Practica de clase descompocion

Importacion de la Data

library(readxl)
library(tidyr)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(forecast)

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

serie.ivae <-
  read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
    skip = 5, n_max = 10)

## New names:
## • `` -> `...1`
## • `Ene` -> `Ene...2`
## • `Feb` -> `Feb...3`
## • `Mar` -> `Mar...4`
## • `Abr` -> `Abr...5`
## • `May` -> `May...6`
## • `Jun` -> `Jun...7`
## • `Jul` -> `Jul...8`
## • `Ago` -> `Ago...9`
## • `Sept` -> `Sept...10`
## • `Oct` -> `Oct...11`
## • `Nov` -> `Nov...12`
## • `Dic` -> `Dic...13`
## • `Ene` -> `Ene...14`
## • `Feb` -> `Feb...15`
## • `Mar` -> `Mar...16`
## • `Abr` -> `Abr...17`
## • `May` -> `May...18`
## • `Jun` -> `Jun...19`
## • `Jul` -> `Jul...20`
## • `Ago` -> `Ago...21`
## • `Sept` -> `Sept...22`
## • `Oct` -> `Oct...23`
## • `Nov` -> `Nov...24`
## • `Dic` -> `Dic...25`
## • `Ene` -> `Ene...26`
## • `Feb` -> `Feb...27`
## • `Mar` -> `Mar...28`
## • `Abr` -> `Abr...29`
## • `May` -> `May...30`
## • `Jun` -> `Jun...31`
## • `Jul` -> `Jul...32`
## • `Ago` -> `Ago...33`
## • `Sept` -> `Sept...34`
## • `Oct` -> `Oct...35`
## • `Nov` -> `Nov...36`
## • `Dic` -> `Dic...37`
## • `Ene (r)` -> `Ene (r)...38`
## • `Feb (r)` -> `Feb (r)...39`
## • `Mar (r)` -> `Mar (r)...40`
## • `Abr (r)` -> `Abr (r)...41`
## • `May (r)` -> `May (r)...42`
## • `Jun (r)` -> `Jun (r)...43`
## • `Jul (r)` -> `Jul (r)...44`
## • `Ago (r)` -> `Ago (r)...45`
## • `Sept (r)` -> `Sept (r)...46`
## • `Oct (r)` -> `Oct (r)...47`
## • `Nov (r)` -> `Nov (r)...48`
## • `Dic (r)` -> `Dic (r)...49`
## • `Ene (r)` -> `Ene (r)...50`
## • `Feb (r)` -> `Feb (r)...51`
## • `Mar (r)` -> `Mar (r)...52`
## • `Abr (r)` -> `Abr (r)...53`
## • `May (r)` -> `May (r)...54`
## • `Jun (r)` -> `Jun (r)...55`
## • `Jul (r)` -> `Jul (r)...56`
## • `Ago (r)` -> `Ago (r)...57`
## • `Sept (r)` -> `Sept (r)...58`
## • `Oct (r)` -> `Oct (r)...59`
## • `Nov (r)` -> `Nov (r)...60`
## • `Dic (r)` -> `Dic (r)...61`
## • `Ene` -> `Ene...62`
## • `Feb` -> `Feb...63`
## • `Mar` -> `Mar...64`
## • `Abr` -> `Abr...65`
## • `May` -> `May...66`
## • `Jun` -> `Jun...67`
## • `Jul` -> `Jul...68`
## • `Ago` -> `Ago...69`
## • `Sept` -> `Sept...70`
## • `Oct` -> `Oct...71`
## • `Nov` -> `Nov...72`
## • `Dic` -> `Dic...73`
## • `Ene` -> `Ene...74`
## • `Feb` -> `Feb...75`
## • `Mar` -> `Mar...76`
## • `Abr` -> `Abr...77`
## • `May` -> `May...78`
## • `Jun` -> `Jun...79`
## • `Jul` -> `Jul...80`
## • `Ago` -> `Ago...81`
## • `Sept` -> `Sept...82`
## • `Oct` -> `Oct...83`
## • `Nov` -> `Nov...84`
## • `Dic` -> `Dic...85`
## • `Ene` -> `Ene...86`
## • `Feb` -> `Feb...87`
## • `Mar` -> `Mar...88`
## • `Abr` -> `Abr...89`
## • `May` -> `May...90`
## • `Jun` -> `Jun...91`
## • `Jul` -> `Jul...92`
## • `Ago` -> `Ago...93`
## • `Sept` -> `Sept...94`
## • `Oct` -> `Oct...95`
## • `Nov` -> `Nov...96`
## • `Dic` -> `Dic...97`
## • `Ene` -> `Ene...98`
## • `Feb` -> `Feb...99`
## • `Mar` -> `Mar...100`
## • `Abr` -> `Abr...101`
## • `May` -> `May...102`
## • `Jun` -> `Jun...103`
## • `Jul` -> `Jul...104`
## • `Ago` -> `Ago...105`
## • `Sept` -> `Sept...106`
## • `Oct` -> `Oct...107`
## • `Nov` -> `Nov...108`
## • `Dic` -> `Dic...109`
## • `Ene` -> `Ene...110`
## • `Feb` -> `Feb...111`
## • `Mar` -> `Mar...112`
## • `Abr` -> `Abr...113`
## • `May` -> `May...114`
## • `Jun` -> `Jun...115`
## • `Jul` -> `Jul...116`
## • `Ago` -> `Ago...117`
## • `Sept` -> `Sept...118`
## • `Oct` -> `Oct...119`
## • `Nov` -> `Nov...120`
## • `Dic` -> `Dic...121`
## • `Ene` -> `Ene...122`
## • `Feb` -> `Feb...123`
## • `Mar` -> `Mar...124`
## • `Abr` -> `Abr...125`
## • `May` -> `May...126`
## • `Jun` -> `Jun...127`
## • `Jul` -> `Jul...128`
## • `Ago` -> `Ago...129`
## • `Sept` -> `Sept...130`
## • `Oct` -> `Oct...131`
## • `Nov` -> `Nov...132`
## • `Dic` -> `Dic...133`
## • `Ene (e)` -> `Ene (e)...146`
## • `Feb (e)` -> `Feb (e)...147`
## • `Mar (e)` -> `Mar (e)...148`
## • `Ene (e)` -> `Ene (e)...158`
## • `Feb (e)` -> `Feb (e)...159`
## • `Mar (e)` -> `Mar (e)...160`

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

data.ivae.ts %>% 
  autoplot(main ="IVAE ENE 2009- MAR 2022",
           xlab="Años/Meses",
           ylab="Indice")

#Modelo aditivo Del IVAE

library(forecast)
#Descomposición aditiva
descompocicion_aditiva<-decompose(data.ivae.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva, main="IVAE, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt<-descompocicion_aditiva$x
TC<-descompocicion_aditiva$trend
autoplot(Yt,
         main = "IVAE, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC)

# Descompocicion aditiva de Agricultura y Ganaderia

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.G<-pivot_longer(data = serie.ivae[2,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.G.ts<- data.G %>% ts(start = c(2009,1),frequency = 12)

data.G.ts %>% 
  autoplot(main =" Agricultura, Ganadería, Silvicultura y Pesca 2009- MAR 2022",
           xlab="Años/Meses",
           ylab="Indice")

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_2<-decompose(data.G.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_2, main=" Agricultura, Ganadería, Silvicultura y Pesca, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_2<-descompocicion_aditiva_2$x
TC_2<-descompocicion_aditiva_2$trend
autoplot(Yt_2,
         main = " Agricultura, Ganadería, Silvicultura y Pesca, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_2)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompoción Aditiva del Índice de Producción Industrial (IPI)

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.IPI<-pivot_longer(data = serie.ivae[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
descompocicion_aditiva_3<-decompose(data.IPI.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_3, main=" Índice de Producción Industrial (IPI) , El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_3<-descompocicion_aditiva_3$x
TC_3<-descompocicion_aditiva_3$trend
autoplot(Yt_3,
         main = "Índice de Producción Industrial (IPI), El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_3)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva de Construcción

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.C<-pivot_longer(data = serie.ivae[4,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.C.ts<- data.C %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_4<-decompose(data.C.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_4, main="Construcción , El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_4<-descompocicion_aditiva_4$x
TC_4<-descompocicion_aditiva_4$trend
autoplot(Yt_4,
         main = "Construcción, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_4)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva de Comercio, Transporte y Almacenamiento, Actividades de Alojamiento y de Servicio de Comidas

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.CTASC<-pivot_longer(data = serie.ivae[5,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.CTASC.ts<- data.CTASC %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_5<-decompose(data.CTASC.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_5, main="Comercio, Transporte y A, A,A,S,C, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_5<-descompocicion_aditiva_5$x
TC_5<-descompocicion_aditiva_5$trend
autoplot(Yt_5,
         main = "Comercio, Transporte y A, A,A,S,C, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_5)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva de Información y Comunicaciones

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.IC<-pivot_longer(data = serie.ivae[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
descompocicion_aditiva_6<-decompose(data.IC.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_6, main="Información y Comunicaciones, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_6<-descompocicion_aditiva_6$x
TC_6<-descompocicion_aditiva_6$trend
autoplot(Yt_6,
         main = " Información y Comunicaciones, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_6)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva Actividades Financieras y de Seguros

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.FS<-pivot_longer(data = serie.ivae[7,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.FS.ts<- data.FS %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_7<-decompose(data.FS.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_7, main="Actividades Financieras y de Seguros, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_7<-descompocicion_aditiva_7$x
TC_7<-descompocicion_aditiva_7$trend
autoplot(Yt_7,
         main = "Actividades Financieras y de Seguros,El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_7)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva de Actividades Inmobiliarias

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.AI<-pivot_longer(data = serie.ivae[8,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.AI.ts<- data.AI %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_8<-decompose(data.AI.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_8, main="Actividades Inmobiliarias
, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_8<-descompocicion_aditiva_8$x
TC_8<-descompocicion_aditiva_8$trend
autoplot(Yt_8,
         main = "Actividades Inmobiliarias, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_8)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocicion Aditiva Actividades Profesionales, Científicas, Técnicas, Administrativas, de Apoyo y Otros Servicios

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.PCTAS<-pivot_longer(data = serie.ivae[9,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.PCTAS.ts<- data.PCTAS %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_9<-decompose(data.PCTAS.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_9, main="Actividades Profesionales, Científicas, Técnicas, A y S, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_9<-descompocicion_aditiva_9$x
TC_9<-descompocicion_aditiva_9$trend
autoplot(Yt_9,
         main = "Actividades Profesionales, Científicas, Técnicas, A y S, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_9)

## Warning: Removed 12 row(s) containing missing values (geom_path).

Descompocición Aditiva de Actividades de Administración Pública y Defensa, Enseñanza, Salud y Asistencia Social

library(readxl)
library(tidyr)
library(dplyr)
library(forecast)
serie.ivae <- read_excel("~/Econometria/IVAE-Serie_Original.xlsx", 
                       col_names = FALSE, skip = 6, n_max = 10)

## Generamos Serie Temporal
data.APDESA<-pivot_longer(data = serie.ivae[10,],names_to = "vars",cols = 2:160,values_to = "indice") %>% select("indice")
data.APDESA.ts<- data.APDESA %>% ts(start = c(2009,1),frequency = 12)

library(forecast)
#Descomposición aditiva
descompocicion_aditiva_10<-decompose(data.APDESA.ts,type = "additive")
#gráfico de la descompocición
autoplot(descompocicion_aditiva_10, main="Actividades de Administración Pública y D,E,S, El Salvador 2009-2022[marzo]")

#gráfico de la serie original y el componente tendencia ciclo
Yt_10<-descompocicion_aditiva_10$x
TC_10<-descompocicion_aditiva_10$trend
autoplot(Yt_10,
         main = "Actividades de Administración Pública y D,E,S, El Salvador 2009-2022[marzo]", 
         xlab = "Años/Meses",
         ylab = "Indice")+
  autolayer(TC_10)

## Warning: Removed 12 row(s) containing missing values (geom_path).