Coletando dados do Banco Mundial com o R

Ontem, divulguei o pacote OECD de modo que é possível coletar dados da OCDE diretamente para o RStudio. Hoje, a dica é o pacote WDI, que faz coleta de dados do Banco Mundial. Para ilustrar, pego os dados da taxa de poupança e taxa de juros para 2017.


library(WDI)

interest = WDI(country='all',
indicator = 'FR.INR.RINR',
start=2017, end=2017)

saving = WDI(country = 'all',
indicator = 'NY.GNS.ICTR.ZS',
start=2017, end=2017)

Uma vez coletado os dados e depois de algum tratamento, podemos gerar o gráfico abaixo...

Impressiona que em diversas comparações que tenho mostrado por aqui, o Brasil está sempre como um outlier, não é mesmo?

Quer saber mais sobre como usar o R para analisar dados? Conheça o nosso curso de Introdução ao R para Análise de Dados que abriu inscrições ontem, 06/05. O 1º lote está com 30% de desconto, mas deve acabar logo...

Interessados no código do gráfico, basta rolar a barra à direita e colocar o e-mail na nossa newsletter semanal. Toda segunda, envio o código de um dos posts mais comentados e curtidos da semana para a lista!

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Coletando dados do Google Trends no R e no Python

Contribuição para a Volatilidade [Python]

Inflação de Serviços vs. Desemprego

Modelo de previsão para grupos do IPCA

Text mining dos comunicados do FOMC: prevendo mudanças na política

Analisando a inflação por faixa de renda no Python

Outros artigos relacionados

Coletando dados do Google Trends no R e no Python

Como acompanhar e antecipar tendências de mercado? Independentemente da resposta final, os dados são o meio. Neste artigo, mostramos como obter dados do Google Trends em tempo quase real, utilizando as linguagens de programação R e Python.

Contribuição para a Volatilidade [Python]

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

Inflação de Serviços vs. Desemprego

A teoria econômica convencional sugere a presença de um trade-off entre inflação e desemprego no curto prazo, comumente conhecido como a Curva de Phillips. Em termos simples, reduções na taxa de desemprego podem resultar em um aumento temporário na inflação. Nesse contexto, a inflação de serviços emerge como uma categoria particularmente relevante devido às suas características distintivas. Para explorar e visualizar a relação entre inflação de serviços e desemprego, conduzimos uma análise utilizando a linguagem de programação Python. Além disso, empregamos o procedimento de Toda-Yamamoto para avaliar a existência de uma relação de causalidade no sentido Granger entre essas variáveis.