Imacec No Minero Desestacionalizado Per cápita

###              ###
# Nota Importante: #
###              ###
#   Los nombres de los meses abreviados en español pueden ser problemáticos de
# transformar en fechas de R.
#   El buen funcionamiento de este script podría depender de la localización
# de la versión de R y del sistema operativo. Eventualmente podría requerir
# ajustes manuales para que se ejecute correctamente.

#   Hay que jugar con los parámetros de las etiquetas para que queden bien
# posicionadas. A veces se solapan con el gráfico.

# Paquetes ----------------------------------------------------------------
library(tidyverse)
library(rvest)
library(tsibble)
library(fabletools)
library(magrittr, include.only="%<>%")
library(zoo, include.only="na.approx")
library(ggrepel)

# IMACEC ------------------------------------------------------------------
# Url a la tabla de IMACEC desestacionalizado del banco central
url <- "https://si3.bcentral.cl/Siete/ES/Siete/Cuadro/CAP_CCNN/MN_CCNN76/CCNN2018_IMACEC_03_A/638131831615238879?cbFechaInicio=1996&cbFrecuencia=MONTHLY&cbCalculo=NONE&cbFechaBase="

# Se lee la tabla utilizando las herramientas de webscrapping de rvest
imacec <- read_html(url) %>%
  html_element("table") %>%
  html_table()

#   Transformamos la tablas con pivot para dejar las fechas en las filas y las
# series en las columnas.
imacec %<>%
  pivot_longer(cols=-c(Sel., Serie), names_to="Fecha") %>%
  select(-Sel.) %>%
  pivot_wider(names_from = Serie) %>%
  mutate(across(-Fecha, ~ str_replace(.x, ",", ".") |> as.numeric())) %>%
  mutate(Fecha = paste(Fecha, "01") |> as.Date(format="%b.%Y %d"))

# Se transforma la tabla en una tsibble.
imacec %<>%
  mutate(Fecha = yearmonth(Fecha)) %>%
  as_tsibble(index=Fecha)

# Gráfico de prueba del Imacec no minero desestacionalizado
imacec %>%
  autoplot(`Imacec no minero`) +
  scale_x_yearmonth(breaks="2 year") +
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1))

# Proyecciones Censales ---------------------------------------------------
# Url al archivo csv de población per cápita del sitio web del INE
url <- "https://www.ine.gob.cl/docs/default-source/proyecciones-de-poblacion/cuadros-estadisticos/base-2017/ine_estimaciones-y-proyecciones-de-poblaci%C3%B3n-1992-2050_base-2017_base-de-datos.csv?sfvrsn=4022da86_11&download=true"

# Se descarga la base de datos
proyeccion_censal <- read_csv2(url, skip=1)
proyeccion_censal %<>%
  # Tomamos sólo la edad total (suma hombres y mujeres)
  filter(EDAD=="TOTAL") %>%
  .[1,] %>%
  #   Seleccionamo sólo las columnas cuyo nombre sea un número de cuatro cifras,
  # es decir, un año.
  select(matches("^[0-9]{4}$")) %>%
  # Usando pivot cambiamos los años a las filas y la población a las columnas.
  pivot_longer(cols=everything(), names_to = "Año", values_to = "Población") %>%
  # Definimos enero como mes para hacer las proyecciones intermensuales.
  mutate(Mes=month(1, label=TRUE),
         Año=as.numeric(Año))

# Expandir la serie y rellenar los puntos medios.
proyeccion_censal %<>%
  # Expandimos la proyección censal a todos los meses
  expand(Año, Mes) %>%
  #   Unimos a la base de datos original, generando valores perdidos para los
  # meses distintos de Enero.
  left_join(proyeccion_censal) %>%
  #   Se utiliza na.approx para rellenar los valores intermedios con
  # interpolaciones lineales.
  mutate(Población=na.approx(Población, na.rm=FALSE)) %>%
  fill(Población)

# Transformamos la tabla en un tsibble.
proyeccion_censal %<>%
  mutate(Fecha=paste(Año, Mes,01 ) |> as.Date("%Y %b %d") |> yearmonth()) %>%
  select(Fecha, Población) %>%
  as_tsibble(index=Fecha)

# Se une ambas tablas y se genera el gráfico.
imacec %<>%
  # Se una la tabla imacec con las proyecciones censales
  left_join(proyeccion_censal) %>%
  # Se calcula el Imacec no Minero per cápita en dos etapas:
  #   1.- Se multiplica por el valor máximo de la población para mantener la
  #       base.
  #   2.- Se divide el valor anterior por la población proyectada.
  mutate(`INM per capita` = `Imacec no minero`*max(Población),
         `INM per capita` = `INM per capita`/Población)
  #   Se utiliza autoplot del paquete fabletools para simplificar la producción
  # del gráfico

puntos_relevantes <- tribble(
  ~Fecha, ~Evento,
  "2012-07", "Cambio Tendencia",
  "2014-04", "Reforma Tributaria Bachelet",
  "2019-09", "Estallido Social",
  "2020-03", "Pandemia (1er caso en Chile)",
  "2022-03", "Gabriel Boric"
) %>%
  mutate(Fecha = yearmonth(Fecha)) %>%
  as_tsibble(index=Fecha)


# Se genera el gráfico final y se añade etiquetas con geom_label_repel
imacec %>%
  left_join(puntos_relevantes) %>%
  autoplot(`INM per capita`) +
  # Ajustamos la escala del eje x a dos años
  scale_x_yearmonth(breaks="2 year") +
  # Rotamos las etiquetas del eje x a 45°
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1)) +
  #   Trazamos una línea vertical en julio de 2012 como punto de inflexión
  # relevante en la tendencia
  geom_vline(xintercept = as.Date("2012-07-01"),
             linetype = 2, color = 2, linewidth = 1) +
  labs(
    title="Imacec No minero por mes",
    subtitle = "Cifras desestacionalizadas per cápita (según proyecciones intercensales)",
    x="Fecha",
    y="Imacec no minero desestacionalizado\n(per cápita)",
    caption="Autor: Andrés Necochea\n
    Fuentes: Serie imacec desestacionalizado de Banco Central\n
    Proyecciones censales de INE Chile.") +
  geom_label_repel(aes(label=Evento),
                   box.padding = 2,
                   max.overlaps = Inf,
                   segment.linetype = 2,
                   nudge_x = .15,
                   nudge_y = .5,
                   na.rm=TRUE) +
  geom_point(data=imacec[imacec$Fecha %in% puntos_relevantes$Fecha,],
             color = "red")