SOLUCION_PARCIAL1_PV18021
DEBEE BERENICE PEREZ VIDES
2022-10-12
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA DE ECONOMIA
CICLO II-2022
Asignatura:
Métodos para el Análisis Ecocómico.
Grupo Teorico
03
Facilitador:
Carlos Ademir Pérez Alas.
Estudiante
Debee Berenice Pérez Vides
Nùmero de Carnet
PV18021
Contenido:
Solucion Parcial 1 Ordinario
PARTE TEORICA
Explique que son las estructuras de datos
Las colecciones o conjunto de datos en R se pueden organizar por
su dimensión ya sea 1°, 2° o varias dimensiones y si son homogéneas pues
todos los objetos deben ser del mismo tipo o si son heterogéneas el
contenido puede ser de diferentes tipos
Explique como se clasifican las estructuras de datos en R
Se clasifican en homogeneas que son aquellas que solo pueden ser
de un tipo de datos como por ejemplo:VECTOR ATOMICO, MATRIX y ARRAY
Tambien pueden ser homogeneas que son las que pueden
ser de distintos tipos de datos como por ejemplo: LISTAS y DATA
FRAME
Represente graficamente la instrucción anti_join(A,B) a través de un
diagrama de Venn y explique su significado práctico
El anti_join sirve para unir una tabla con otra sin seleccionar
los elementos comunes con la otra tabla
ANTI_JOIN EN DIAGRAMA DE VENN
PARTE PRACTICA
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
source(file="C:/Users/50379/Downloads/funciones_comercio_exterior (2).R")
##
## 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
Ejercicio 1: Elabore una función que se llame totales_pais_anios,
que use como argumento el código de país iso de tres caracteres, para
elegir el socio comercial de El Salvador, y permita obtener las
Exportaciones y las Importaciones para un periodo específico.
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
totales_pais_anios<- function(iso_3,anio) {
data_comercio_exterior %>%
filter(iso_3=="iso_3",anio==!!anio) %>%
group_by(anio) %>%
summarise(Exportaciones=sum(valor_fob)/1e6,
Importaciones=sum(valor_cif)/1e6)->Resultado
Resultado
}
Ejercicio 2: Usando la función creada en el ejercicio 1 y los
comandos que sean necesarios, genere la siguiente tabla: (nota ratio es
el cociente entre Importaciones y Exportaciones) GMT= Guatemala, HND=
Honduras
library(kableExtra)
##
## Attaching package: 'kableExtra'
## The following object is masked from 'package:dplyr':
##
## group_rows
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
data_comercio_exterior %>%
filter(iso_3=="GTM",anio==2017:2020) %>%
group_by(anio) %>% summarise(`Exportaciones_GTM`= sum(valor_fob)/1e6,
`Importaciones_GTM`= sum(valor_cif)/1e6) %>%
mutate(`Balanza Comercial_GTM`= Exportaciones_GTM - Importaciones_GTM) %>%
select("anio", "Importaciones_GTM", "Exportaciones_GTM","Balanza Comercial_GTM") %>% head() %>%
kable(
caption = "Exportaciones e Importaciones y Saldo de la Balanza Comercial de El Salvador con Guatemala del periodo de 2017 a 2020")%>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia con base en datos del BCR.")
## Warning in anio == 2017:2020: longitud de objeto mayor no es múltiplo de la
## longitud de uno menor
Exportaciones e Importaciones y Saldo de la Balanza Comercial de El
Salvador con Guatemala del periodo de 2017 a 2020
anio
Importaciones_GTM
Exportaciones_GTM
Balanza Comercial_GTM
2017
240.3409
193.6879
-46.65301
2018
294.9965
213.0235
-81.97299
2019
268.3303
216.1819
-52.14838
2020
207.6116
124.1538
-83.45783
Fuente:
Elaboración propia con base en datos del BCR.
library(kableExtra)
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
data_comercio_exterior %>%
filter(iso_3=="HND",anio==2017:2020) %>%
group_by(anio) %>% summarise(`Exportaciones_HND`= sum(valor_fob)/1e6,
`Importaciones_HND`= sum(valor_cif)/1e6) %>%
mutate(`Balanza Comercial_HND`= Exportaciones_HND - Importaciones_HND) %>%
select("anio", "Importaciones_HND", "Exportaciones_HND","Balanza Comercial_HND") %>% head() %>%
kable(
caption = "Exportaciones e Importaciones y Saldo de la Balanza Comercial de El Salvador con Honduras del periodo de 2017 a 2020")%>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia con base en datos del BCR.")
## Warning in anio == 2017:2020: longitud de objeto mayor no es múltiplo de la
## longitud de uno menor
Exportaciones e Importaciones y Saldo de la Balanza Comercial de El
Salvador con Honduras del periodo de 2017 a 2020
anio
Importaciones_HND
Exportaciones_HND
Balanza Comercial_HND
2017
138.7958
201.0066
62.210775
2018
149.7443
239.6433
89.898972
2019
176.1214
241.7475
65.626085
2020
103.5636
112.0739
8.510336
Fuente:
Elaboración propia con base en datos del BCR.
Ejercicio 3: Obtenga los indicadores de Balassa, para el capítulo
“01”, usando las funciones propuestas en clase.
capitulo<-"01"
data.frame("años"=2017:2020,
"IB_GMT"=sapply(X=2017:2020,FUN = indicadores_Balassa_capitulo,codigo_pais=320,capitulo=capitulo),
"IB_HND"=sapply(X=2017:2020,FUN=indicadores_Balassa_capitulo,codigo_pais=340,capitulo=capitulo))%>%
head() %>% kable(caption = "Índice de Balassa de El Salvador, con Guatemala y Honduras para los años 2017-2020", digits = 4) %>% kable_minimal() %>%
add_footnote(label="Elaboración propia con base en datos del BCR",
notation="symbol") %>% kable_styling()
Índice de Balassa de El Salvador, con Guatemala y Honduras para los años
2017-2020
años
IB_GMT
IB_HND
2017
0.8594
-0.0407
2018
0.8564
-0.1278
2019
0.8423
-0.2436
2020
0.9171
0.4121
* Elaboración propia con base en datos del BCR
Ejercicio 4: Genera una función que obtenga un ranking, anual, de
los “k” principales socios comerciales de El Salvador, para el periodo
año inicio-año final. Presente sus resultados en el siguiente
formato.
#Ranking
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
anios_ranking<-2018:2020
data_comercio_exterior %>%
filter(anio %in% anios_ranking)-> data_ranking
library(dplyr)
data_ranking %>%
group_by(anio,iso_3) %>%
summarise(total=sum(valor_fob)) %>%
mutate(percent= round(prop.table(total)*100,2)) %>%
slice_max(n=10,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
## `summarise()` has grouped output by 'anio'. You can override using the
## `.groups` argument.
print(insumo_reporte)
## anio data rank
## 1 2018 USA|44.07 1
## 2 2018 HND|15.34 2
## 3 2018 GTM|14.36 3
## 4 2018 NIC|6.87 4
## 5 2018 CRI|4.39 5
## 6 2018 MEX|2.44 6
## 7 2018 PAN|2.08 7
## 8 2018 DOM|1.65 8
## 9 2018 CHN|1.45 9
## 10 2018 ESP|0.82 10
## 11 2019 USA|41.88 1
## 12 2019 GTM|15.95 2
## 13 2019 HND|15.91 3
## 14 2019 NIC|6.68 4
## 15 2019 CRI|4.5 5
## 16 2019 MEX|2.53 6
## 17 2019 PAN|2.05 7
## 18 2019 DOM|1.77 8
## 19 2019 CAN|1.08 9
## 20 2019 CHN|0.87 10
## 21 2020 USA|36.8 1
## 22 2020 GTM|16.92 2
## 23 2020 HND|15.34 3
## 24 2020 NIC|7.52 4
## 25 2020 CRI|5.08 5
## 26 2020 MEX|2.42 6
## 27 2020 PAN|1.97 7
## 28 2020 DOM|1.81 8
## 29 2020 KOR|1.61 9
## 30 2020 CHN|1.6 10
library(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank, values_from = data)->mi_tabla
print(mi_tabla)
## # A tibble: 3 × 11
## anio `1` `2` `3` `4` `5` `6` `7` `8` `9` `10`
## <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6… CRI|… MEX|… PAN|… DOM|… CHN|… ESP|…
## 2 2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6… CRI|… MEX|… PAN|… DOM|… CAN|… CHN|…
## 3 2020 USA|36.8 GTM|16.92 HND|15.34 NIC|7… CRI|… MEX|… PAN|… DOM|… KOR|… CHN|…
library(kableExtra)
library(tidyr)
mi_tabla %>%
kable(caption= paste("Top", 10, "de Exportaciones periodo",
min(anios_ranking),"-", max(anios_ranking),"datos en porcentaje de las exportaciones totales")) %>%
add_footnote(label="Elaborado para el Parcial 1 MAE118 2022")
Top 10 de Exportaciones periodo 2018 - 2020 datos en porcentaje de las
exportaciones totales
anio
1
2
3
4
5
6
7
8
9
10
2018
USA|44.07
HND|15.34
GTM|14.36
NIC|6.87
CRI|4.39
MEX|2.44
PAN|2.08
DOM|1.65
CHN|1.45
ESP|0.82
2019
USA|41.88
GTM|15.95
HND|15.91
NIC|6.68
CRI|4.5
MEX|2.53
PAN|2.05
DOM|1.77
CAN|1.08
CHN|0.87
2020
USA|36.8
GTM|16.92
HND|15.34
NIC|7.52
CRI|5.08
MEX|2.42
PAN|1.97
DOM|1.81
KOR|1.61
CHN|1.6
a Elaborado para el Parcial 1 MAE118 2022
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA DE ECONOMIA
CICLO II-2022
Asignatura:
Métodos para el Análisis Ecocómico.
Grupo Teorico
03
Facilitador:
Carlos Ademir Pérez Alas.
Estudiante
Debee Berenice Pérez Vides
Nùmero de Carnet
PV18021
Contenido:
Solucion Parcial 1 Ordinario
PARTE TEORICA
Explique que son las estructuras de datos
Las colecciones o conjunto de datos en R se pueden organizar por su dimensión ya sea 1°, 2° o varias dimensiones y si son homogéneas pues todos los objetos deben ser del mismo tipo o si son heterogéneas el contenido puede ser de diferentes tipos
Explique como se clasifican las estructuras de datos en R
Se clasifican en homogeneas que son aquellas que solo pueden ser de un tipo de datos como por ejemplo:VECTOR ATOMICO, MATRIX y ARRAY Tambien pueden ser homogeneas que son las que pueden ser de distintos tipos de datos como por ejemplo: LISTAS y DATA FRAME
Represente graficamente la instrucción anti_join(A,B) a través de un diagrama de Venn y explique su significado práctico
El anti_join sirve para unir una tabla con otra sin seleccionar los elementos comunes con la otra tabla
ANTI_JOIN EN DIAGRAMA DE VENN
PARTE PRACTICA
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
source(file="C:/Users/50379/Downloads/funciones_comercio_exterior (2).R")##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionEjercicio 1: Elabore una función que se llame totales_pais_anios, que use como argumento el código de país iso de tres caracteres, para elegir el socio comercial de El Salvador, y permita obtener las Exportaciones y las Importaciones para un periodo específico.
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
totales_pais_anios<- function(iso_3,anio) {
data_comercio_exterior %>%
filter(iso_3=="iso_3",anio==!!anio) %>%
group_by(anio) %>%
summarise(Exportaciones=sum(valor_fob)/1e6,
Importaciones=sum(valor_cif)/1e6)->Resultado
Resultado
}Ejercicio 2: Usando la función creada en el ejercicio 1 y los comandos que sean necesarios, genere la siguiente tabla: (nota ratio es el cociente entre Importaciones y Exportaciones) GMT= Guatemala, HND= Honduras
library(kableExtra)##
## Attaching package: 'kableExtra'## The following object is masked from 'package:dplyr':
##
## group_rowsoptions(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
data_comercio_exterior %>%
filter(iso_3=="GTM",anio==2017:2020) %>%
group_by(anio) %>% summarise(`Exportaciones_GTM`= sum(valor_fob)/1e6,
`Importaciones_GTM`= sum(valor_cif)/1e6) %>%
mutate(`Balanza Comercial_GTM`= Exportaciones_GTM - Importaciones_GTM) %>%
select("anio", "Importaciones_GTM", "Exportaciones_GTM","Balanza Comercial_GTM") %>% head() %>%
kable(
caption = "Exportaciones e Importaciones y Saldo de la Balanza Comercial de El Salvador con Guatemala del periodo de 2017 a 2020")%>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia con base en datos del BCR.")## Warning in anio == 2017:2020: longitud de objeto mayor no es múltiplo de la
## longitud de uno menor| anio | Importaciones_GTM | Exportaciones_GTM | Balanza Comercial_GTM |
|---|---|---|---|
| 2017 | 240.3409 | 193.6879 | -46.65301 |
| 2018 | 294.9965 | 213.0235 | -81.97299 |
| 2019 | 268.3303 | 216.1819 | -52.14838 |
| 2020 | 207.6116 | 124.1538 | -83.45783 |
| Fuente: | |||
| Elaboración propia con base en datos del BCR. |
library(kableExtra)
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
data_comercio_exterior %>%
filter(iso_3=="HND",anio==2017:2020) %>%
group_by(anio) %>% summarise(`Exportaciones_HND`= sum(valor_fob)/1e6,
`Importaciones_HND`= sum(valor_cif)/1e6) %>%
mutate(`Balanza Comercial_HND`= Exportaciones_HND - Importaciones_HND) %>%
select("anio", "Importaciones_HND", "Exportaciones_HND","Balanza Comercial_HND") %>% head() %>%
kable(
caption = "Exportaciones e Importaciones y Saldo de la Balanza Comercial de El Salvador con Honduras del periodo de 2017 a 2020")%>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia con base en datos del BCR.")## Warning in anio == 2017:2020: longitud de objeto mayor no es múltiplo de la
## longitud de uno menor| anio | Importaciones_HND | Exportaciones_HND | Balanza Comercial_HND |
|---|---|---|---|
| 2017 | 138.7958 | 201.0066 | 62.210775 |
| 2018 | 149.7443 | 239.6433 | 89.898972 |
| 2019 | 176.1214 | 241.7475 | 65.626085 |
| 2020 | 103.5636 | 112.0739 | 8.510336 |
| Fuente: | |||
| Elaboración propia con base en datos del BCR. |
Ejercicio 3: Obtenga los indicadores de Balassa, para el capítulo “01”, usando las funciones propuestas en clase.
capitulo<-"01"
data.frame("años"=2017:2020,
"IB_GMT"=sapply(X=2017:2020,FUN = indicadores_Balassa_capitulo,codigo_pais=320,capitulo=capitulo),
"IB_HND"=sapply(X=2017:2020,FUN=indicadores_Balassa_capitulo,codigo_pais=340,capitulo=capitulo))%>%
head() %>% kable(caption = "Índice de Balassa de El Salvador, con Guatemala y Honduras para los años 2017-2020", digits = 4) %>% kable_minimal() %>%
add_footnote(label="Elaboración propia con base en datos del BCR",
notation="symbol") %>% kable_styling()| años | IB_GMT | IB_HND |
|---|---|---|
| 2017 | 0.8594 | -0.0407 |
| 2018 | 0.8564 | -0.1278 |
| 2019 | 0.8423 | -0.2436 |
| 2020 | 0.9171 | 0.4121 |
| * Elaboración propia con base en datos del BCR |
Ejercicio 4: Genera una función que obtenga un ranking, anual, de los “k” principales socios comerciales de El Salvador, para el periodo año inicio-año final. Presente sus resultados en el siguiente formato.
#Ranking
options(scipen=999)
library(dplyr)
library(readxl)
load("C:/Users/50379/Downloads/Debee Berenice Pérez Vides - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises<- nombre_archivo
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))->data_comercio_exterior
anios_ranking<-2018:2020
data_comercio_exterior %>%
filter(anio %in% anios_ranking)-> data_ranking
library(dplyr)
data_ranking %>%
group_by(anio,iso_3) %>%
summarise(total=sum(valor_fob)) %>%
mutate(percent= round(prop.table(total)*100,2)) %>%
slice_max(n=10,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## `summarise()` has grouped output by 'anio'. You can override using the
## `.groups` argument.print(insumo_reporte)## anio data rank
## 1 2018 USA|44.07 1
## 2 2018 HND|15.34 2
## 3 2018 GTM|14.36 3
## 4 2018 NIC|6.87 4
## 5 2018 CRI|4.39 5
## 6 2018 MEX|2.44 6
## 7 2018 PAN|2.08 7
## 8 2018 DOM|1.65 8
## 9 2018 CHN|1.45 9
## 10 2018 ESP|0.82 10
## 11 2019 USA|41.88 1
## 12 2019 GTM|15.95 2
## 13 2019 HND|15.91 3
## 14 2019 NIC|6.68 4
## 15 2019 CRI|4.5 5
## 16 2019 MEX|2.53 6
## 17 2019 PAN|2.05 7
## 18 2019 DOM|1.77 8
## 19 2019 CAN|1.08 9
## 20 2019 CHN|0.87 10
## 21 2020 USA|36.8 1
## 22 2020 GTM|16.92 2
## 23 2020 HND|15.34 3
## 24 2020 NIC|7.52 4
## 25 2020 CRI|5.08 5
## 26 2020 MEX|2.42 6
## 27 2020 PAN|1.97 7
## 28 2020 DOM|1.81 8
## 29 2020 KOR|1.61 9
## 30 2020 CHN|1.6 10library(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank, values_from = data)->mi_tabla
print(mi_tabla)## # A tibble: 3 × 11
## anio `1` `2` `3` `4` `5` `6` `7` `8` `9` `10`
## <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6… CRI|… MEX|… PAN|… DOM|… CHN|… ESP|…
## 2 2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6… CRI|… MEX|… PAN|… DOM|… CAN|… CHN|…
## 3 2020 USA|36.8 GTM|16.92 HND|15.34 NIC|7… CRI|… MEX|… PAN|… DOM|… KOR|… CHN|…library(kableExtra)
library(tidyr)
mi_tabla %>%
kable(caption= paste("Top", 10, "de Exportaciones periodo",
min(anios_ranking),"-", max(anios_ranking),"datos en porcentaje de las exportaciones totales")) %>%
add_footnote(label="Elaborado para el Parcial 1 MAE118 2022")| anio | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018 | USA|44.07 | HND|15.34 | GTM|14.36 | NIC|6.87 | CRI|4.39 | MEX|2.44 | PAN|2.08 | DOM|1.65 | CHN|1.45 | ESP|0.82 |
| 2019 | USA|41.88 | GTM|15.95 | HND|15.91 | NIC|6.68 | CRI|4.5 | MEX|2.53 | PAN|2.05 | DOM|1.77 | CAN|1.08 | CHN|0.87 |
| 2020 | USA|36.8 | GTM|16.92 | HND|15.34 | NIC|7.52 | CRI|5.08 | MEX|2.42 | PAN|1.97 | DOM|1.81 | KOR|1.61 | CHN|1.6 |
| a Elaborado para el Parcial 1 MAE118 2022 |