Article Outline
RでIMFの世界経済見通し(WEO)データを扱う(その１)
IMFの世界経済見通し(WEO)データの2023年4月のデータは、
Download entire World Economic Outlook database: April 2023 にあります。SDMX DataをクリックするとダウンロードされるWEOApr2023-SDMXData.zipを解凍。WEO_PUB_APR2023.xmlがデータ本体。
WEO_PUB_APR2023.xmlをrsdmx::readSDMX関数で取り込んで、データフレームに変換したんですが３，４分待っても処理が終わらないのでフリーズと勘違いしてRを強制終了。（と、いまになってわかった）
で、R用WEOデータ(2023/4)を探して、見つけました。
(データ)
mitsuoxv/imf-weo data -> data_2304.rda
データの作成方法も（ありがたいことに）公開されています。 data-raw -> setup_current.R
実際に、作成してみましたが、weo_raw <- as_tibble(sdmx) の部分で数分（性能のあまり良くないノートパソコンで８分）かかります。
IMFの世界経済見通し(WEO)データ
このデータについて、調べたことをまとめておきます。（間違いがあるかも知れません。）
IMFのWEOデータには世界データ、グループデータも含まれている。
| Name | ref_area |
|---|---|
| World | 001 |
| Advanced Economies | 110 |
| G7 | 119 |
| Other Advanced Economies (Advanced Economies excluding G7 and Euro Area countries) | 123 |
| Euro area | 163 |
| Emerging Market and Developing Economies | 200 |
| Latin America and the Caribbean | 205 |
| Middle East and Central Asia (MECA) | 400 |
| Emerging and Developing Asia | 505 |
| ASEAN-5 | 510 |
| Sub-Sahara Africa | 603 |
| Emerging and Developing Europe | 903 |
| European Union | 998 |
ref_areaコードと国名との対応表は、
Download entire World Economic Outlook database: April 2023の
SDMX Data Structure Definitionをクリックするとダウンロードされる weoapr2023-sdmx-dsd.xlsx のREF_AREAシート。
ただ、このデータだと使い勝手が悪い(IMFコード <--> 国名 の対応のみ)ので、
一般的に使われているiso2, iso3とも対応させるためにcountrycodeパッケージのcodelistとマージ
さらに、国、地域の重心データとも対応させるために、CoordinateCleanerパッケージのcountryrefとマージ
重心データ等抜けのある箇所をネットで調べて埋めた。
(注意)
欠損値の箇所は空欄にしています。Namibiaのiso2コードが
NAのため欠損値と誤認識されてしまうため。csvデータではなく、データを読み込むコードも含むRコードにしています。
colClasses=c(rep("character",5),rep("numeric",4)),na.strings=""とかオプション付けるのめんどくさいと思うので。
他のことにも使えるようにWEO(IMF)コードのない国、地域のデータもある
url="https://raw.githubusercontent.com/statrstart/statrstart.github.com/master/source/data/"
source(paste0(url,"WEOcountry.R"))
# これでデータが読み込まれる。
head(WEOcountry)
# WEOデータを扱う場合は、WEO(IMF)コードが欠損しているデータを取り除く
WEOcountry <- WEOcountry[!is.na(WEOcountry$WEO) , ] （参考）data_2304データの軽量化(よく使いそうなデータだけにする)
特に、conceptの種類が多すぎて、わけわからないので、自分なりに整理しました。
notes列、freq列削除
head(data_2304)
# notes列(6列目)を取り除いて、d に入力
d<- data_2304[,c(1:5,7:9)]
# freq列を調べる
table(d$freq)
# A
#510384
# 年次データしかないので、freq列を取り除く
d<-d[,c(1:3,5:8)]concept列の整理
table(d$concept)
# 1000に満たない(686)データは使うことないので取り除く
#table(table(d$concept) < 1000)
#FALSE TRUE
# 44 101
# 101ものデータが取り除くデータに該当する
# 残すデータ名を、nn に入れる
( nn<- names(table(d$concept)[table(d$concept) > 1000]) )
# [1] "BCA" "BCA_NGDPD" "GGR" "GGR_NGDP" "GGSB"
# [6] "GGSB_NPGDP" "GGX" "GGX_NGDP" "GGXCNL" "GGXCNL_NGDP"
#[11] "GGXONLB" "GGXONLB_NGDP" "GGXWDG" "GGXWDG_NGDP" "GGXWDN"
#[16] "GGXWDN_NGDP" "LE" "LP" "LUR" "NGAP_NPGDP"
#[21] "NGDP" "NGDP_D" "NGDP_FY" "NGDP_R" "NGDP_RPCH"
#[26] "NGDPD" "NGDPDPC" "NGDPPC" "NGDPRPC" "NGDPRPPPPC"
#[31] "NGSD_NGDP" "NID_NGDP" "PCPI" "PCPIE" "PCPIEPCH"
#[36] "PCPIPCH" "PPPEX" "PPPGDP" "PPPPC" "PPPSH"
#[41] "TM_RPCH" "TMG_RPCH" "TX_RPCH" "TXG_RPCH"
#
# データ数の少ないものを取り除く
d<- d[d$concept %in% nn,]
# data_2304liteに入れて
data_2304lite<- d
# 保存
save(data_2304lite,file="data_2304lite.rda")
#
# WEOデータには観測データと予測データが含まれる。
table(d$lastactualdate)
# 2003 2004 2006 2008 2009 2010 2011 2012 2013 2014 2015
# 294 294 294 294 1225 1372 1470 882 882 1176 2695
# 2016 2017 2018 2019 2020 2021 2022
# 1470 3626 4165 9261 33124 198499 113680
# 単位
table(d$scale)
# 1 1e+06 1e+09
#294980 19208 126910
table(d$unit)
# B C E F G H K L M N P
# 28812 1372 115248 9604 10290 72030 92610 20580 10290 19208 30184
# S T
# 10290 20580 unitについて
| code | Description | |
|---|---|---|
| B | Index | |
| C | Index | 2000=100 |
| E | National currency | |
| F | National currency per current international dollar | |
| G | Percent | |
| H | Percent change | |
| K | Percent of GDP | |
| L | Percent of potential GDP | |
| M | Percent of total labor force | |
| N | Persons | |
| P | U.S. dollars | |
| S | Purchasing power parity; 2017 international dollar | |
| T | Purchasing power parity; international dollars |
conceptについて(weo-database-guideline.pdf で探したpdfファイルをみて、対応付けした。)
末尾が、PCH:変化率、PC:一人当たり、_NGDP:対GDP比、_NPGDP:対潜在GDP比
(例)
NGDPD -> NGDP(名目GDP) + D(単位：U.S.ドル)
NGDPRPPPPC -> NGDPR(実質GDP) + PPP(購買力平価換算) + PC(一人当たり)
| コード | 経済指標 | 単位 |
|---|---|---|
| 国民経済計算 | ||
| 1. NGDP_R | 国内総生産（実質） | 各国通貨 |
| 2. NGDP_RPCH | 国内総生産（実質） | 変化率（％） |
| 3. NGDP | 国内総生産（名目） | 各国通貨 |
| 4. NGDPD | 国内総生産（名目） | U.S.ドル |
| 5. PPPGDP | 国内総生産（名目）（購買力平価換算） | 購買力平価国際ドル |
| 6. NGDP_D | GDPデフレーター | |
| 7. NGDPRPC | 一人当たり国内総生産（実質） | 各国通貨 |
| 8. NGDPRPPPPC | 一人当たり国内総生産（実質）（購買力平価換算） | 購買力平価国際ドル(2011) |
| 9. NGDPPC | 一人当たり国内総生産（名目） | 各国通貨 |
| 10. NGDPDPC | 一人当たり国内総生産（名目） | U.S.ドル |
| 11. PPPPC | 一人当たり国内総生産（名目）（購買力平価換算） | 購買力平価国際ドル |
| 12. NGAP_NPGDP | 産出量ギャップ | 対潜在GDP比（％） |
| 13. PPPSH | GDP対世界比（購買力平価換算） | 総GDP比(%) |
| 14. PPPEX | 購買力平価（対ドル評価） | 各国通貨/ドル |
| 15. NID_NGDP | 投資 | 対GDP比（％） |
| 16. NGSD_NGDP | 国民総貯蓄 | 対GDP比（％） |
| 金融 | ||
| 1. PCPI | 消費者物価指数（年平均値） | |
| 2. PCPIPCH | インフレ率（消費者物価指数年平均値） | 変化率（％） |
| 3. PCPIE | 消費者物価指数（期末値） | |
| 4. PCPIEPCH | インフレ率（消費者物価指数期末値） | 変化率（％） |
| 貿易 | ||
| 1. TM_RPCH | 財サービス輸入量 | 変化率（％） |
| 2. TMG_RPCH | 財輸入量 | 変化率（％） |
| 3. TX_RPCH | 財サービス輸出量 | 変化率（％） |
| 4. TXG_RPCH | 財輸出量 | 変化率（％） |
| 人口 | ||
| 1. LUR | 失業率 | 対労働力人口比（％） |
| 2. LE | 就業者数 | 人 |
| 3. LP | 総人口 | 人 |
| 財政 | ||
| 1. GGR | 財政収入額 | 各国通貨 |
| 2. GGR_NGDP | 財政収入額 | 対GDP比（％） |
| 3. GGX | 財政支出額 | 各国通貨 |
| 4. GGX_NGDP | 財政支出額 | 対GDP比（％） |
| 5. GGXCNL | 財政収支額 | 各国通貨 |
| 6. GGXCNL_NGDP | 財政収支額 | 対GDP比（％） |
| 7. GGSB | 構造的財政収支 | 各国通貨 |
| 8. GGSB_NPGDP | 構造的財政収支 | 対潜在GDP比（％） |
| 9. GGXONLB | 基礎的財政収支 | 各国通貨 |
| 10. GGXONLB_NGDP | 基礎的財政収支 | 対GDP比（％） |
| 11. GGXWDN | 政府純債務額 | 各国通貨 |
| 12. GGXWDN_NGDP | 政府純債務額 | 対GDP比（％） |
| 13. GGXWDG | 政府総債務額 | 各国通貨 |
| 14. GGXWDG_NGDP | 政府総債務額 | 対GDP比（％） |
| 15. NGDP_FY | 会計年度別国内総生産（名目） | 各国通貨 |
| 国際収支 | ||
| 1. BCA | 経常収支 | U.S.ドル |
| 2. BCA_NGDPD | 経常収支額 | 対GDP比（％） |