Parcial 1
LISBETH ESMERALDA MELCHOR REYES
2022-10-12
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA DE ECONOMÍA
“PARCIAL 1”
DOCENTE: MSF. CARLOS ADEMIR PÉREZ
MATERIA: MÉTODOS PARA EL ANÁLISIS ECONÓMICO
GT: 02
Presentado por:
| NOMBRE | CARNET |
| LISBETH ESMERALDA MELCHOR REYES | MR14076 |
PARTE 1 (TEÓRICA)
1. Explique las formas de acceder al elemento j de una lista A que está en la posición i de una lista B. nota: el elemento j de la lista A tiene la etiqueta hijo y dentro de la lista B, la lista A tiene la etiqueta padre
B[[i]][[j]]
2. Explique ¿Cómo se clasifican las estructuras de datos en R?
Las estructuras de datos son objetos que contienen datos.
| Dimensiones | Homogeneas | Heterogeneas |
| 1 | Vector | Lista |
| 2 | Matriz | Data Frame |
| n | Array |
3. Representa gráficamente la instrucción right_join(A,B) a través de un diagrama de Venn y explique su significado
right_join: este tipo de join selecciona los datos de la tabla de la derecha y a coincidir con las filas de la tabla de la izquierda. Devuelve un conjunto de resultados que incluye todas las filas de la tabla de la derecha, tengan o no filas coincidentes de la tabla de la izquierda.
PARTE 2 (PRÁCTICA)
#CARGA DE DATOS
options(scipen = 99999)
library(readxl)
library(stringr)
library(kableExtra)
library(dplyr)
library(tidyr)
load("C:/Users/liizm/Downloads/data_parcial_1_2021.RData")
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by= c("pais"="nom_pais_esp"))-> data_comercio_exteriorEjercicio 1 Elabore una función que se llame totales_pais_anios
totales_pais_anios<-function(codigo_pais,periodo){
total_exp_imp<-data_comercio_exterior %>%
group_by(iso_3, anio) %>%
summarise(Exportaciones= sum(valor_fob)/1e6,
Importaciones= sum(valor_cif)/1e6)
total_exp_imp%>% filter(codigo_pais==iso_3 , anio %in% periodo)
}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) GTM= Guatemala, HND= Honduras
options(scipen=999)
library(dplyr)
library (kableExtra)
Total_GTM<-totales_pais_anios("GTM",2017:2020)## `summarise()` has grouped output by 'iso_3'. You can override using the
## `.groups` argument.colnames(Total_GTM)<-c("Pais", "anio", "Exportaciones_GTM", "Importaciones_GTM")
Total_GTM %>% mutate(ratio_GTM=Importaciones_GTM/Exportaciones_GTM)->Total_GTM
Total_HND<-totales_pais_anios("HND", 2017:2020)## `summarise()` has grouped output by 'iso_3'. You can override using the
## `.groups` argument.colnames(Total_HND)<-c("Pais", "anio", "Exportaciones_HND", "Importaciones_HND")
Total_HND %>% mutate(ratio_HND=Importaciones_HND/Exportaciones_HND)->Total_HND
Total_GTM %>% left_join(Total_HND, by= c("anio"="anio"))->mi_tabla
mi_tabla %>% select("anio","Exportaciones_GTM", "Importaciones_GTM","ratio_GTM","Exportaciones_HND", "Importaciones_HND","ratio_HND") %>%
head() %>%
kable(caption = "Exportaciones e Importaciones y ratio de El Salvador con Guatemala y Honduras del periodo de 2017 a 2020")%>%
add_footnote(label="Fuente: Elaboración propia con base en datos del BCR")%>%
kable_styling() %>%
row_spec(0, bold = T, color = "black", background = "#FFB5C5")| anio | Exportaciones_GTM | Importaciones_GTM | ratio_GTM | Exportaciones_HND | Importaciones_HND | ratio_HND |
|---|---|---|---|---|---|---|
| 2017 | 792.2283 | 1045.8558 | 1.320145 | 796.8583 | 583.3582 | 0.7320727 |
| 2018 | 847.9121 | 1169.5972 | 1.379385 | 905.7280 | 753.9197 | 0.8323909 |
| 2019 | 948.2554 | 1273.0989 | 1.342570 | 945.6884 | 826.9239 | 0.8744147 |
| 2020 | 523.3755 | 774.0205 | 1.478901 | 474.6502 | 412.0073 | 0.8680229 |
| a Fuente: Elaboración propia con base en datos del BCR |
Ejercicio 3 Indicadores Balassa, para el capitulo 01
#Funciones
indicadores_Balassa_capitulo<-function(codigo_pais,
capitulo,
anio,
normalizado=TRUE){
enquo(codigo_pais)->codigo_pais
enquo(anio)->anio
# Exportaciones del producto k realizadas por el país i hacia el país j.
data_comercio_exterior %>% filter(codigo_pais==!!codigo_pais) %>%
mutate(capitulo=str_sub(sac,start = 1,end = 2)) %>%
filter(capitulo==!!capitulo,anio==!!anio) %>%
select(valor_fob) %>%
summarise(Xijt=sum(valor_fob)) %>%
select(Xijt) ->a
# Exportaciones totales del país i al país j
data_comercio_exterior %>%
filter(codigo_pais==!!codigo_pais,
anio==!!anio) %>%
select(valor_fob) %>%
summarise(Xijt=sum(valor_fob)) %>%
select(Xijt) ->b
# Exportaciones del capitulo k realizadas por el país i hacia el mundo (w)
data_comercio_exterior %>%
mutate(capitulo=str_sub(sac,start = 1,end = 2)) %>%
filter(capitulo==!!capitulo,anio==!!anio) %>%
select(valor_fob) %>%
summarise(Xijt=sum(valor_fob)) %>%
select(Xijt) ->c
# Exportaciones totales del país i al mundo (w)
data_comercio_exterior %>%
select(valor_fob) %>%
summarise(Xijt=sum(valor_fob)) %>%
select(Xijt) ->d
resultado<-as.numeric((a/b)/(c/d))
ifelse(normalizado==FALSE,
return(resultado),
return((resultado-1)/(resultado+1)))
}Indicadores Balassa para Guatemala y Honduras
options(scipen=999)
library(kableExtra)
library(dplyr)
resultado_balassa = data.frame("anios"=2017:2020,
"IB_GTM"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais= 320,
capitulo="01"),
"IB_HND"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais= 340,
capitulo="01"))
resultado_balassa%>%head()%>%kable(caption = "Índice de Balassa con Guatemala y Honduras. Capítulo 01. 2017-2020", aling="l")%>% add_footnote(label="Fuente: Elaboración propia con base en datos del BCR")%>%
kable_styling() %>%
row_spec(0, bold = T, color = "black", background = "#FFB5C5")| anios | IB_GTM | IB_HND |
|---|---|---|
| 2017 | 0.8593593 | -0.0407459 |
| 2018 | 0.8564358 | -0.1278098 |
| 2019 | 0.8423425 | -0.2435638 |
| 2020 | 0.9170955 | 0.4120962 |
| a Fuente: Elaboración propia con base en datos del BCR |
Ejercicio 4 Obtenga un ranking anual
options(scipen=999)
#Para seleccionar Años
anios_ranking<-2018:2020
data_comercio_exterior %>%
filter(anio %in% anios_ranking) ->data_ranking
data_ranking %>%
group_by(anio,iso_3) %>%
summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>%
slice_max(n = 5,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_reportelibrary(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank,values_from = data)->mi_tabla
print(mi_tabla)## # A tibble: 3 x 6
## anio `1` `2` `3` `4` `5`
## <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
## 2 2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6.68 CRI|4.5
## 3 2020 USA|36.8 GTM|16.92 HND|15.34 NIC|7.52 CRI|5.08Top 5 de socios comerciales
library(kableExtra)
mi_tabla %>%
kable(caption = paste("Top",5,"socios comerciales de El Salvador 2018-2020, datos en porcentajes de las exportaciones totales",
min(anios_ranking),"-",max(anios_ranking))) %>%
add_footnote(label = "Elaborado para el parcial 1 MAE118 2022") %>%
kable_styling() %>%
row_spec(0, bold = T, color = "black", background = "#FFB5C5")| anio | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 2018 | USA|44.07 | HND|15.34 | GTM|14.36 | NIC|6.87 | CRI|4.39 |
| 2019 | USA|41.88 | GTM|15.95 | HND|15.91 | NIC|6.68 | CRI|4.5 |
| 2020 | USA|36.8 | GTM|16.92 | HND|15.34 | NIC|7.52 | CRI|5.08 |
| a Elaborado para el parcial 1 MAE118 2022 |