVAE_03_22[4,], names_to = "vars", cols = 2:160, values_to = "indice") %>% select("indice")
data.Construccion.ts <- data.Construccion %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_Construccion <- decompose(data.Construccion.ts, type = "additive")

#Gráfico de la descomposición 
autoplot(descomposicion_aditiva_Construccion, main = "Construcción ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt3 <- descomposicion_aditiva_Construccion$x
TC3 <- descomposicion_aditiva_Construccion$trend
autoplot(Yt3, main = "Construcción ENE 2009-MAR 2022")+ autolayer(TC3)

5. Descomposición del rubro Comercio, Transporte y Almacenamiento, Actividades de Alojamiento y de Servicio de Comidas

#Carga de datos Comercio, Transporte y Almacenamiento, etc. 

data.Comercio <- pivot_longer(data = IVAE_03_22[5,], names_to = "vars", cols = 2:160, values_to = "indice") %>% select("indice")
data.Comercio.ts <- data.Comercio %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_Comercio <- decompose(data.Comercio.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_Comercio, main = "Comercio, Transporte y Almacenamiento, Actividades de Alojamiento y de Servicio de Comidas ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt4 <- descomposicion_aditiva_Comercio$x
TC4 <- descomposicion_aditiva_Comercio$trend
autoplot(Yt4, main = "Comercio, Transporte y Almacenamiento, Actividades de Alojamiento y de Servicio de Comidas ENE 2009-MAR 2022")+ autolayer(TC4)

6. Descomposición del rubro Información y Comunicaciones

#Carga de datos Información y Comunicaciones

data.IC <- pivot_longer(data = IVAE_03_22[6,], names_to = "vars", cols = 2:160, values_to = "indice") %>% select("indice")
data.IC.ts <- data.IC %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_IC <- decompose(data.IC.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_IC, main = "Información y Comunicaciones ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt5 <- descomposicion_aditiva_IC$x
TC5 <- descomposicion_aditiva_IC$trend
autoplot(Yt5, main = "Información y Comunicaciones ENE 2009-MAR 2022")+autolayer(TC5)

7. Descomposición del rubro Actividades Financieras y de Seguros

#Carga de datos Actividades Financieras y de Seguros

data.Financiera <- pivot_longer(data = IVAE_03_22[7,], names_to = "vars", cols = 2:160, values_to = "indice") %>%
select("indice")
data.Financiera.ts <- data.Financiera %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposicion aditiva
descomposicion_aditiva_Financiera <- decompose(data.Financiera.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_Financiera, main = "Actividades Financieras y de Seguros ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt6 <- descomposicion_aditiva_Financiera$x
TC6 <- descomposicion_aditiva_Financiera$trend
autoplot(Yt6, main = "Actividades Financieras y de Seguros ENE 2009-MAR 2022")+ autolayer(TC6)

8. Descomposición del rubro Actividades Inmobiliarias

#Carga de datos Actividades Inmobiliarias

data.Inmobiliaria <- pivot_longer(data = IVAE_03_22[8,], names_to = "vars", cols = 2:160, values_to = "indice") %>%
  select("indice")
data.Inmobiliaria.ts <- data.Inmobiliaria %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_Inmobiliaria <- decompose(data.Inmobiliaria.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_Inmobiliaria, main = "Actividades Inmobiliarias ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt7 <- descomposicion_aditiva_Inmobiliaria$x
TC7 <- descomposicion_aditiva_Inmobiliaria$trend
autoplot(Yt7, main = "Actividades Inmobiliarias ENE 2009-MAR 2022")+ autolayer(TC7)

9. Descomposición del rubro Actividades Profesionales, Científicas, Técnicas, Administrativas, de Apoyo y Otros Servicios

#Carga de datos Actividades Profesionales, Científicas, etc.

data.Profesional <- pivot_longer(data = IVAE_03_22[9,], names_to = "vars", cols = 2:160, values_to = "indice") %>%
  select("indice")
data.Profesional.ts <- data.Profesional %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición aditiva
descomposicion_aditiva_Profesional <- decompose(data.Profesional.ts, type = "additive")

#Gráfico de la descomposición 
autoplot(descomposicion_aditiva_Profesional, main = "Actividades Profesionales, Científicas, Técnicas, Administrativas, de Apoyo y Otros Servicios ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt8 <- descomposicion_aditiva_Profesional$x
TC8 <- descomposicion_aditiva_Profesional$trend
autoplot(Yt8, main = "Actividades Profesionales, Científicas, Técnicas, Administrativas, de Apoyo y Otros Servicios ENE 2009-MAR 2022")+ autolayer(TC8)

10. Descomposoción del rubro Actividades de Administración Pública y Defensa, Enseñanza, Salud y Asistencia Social

#Carga de datos Actividades de administración pública y defensa, etc.
data.Administracion <- pivot_longer(data = IVAE_03_22[10,], names_to = "vars", cols = 2:160, values_to = "indice") %>%
  select("indice")
data.Administracion.ts <- data.Administracion %>% ts(start = c(2009,1), frequency = 12)

library(forecast)
#Descomposición Aditiva
descomposicion_aditiva_Administracion <- decompose(data.Administracion.ts, type = "additive")

#Gráfico de la descomposición
autoplot(descomposicion_aditiva_Administracion, main = " Actividades de Administración Pública y Defensa, Enseñanza, Salud y Asistencia Social ENE 2009-MAR 2022")

#Gráfico de la serie original y el componente tendencia ciclo del rubro
Yt9 <- descomposicion_aditiva_Administracion$x
TC9 <- descomposicion_aditiva_Administracion$trend
autoplot(Yt9, main = " Actividades de Administración Pública y Defensa, Enseñanza, Salud y Asistencia Social ENE 2009-MAR 2022")+ autolayer(TC9)