Economic Outlook No 111 - June 2022

Data - OECD

Code
source("../../code/R-markdown/init_oecd.R")
The following packages are a base install and will not be unloaded:

The following packages were not previously loaded:

Le chargement a nécessité le package : tidyverse
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.1     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.1
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
Le chargement a nécessité le package : RPostgres

Le chargement a nécessité le package : scales


Attachement du package : 'scales'


L'objet suivant est masqué depuis 'package:purrr':

    discard


L'objet suivant est masqué depuis 'package:readr':

    col_factor


Le chargement a nécessité le package : knitr

Le chargement a nécessité le package : kableExtra


Attachement du package : 'kableExtra'


L'objet suivant est masqué depuis 'package:dplyr':

    group_rows


Le chargement a nécessité le package : DT

Le chargement a nécessité le package : viridis

Le chargement a nécessité le package : viridisLite


Attachement du package : 'viridis'


L'objet suivant est masqué depuis 'package:scales':

    viridis_pal


Le chargement a nécessité le package : ggrepel

Le chargement a nécessité le package : rsdmx

Le chargement a nécessité le package : mFilter

Le chargement a nécessité le package : OECD

Le chargement a nécessité le package : stargazer


Please cite as: 


 Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.

 R package version 5.2.3. https://CRAN.R-project.org/package=stargazer 


Le chargement a nécessité le package : choroplethr

Le chargement a nécessité le package : acs

Le chargement a nécessité le package : XML


Attachement du package : 'acs'


L'objet suivant est masqué depuis 'package:dplyr':

    combine


L'objet suivant est masqué depuis 'package:base':

    apply


Le chargement a nécessité le package : choroplethrMaps

Le chargement a nécessité le package : pander

Le chargement a nécessité le package : AER

Le chargement a nécessité le package : car

Le chargement a nécessité le package : carData


Attachement du package : 'car'


L'objet suivant est masqué depuis 'package:dplyr':

    recode


L'objet suivant est masqué depuis 'package:purrr':

    some


Le chargement a nécessité le package : lmtest

Le chargement a nécessité le package : zoo


Attachement du package : 'zoo'


Les objets suivants sont masqués depuis 'package:base':

    as.Date, as.Date.numeric


Le chargement a nécessité le package : sandwich

Le chargement a nécessité le package : survival

Le chargement a nécessité le package : latex2exp

Le chargement a nécessité le package : pracma


Attachement du package : 'pracma'


L'objet suivant est masqué depuis 'package:car':

    logit


L'objet suivant est masqué depuis 'package:purrr':

    cross


Le chargement a nécessité le package : ggimage
Code
# cd ~/Library/Mobile\ Documents/com~apple~CloudDocs/website/data/oecd; /usr/local/bin/Rscript --vanilla _download_data.R EO111_INTERNET
# cd ~/Library/Mobile\ Documents/com~apple~CloudDocs/website/data/oecd; /usr/local/bin/Rscript --vanilla _download_one_var2.R EO111_INTERNET
# cd ~/Library/Mobile\ Documents/com~apple~CloudDocs/website/data/oecd; /usr/local/bin/R -e 'quarto::quarto_render("index.qmd")'
# cd ~/Library/Mobile\ Documents/com~apple~CloudDocs/website/data/oecd; /usr/local/bin/R -e 'quarto::quarto_render("EO111_INTERNET.qmd")'; sh _to_website.sh
# cd ~/Library/Mobile\ Documents/com~apple~CloudDocs/website/data/oecd; sh _to_website.sh
load_data("oecd/EO111_INTERNET.RData")
load_data("oecd/EO111_INTERNET_var2.RData")
load_data("us/nber_recessions.RData")

Info

LAST_DOWNLOAD

source dataset Title Download Compile
oecd EO Economic Outlook 2024-09-15 [2024-06-01]
oecd EO112_INTERNET Economic Outlook No 112 - November 2022 2023-03-18 [2024-04-16]
oecd EO111_INTERNET Economic Outlook No 111 - June 2022 2023-03-18 [2024-09-11]
oecd EO110_INTERNET Economic Outlook No 110 - December 2021 2023-03-18 [2024-04-16]
oecd EO109_INTERNET Economic Outlook No 109 - May 2021 2023-03-18 [2024-04-16]
oecd EO108_INTERNET Economic Outlook No 108 - December 2020 2020-12-05 [2024-04-16]

LAST_COMPILE

LAST_COMPILE
2024-09-15

Last

obsTime Nobs
2023-Q4 3900

VARIABLE

Code
EO111_INTERNET %>%
  left_join(EO111_INTERNET_var$VARIABLE, by = "VARIABLE") %>%
  mutate(Variable = Variable %>% substr(., 1, 120)) %>%
  group_by(VARIABLE, Variable) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) datatable(., filter = 'top', rownames = F) else .}

FREQUENCY

Code
EO111_INTERNET %>%
  left_join(EO111_INTERNET_var$FREQUENCY, by = "FREQUENCY") %>%
  group_by(FREQUENCY, Frequency) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}
FREQUENCY Frequency Nobs
Q Quarterly 769069
A Annual 382050

Output Gap (% of GDP)

Germany, Spain, Greece, Italy

Code
EO111_INTERNET %>%
  filter(FREQUENCY == "A",
         VARIABLE == "GAP",
         LOCATION %in% c("DEU", "ESP", "GRC", "ITA")) %>%
  left_join(EO111_INTERNET_var$LOCATION, by = "LOCATION") %>%
  year_to_date %>%
  select(Location, date, obsValue) %>%
  arrange(Location, date) %>%
  mutate(obsValue = obsValue/100) %>%
  left_join(colors, by = c("Location" = "country")) %>%
  ggplot() + 
  geom_line(aes(x = date, y = obsValue, color = color)) +
  theme_minimal() + scale_color_identity() + add_4flags +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-60, 60, 5),
                     labels = scales::percent_format(accuracy = 1)) +
  ylab("Output Gap (% of GDP)") + xlab("")

United States, France, Germany, Switzerland

Code
EO111_INTERNET %>%
  filter(FREQUENCY == "A",
         VARIABLE == "GAP",
         LOCATION %in% c("CHE", "FRA", "DEU", "USA")) %>%
  left_join(EO111_INTERNET_var$LOCATION, by = "LOCATION") %>%
  year_to_date %>%
  select(Location, date, obsValue) %>%
  arrange(Location, date) %>%
  mutate(obsValue = obsValue/100) %>%
  left_join(colors, by = c("Location" = "country")) %>%
  ggplot() + 
  geom_line(aes(x = date, y = obsValue, color = color)) +
  theme_minimal() + scale_color_identity() + add_4flags +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-60, 60, 5),
                     labels = scales::percent_format(accuracy = 1)) +
  ylab("Output Gap (% of GDP)") + xlab("")

Unemployment Rate

Germany, Spain, Greece, Italy

All

Code
EO111_INTERNET %>%
  filter(FREQUENCY == "Q",
         VARIABLE == "UNR",
         LOCATION %in% c("DEU", "ITA", "FRA", "USA")) %>%
  left_join(EO111_INTERNET_var$LOCATION, by = "LOCATION") %>%
  quarter_to_date %>%
  select(Location, date, obsValue) %>%
  arrange(Location, date) %>%
  mutate(obsValue = obsValue/100) %>%
  left_join(colors, by = c("Location" = "country")) %>%
  ggplot() + 
  geom_line(aes(x = date, y = obsValue, color = color)) +
  theme_minimal() + scale_color_identity() + add_4flags +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-60, 60, 1),
                     labels = scales::percent_format(accuracy = 1)) +
  ylab("Unemployment Rate (%)") + xlab("")

1990-

Code
EO111_INTERNET %>%
  filter(FREQUENCY == "Q",
         VARIABLE == "UNR",
         LOCATION %in% c("DEU", "ITA", "FRA", "USA")) %>%
  left_join(EO111_INTERNET_var$LOCATION, by = "LOCATION") %>%
  quarter_to_date %>%
  filter(date >= as.Date("1990-01-01")) %>%
  select(Location, date, obsValue) %>%
  arrange(Location, date) %>%
  mutate(obsValue = obsValue/100) %>%
  left_join(colors, by = c("Location" = "country")) %>%
  ggplot() + 
  geom_line(aes(x = date, y = obsValue, color = color)) +
  theme_minimal() + scale_color_identity() + add_4flags +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-60, 60, 1),
                     labels = scales::percent_format(accuracy = 1)) +
  ylab("Unemployment Rate (%)") + xlab("")