In pttry/pttrobo: Automation of PTT data
knitr::opts_chunk$set(
collapse = TRUE,
comment = "#>"
)
library(pttrobo)
library(tidyverse)
library(statfitools)
library(lubridate)
library(pttdatahaku)
start_time <- "2014-01-01"
read_ennuste_data <- function(ennuste_data_file) {
readxl::read_excel(ennuste_data_file)
}
ennuste_data <-
read_ennuste_data(
here::here("inst", "ennustekuvat", "ptt_ennusteet_KT_2022_1.xlsx")
)
BKT Suomi
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "B1GMH Bruttokansantuote markkinahintaan",
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "BKT") |>
ptt_plot(
grouping = tiedot,
title = "BKT Suomi",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Venäjän loppukysynnän osuus arvonlisästä
pdat_tiva_va <- robonomistClient::data_get("oecd/TIVA_2021_C1", tidy_time = TRUE) |>
filter(
Indicator %in% c("Value added", "Domestic value added embodied in foreign final demand"),
`Country / Region` %in% c("Finland", "Euro area (19 countries)", "China (People's Republic of)", "United States"),
# `Partner country / region` %in% c("Russian Federation", "World"),
Industry == "TOTAL"
) |>
collect() |>
mutate(value = as.numeric(value)) |>
statfitools::clean_names() |>
mutate(across(where(is.character), as_factor))
pdat_tiva_va |>
filter_recode(
country_region = c(
"Suomi" = "Finland",
"Euroalue" = "Euro area (19 countries)",
"Kiina" = "China (People's Republic of)",
"USA" = "United States"
)
# ,
# partner_country_region = c("Russian Federation")
) |>
group_by(time, country_region) |>
summarise(value = 100*value[indicator == "Domestic value added embodied in foreign final demand" &
partner_country_region == "Russian Federation"] /
value[indicator == "Value added"]) |>
ungroup() |>
aplot_lines(colour = country_region,
title = "Venäjän loppukysynnän osuus BKT:sta",
subtitle ="%",
source = "OECD") |>
ptt_plot_create_widget()
BKT USA, euroalue, Suomi
# luodaan bkt:t usa, suomi ja euroalue. indeksoidaan, perusvuodeksi 2020.
usa_bkt <-
ptt_data_robo("fred/GDPC1") |>
filter(time >= "2014-01-01") |>
select(tiedot = series_id, time, value) |>
mutate(tiedot = "USA")
suomi_bkt <-
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "B1GMH Bruttokansantuote markkinahintaan",
tiedot == "Kausitasoitettu ja työpäiväkorjattu sarja, viitevuosi 2015, miljoonaa euroa",
time >= "2014-01-01"
) |>
select(tiedot, time, value) |>
mutate(tiedot = "Suomi")
euroalue_bkt <-
ptt_data_robo_l("eurostat/namq_10_gdp") |>
filter(
geo == "Euro area - 19 countries (from 2015)",
na_item == "Gross domestic product at market prices",
s_adj == "Seasonally and calendar adjusted data",
unit == "Chain linked volumes, index 2015=100",
time >= "2014-01-01"
) |>
select(tiedot = na_item, time, value) |>
mutate(tiedot = "Euroalue")
yhdistetty_bkt_data <-
bind_rows(usa_bkt, suomi_bkt, euroalue_bkt) |>
group_by(across(!c(time, value))) |>
mutate(value = rebase(value, time, 2019)) |>
ungroup()
# apufunktio indeksoinnin laskemiseen
avg_value_2021 <- function(d, sarja) {
d |>
filter(tiedot == sarja) |>
filter(year(time) == 2021) |>
pull(value) |> mean()
}
# Muokataan ennustedata.
bkt_vertailu_ennusteet <-
ennuste_data |>
filter(sarja_nmi %in% c("BKT")) |>
mutate(across(matches("[0-9]{4}"), ~ as.double(.x))) |>
pivot_longer(cols = matches("[0-9]{4}"), names_to = "year") |>
select(year, sarja_nmi, value) |>
group_by(sarja_nmi) |>
slice_tail(n = 2)
#muokataan suomen BKT ennustedata indeksoituun muotoon
ennuste_indeksoitu_2022 <- bkt_vertailu_ennusteet |>
filter(year == "2022") |>
mutate(value = avg_value_2021(yhdistetty_bkt_data, "Suomi") * (1 + value/100))
ennuste_indeksoitu_2023 <- bkt_vertailu_ennusteet |>
filter(year == "2023") |>
mutate(value = (ennuste_indeksoitu_2022$value * (1 + value/100)))
ennusteet_suomi_bkt <- bind_rows(ennuste_indeksoitu_2022, ennuste_indeksoitu_2023) |>
mutate(sarja_nmi = "Suomi")
# luodaan kuvaaja käyttäen yhdistettyä bkt dataa sekä muodostettua ennustedataa
yhdistetty_bkt_data|>
ptt_plot(
grouping = tiedot,
title = "Bruttokansantuote",
subtitle = "Indeksi 2019 = 100",
caption = "Lähde: Tilastokeskus, BEA, Eurostat ja PTT",
rangeslider = FALSE,
## rangeslider = "2015-01-01",
zeroline = F,
hovertext = list(rounding = 1, unit = "(indeksi 2020=100)", extra = "")
# ,
# axis_limits = list(y = c(89, 113))
) |>
ptt_plot_add_prediction(ennusteet_suomi_bkt, custom_pred_data = TRUE) |>
ptt_plot_create_widget()
Vienti ja tuonti
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c("P7R Tavaroiden ja palvelujen tuonti, tulona",
"P6K Tavaroiden ja palvelujen vienti, menona"),
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P7R Tavaroiden ja palvelujen tuonti, tulona" = "Tuonti",
"P6K Tavaroiden ja palvelujen vienti, menona" = "Vienti"
)
) |>
ptt_plot(
grouping = tiedot,
title = "Vienti ja tuonti",
subtitle = "%, volyymin vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
ptt_data_robo("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter_recode(
taloustoimi = c(
"Tavaroiden vienti" = "P61K Tavaroiden vienti, menona",
"Palvelujen vienti" = "P62K Palvelujen vienti, menona",
"Tavaroiden tuonti" = "P71R Tavaroiden tuonti, tulona",
"Palvelujen tuonti" = "P72R Palvelujen tuonti, tulona"),
tiedot = "Kausitasoitettu ja työpäiväkorjattu sarja, viitevuosi 2015, miljoonaa euroa") |>
filter(time >= "2019-01-01") |>
group_by(across(!c(time, value))) |>
mutate(value = rebase(value, time, 2019)) |>
ungroup() |>
ptt_plot(
grouping = taloustoimi,
title = "Tavaroiden ja palveluiden vienti ja tuonti",
subtitle = "indeksi 2019 = 100, volyymi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = F,
hovertext = list(rounding = 1, unit = "", extra = "")
) |>
ptt_plot_create_widget()
Venäjän osuus kaupasta
ptt_data_robo("StatFin/kan/tpulk/statfin_tpulk_pxt_12gq.px") |>
filter_recode(
alue = c(
RU = "Venäjä",
YHT = "Ulkomaat yhteensä"
),
tiedot = c(
"Vienti" = "Vienti, miljoonaa euroa",
"Tuonti" = "Alkuperämaittainen tuonti, miljoonaa euroa"
),
palveluera = c(
"GS Tavarat ja palvelut"
# "G Tavarat",
# "S Palvelut",
)
) |>
filter(time >= "2014-01-01") |>
spread(alue, value) |>
mutate(value = 100 * RU / YHT) |>
ptt_plot(
grouping = tiedot,
title = "Venäjän osuus viennistä ja tuonnista",
subtitle = "%, tavara ja palvelukaupan arvosta",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "", extra = "")
) |>
ptt_plot_create_widget()
Kauppa- ja vaihtotase
ptt_data_robo_l("StatFin/kan/mata/kk/statfin_mata_pxt_12gf.px") |>
filter(
tiedot == "Tulojen ja menojen erotus (netto), miljoonaa euroa",
maksutase_era %in% c("CA Vaihtotase", "G Tavarat"),
time >= "2014-01-01"
) |>
mutate(time = year(time)) |>
with_groups(c(maksutase_era, time), filter, n() == 12) |>
with_groups(c(maksutase_era, time), summarize, value = sum(value)/1000) |>
mutate(
time = make_date(time, 7),
maksutase_era = recode(maksutase_era,
"CA Vaihtotase" = "Vaihtotase",
"G Tavarat" = "Kauppatase")
) |>
ptt_plot(
grouping = maksutase_era,
title = "Vaihtotase ja kauppatase",
subtitle = "Mrd. €",
caption = "Lähde: Tilastokeskus",
rangeslider = F,
axis_limits = list(x = c("2014-01-01","2021-12-30")),
hovertext = list(dateformat="Annual", rounding = 2, unit = "Mrd. €", extra = ""),
plot_type = c("Vaihtotase" = "bar", "Kauppatase" = "scatter")
) |>
ptt_plot_create_widget()
Yksityinen kulutus
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "P3KS14_S15 Yksityiset kulutusmenot, menona",
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "Yksityinen kulutus") |>
ptt_plot(
grouping = tiedot,
title = "Yksityinen kulutus",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Julkinen kulutus
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "P3KS13 Julkiset kulutusmenot, menona",
## tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "Julkinen kulutus") |>
ptt_plot(
grouping = tiedot,
title = "Julkinen kulutus",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Julkinen velka
ptt_data_robo_l("StatFin/jul/jyev/statfin_jyev_pxt_12sy.px") |>
filter(
time >= "2014-01-01",
tiedot == "Julkisyhteisöjen EDP-velan BKT-suhde, %"
) |>
mutate(tiedot = "Velkasuhde") |>
select(tiedot, time, value) |>
ptt_plot(
grouping = tiedot,
title = "Julkisyhteisöjen velka",
subtitle = "Velan suhde BKT:hen, %",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = F,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
# plotly::layout(
# yaxis = list(range = c(55,75))
# ) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Julkisen sektorin tasapaino
ptt_data_robo("StatFin/jul/jtume/statfin_jtume_pxt_11zf.px") |>
filter(
taloustoimi == "B9 Nettoluotonanto (+)/Nettoluotonotto(-)",
sektori %in% c(
"S13 Julkisyhteisöt",
"S1311 Valtionhallinto",
"S1313 Paikallishallinto",
"S13141 Työeläkelaitokset",
"S13149 Muut sosiaaliturvarahastot"
),
tiedot == "Suhde BKT:hen (kausitasoitettu ja työpäiväkorjattu sarja), %",
time >= "2013-01-01"
) |>
mutate(sektori = recode(
sektori,
"S13 Julkisyhteisöt" = "Yhteensä",
"S1311 Valtionhallinto" = "Valtio",
"S1313 Paikallishallinto" = "Kunnat",
"S13141 Työeläkelaitokset" = "Sosiaaliturvarahastot",
"S13149 Muut sosiaaliturvarahastot" = "Sosiaaliturvarahastot"
)) |>
with_groups(c(time, sektori), summarize, value = sum(value)) |>
ptt_plot(
grouping = sektori,
title = "Julkisen sektorin tasapaino",
subtitle = "Nettoluotonanto, % BKT:seen",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(
ennuste_data |>
mutate(sarja_nmi = recode(sarja_nmi,
"Nettoluotonanto Valtio" = "Valtio",
"Nettoluotonanto Paikallishallinto" = "Kunnat",
"Nettoluotonanto Sosiaaliturvarahastot" = "Sosiaaliturvarahastot",
"Nettoluotonanto Jukinen sektori" = "Yhteensä"
))
|>
filter(sarja_nmi == "Yhteensä")
) |>
ptt_plot_create_widget()
Tulot ja kulutus
ptt_data_robo("StatFin/kan/vtp/statfin_vtp_pxt_11sf.px") |>
filter(
time >= "2014-01-01",
taloustoimi %in% c("B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto",
"P31NCK Yksityiset kulutusmenot, menona"),
tiedot == "Volyymin muutokset, %"
) |>
mutate(taloustoimi = recode(taloustoimi,
"B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto" = "Käytettävissä olevat tulot",
"P31NCK Yksityiset kulutusmenot, menona" = "Yksityinen kulutus"
)) |>
ptt_plot(
grouping = taloustoimi,
title = "Tulot ja kulutus",
subtitle = "%-muutos, reaalinen",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_create_widget()
Investoinnit
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c("P51K Kiinteän pääoman bruttomuodostus, menona",
"P51KXS13 Yksityiset investoinnit",
"P51KS13 Julkiset investoinnit"),
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P51K Kiinteän pääoman bruttomuodostus, menona" = "Investoinnit",
"P51KXS13 Yksityiset investoinnit" = "Yksityiset investoinnit",
"P51KS13 Julkiset investoinnit" = "Julkiset investoinnit"
)
) |>
ptt_plot(
grouping = tiedot,
title = "Investoinnit, julkinen ja yksityinen",
subtitle = "%, volyymin vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()## |>
## ptt_plot_create_widget("investoinnit")
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter_recode(
taloustoimi = c("Investoinnit" = "P51K Kiinteän pääoman bruttomuodostus, menona"),
tiedot = "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %"
) |>
filter(time >= "2014-01-01") |>
ptt_plot(
grouping = taloustoimi,
title = "Investoinnit",
subtitle = "%, volyymin vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()## |>
## ptt_plot_create_widget("investoinnit")
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c(
"P51K Kiinteän pääoman bruttomuodostus, menona",
"P51KN111+N112 Rakennusinvestoinnit",
"P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät",
"P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet"
),
tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P51K Kiinteän pääoman bruttomuodostus, menona" = "Yhteensä",
"P51KN111+N112 Rakennusinvestoinnit" = "Rakennus",
"P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät" = "Kone ja laite",
"P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet" = "Muut (aineettomat)",
)
) |>
ptt_plot(
grouping = tiedot,
title = "Investoinnit",
subtitle = "%, muutos, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_create_widget() ## |>
## ptt_plot_add_prediction(ennuste_data)## |>
## ptt_plot_create_widget("investoinnit")
Työllisyysaste
ptt_data_robo("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px", hash = Sys.time()) |>
filter(
tiedot == "Työllisyysaste, 15-64-vuotiaat, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työllisyysaste") |>
ptt_plot(
grouping = tiedot,
title = "Työllisyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()## |>
## ptt_plot_create_widget("")
Työttömyysaste
ptt_data_robo("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px", hash = Sys.time()) |>
filter(
tiedot == "Työttömyysaste, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työttömyysaste") |>
ptt_plot(
grouping = tiedot,
title = "Työttömyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Työvoima
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |>
filter(
tiedot == "Työvoima, 1000 henkilöä",
time >= "2014-01-01",
sukupuoli == "Yhteensä",
ikaluokka == "15 - 74"
) |>
mutate(tiedot = "Työvoima") |>
ptt_plot(
grouping = tiedot,
title = "Työvoima",
subtitle = "1000 henkilöä",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0,
unit = "(1000 henkilöä)", extra = "(ennuste)")) |>
ptt_plot_create_widget() ## |>
## ptt_plot_create_widget("")
Työlliset
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työlliset, 1000 henkilöä, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työlliset") |>
ptt_plot(
grouping = tiedot,
title = "Työlliset",
subtitle = "1000 henkilöä, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0,
unit = "(1000 henkilöä)", extra = "(ennuste)")) |>
ptt_plot_create_widget()
Työlliset ja työvoima
tyovoima <-
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |>
filter(
tiedot == "Työvoima, 1000 henkilöä",
time >= "2014-01-01",
sukupuoli == "Yhteensä",
ikaluokka == "15 - 74"
) |>
mutate(tiedot = "Työvoima") |>
select(tiedot, time, value)
# Lasketaan trendi työvoimalle
tyovoima <-
tyovoima |>
mutate(value = statfitools::trend_series(value, time = time))
tyolliset <-
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työlliset, 1000 henkilöä, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työlliset")
# yhdistetään datasetit ja piirretään
bind_rows(tyovoima, tyolliset) |>
mutate(value = value / 1000) |>
ptt_plot(
grouping = tiedot,
title = "Työlliset ja työvoima",
subtitle = "Miljoonaa, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 2, unit = "(miljoonaa henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 2,
unit = "(miljoonaa henkilöä)", extra = "(ennuste)"),
value_multiplier = 0.001) |>
plotly::layout(
yaxis = list(range = c(2.2,3))
) |>
ptt_plot_create_widget()
# Ei palkansaajoja käytössä
# palkansaajat <- ptt_data_robo_l("StatFin/tym/tyti/nj/statfin_tyti_pxt_137l.px") |>
# filter(
# tiedot == "Palkansaajat, 1000 henkilöä",
# time >= "2014-01-01",
# toimiala == "Yhteensä"
# )
Työttömyys
# työttömyysaste, jolle ennuste
tyottomyysaste <- ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |> # työttömyysaste
filter(
tiedot == "Työttömyysaste, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työttömyysaste")
# tem työttömyysaste, lisäksi tehdään trendimuutos
tem_työttömyysaste <- ptt_data_robo_l("StatFin/tym/tyonv/kk/statfin_tyonv_pxt_12tf.px") |>
filter(tiedot == "Työttömien työnhakijoiden %-osuus työvoimasta (%)",
alue == "KOKO MAA",
time >= "2014-01-01") |>
mutate(tiedot = "Työttömyysaste (TEM)") |>
select(tiedot, time, value) |>
mutate(value = statfitools::trend_series(value, time = time))
# yhdistetään datasarjat ja plotataan
bind_rows(tyottomyysaste, tem_työttömyysaste) |>
ptt_plot(
grouping = tiedot,
title = "Työttömyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = ""),
axis_limits = list(y = c(5,15))
) |>
ptt_plot_add_prediction(ennuste_data) |>
ptt_plot_create_widget()
Lyhyet korot
euribor <-
ptt_data_robo_l("tidy/euribor") |>
filter(korko %in% c("12 kk (tod.pv/360)",
"12 kk (tod.pv/360)")) |>
mutate(tieto = "Euribor 12 kk")
ohjauskorko <-
ptt_data_robo_l("tidy/ecb_rates") |>
filter(rate_type == "ECB Main refinancing operations") |>
mutate(tieto = "Ohjauskorko, EKP")
bind_rows(euribor, ohjauskorko) |>
drop_na(value) |>
arrange(time) |>
filter(time >= "2008-01-01") |>
ptt_plot(
grouping = tieto,
title = "Lyhyet korot",
subtitle = "%",
caption = "Lähde: Suomen Pankki, Euroopan keskuspankki ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2),
zeroline = T
) |>
ptt_plot_add_prediction(
ennuste_data |>
mutate(across(is.double, ~.x*100))
) |>
ptt_plot_create_widget()
Pitkät korot
ptt_data_robo_l("tidy/10yield") |>
drop_na() |>
filter(time >= "2008-01-01") |>
select(maa, time, value) |> ## TODO bug in ptt_plot
ptt_plot(
grouping = maa,
title = "Pitkät korot",
subtitle = "%",
caption = "Lähde: Suomen Pankki, Deutche Bundesbank, Fed ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2),
zeroline = T
) |>
ptt_plot_add_prediction(
# tehdään ennustedatan halutuille sarjoille muunnos jotta vastaa maa -sarakkeen maita
ennuste_data |>
mutate(sarja_nmi = recode(sarja_nmi,
"10V USA" = "USA",
"10v Saksa" = "Saksa",
"10v Suomi" = "Suomi"
)),
value_multiplier = 100
) |>
ptt_plot_create_widget()
Raakaöljy
ptt_data_robo("fred/DCOILBRENTEU") |>
drop_na() |>
filter(time >= start_time) |>
mutate(tieto = "Raakaöljy, Brent") |>
ptt_plot(
grouping = tieto,
title = "Raakaöljy",
subtitle = "$/barreli, Brent",
caption = "Lähde: Energy Information Administration ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2),
zeroline = T
) |>
ptt_plot_add_prediction(
ennuste_data
) |>
ptt_plot_create_widget()
Valuuttakurssi
ptt_data_robo("ecb/EXR", dl_filter = "D.USD.EUR.SP00.A") |>
drop_na() |>
filter(time >= "2012-01-01") |>
mutate(tieto = "Euro/USD") |>
ptt_plot(
grouping = tieto,
title = "Valuuttakurssi",
subtitle = "Yhdysvaltain dollaria per euro",
caption = "Lähde: Euroopan keskuspankki ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2, unit = "$/€")
) |>
ptt_plot_add_prediction(
ennuste_data
) |>
ptt_plot_create_widget()
Kuluttajahintaindeksi
cpi_es <-
ptt_data_robo("eurostat/prc_hicp_manr", geo_labels = "fi") |>
filter(
geo %in% c("Suomi", "EA"),
coicop == "All-items HICP"
) |>
mutate(geo = recode(geo, EA = "Euroalue")) |>
select(geo, time, value)
cpi_us <-
ptt_data_robo("fred/CPIAUCSL", units = "pc1") |>
mutate(geo = "USA") |>
select(geo, time, value)
bind_rows(cpi_es, cpi_us) |>
filter(time >= start_time) |>
mutate(geo = fct_relevel(geo, "Suomi", "Euroalue", "USA")) |>
ptt_plot(
grouping = geo,
title = "Kuluttajahinnat",
subtitle = "%-muutos",
caption = "Lähde: Tilastokeskus, Eurostat, BLS ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1),
zeroline = T
) |>
ptt_plot_add_prediction(
filter_recode(ennuste_data,
sarja_nmi = c(Suomi = "Inflaatio"))
) |>
ptt_plot_create_widget() ## |>
Ansiotasoindeksi
Huom. reaalinen ansiotasoindeksi poikkeaa hieman edellisen ennusteen kalvosarjan kuviosta. Tarkista onko deflaattori ja indeksikaava sama. Tässä on käytetty kansallista kuluttajahintaindeksiä.
khi_q <-
ptt_data_robo("StatFin/hin/khi/kk/statfin_khi_pxt_11xd.px") |>
filter(
hyodyke == "0 KULUTTAJAHINTAINDEKSI",
tiedot == "Pisteluku"
) |>
mutate(time = floor_date(time, "quarter")) |>
with_groups(time, summarize, khi = mean(value))
ptt_data_robo("StatFin/pal/ati/nj/statfin_ati_pxt_11zt.px") |>
inner_join(khi_q, by = "time") |>
transmute(time, Nimellinen = value, Reaalinen = value/khi) |>
pivot_longer(c(Nimellinen, Reaalinen), names_to = "tieto")|>
with_groups(tieto, mutate, value = 100 * (value/lag(value, 4, order_by = time) - 1)) |>
filter(time >= "2013-01-01") |>
ptt_plot(
grouping = tieto,
title = "Ansiotasoindeksi",
subtitle = "%, vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1),
zeroline = T
) |>
ptt_plot_create_widget() ## |>
## ptt_plot_add_prediction(
## ennuste_data
## )
ptt_plot_upload_widgets()
pttry/pttrobo documentation built on March 5, 2025, 6:36 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
knitr::opts_chunk$set( collapse = TRUE, comment = "#>" )
library(pttrobo) library(tidyverse) library(statfitools) library(lubridate) library(pttdatahaku) start_time <- "2014-01-01" read_ennuste_data <- function(ennuste_data_file) { readxl::read_excel(ennuste_data_file) } ennuste_data <- read_ennuste_data( here::here("inst", "ennustekuvat", "ptt_ennusteet_KT_2022_1.xlsx") )
BKT Suomi
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi == "B1GMH Bruttokansantuote markkinahintaan", tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate(tiedot = "BKT") |> ptt_plot( grouping = tiedot, title = "BKT Suomi", subtitle = "Vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Venäjän loppukysynnän osuus arvonlisästä
pdat_tiva_va <- robonomistClient::data_get("oecd/TIVA_2021_C1", tidy_time = TRUE) |> filter( Indicator %in% c("Value added", "Domestic value added embodied in foreign final demand"), `Country / Region` %in% c("Finland", "Euro area (19 countries)", "China (People's Republic of)", "United States"), # `Partner country / region` %in% c("Russian Federation", "World"), Industry == "TOTAL" ) |> collect() |> mutate(value = as.numeric(value)) |> statfitools::clean_names() |> mutate(across(where(is.character), as_factor)) pdat_tiva_va |> filter_recode( country_region = c( "Suomi" = "Finland", "Euroalue" = "Euro area (19 countries)", "Kiina" = "China (People's Republic of)", "USA" = "United States" ) # , # partner_country_region = c("Russian Federation") ) |> group_by(time, country_region) |> summarise(value = 100*value[indicator == "Domestic value added embodied in foreign final demand" & partner_country_region == "Russian Federation"] / value[indicator == "Value added"]) |> ungroup() |> aplot_lines(colour = country_region, title = "Venäjän loppukysynnän osuus BKT:sta", subtitle ="%", source = "OECD") |> ptt_plot_create_widget()
BKT USA, euroalue, Suomi
# luodaan bkt:t usa, suomi ja euroalue. indeksoidaan, perusvuodeksi 2020. usa_bkt <- ptt_data_robo("fred/GDPC1") |> filter(time >= "2014-01-01") |> select(tiedot = series_id, time, value) |> mutate(tiedot = "USA") suomi_bkt <- ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi == "B1GMH Bruttokansantuote markkinahintaan", tiedot == "Kausitasoitettu ja työpäiväkorjattu sarja, viitevuosi 2015, miljoonaa euroa", time >= "2014-01-01" ) |> select(tiedot, time, value) |> mutate(tiedot = "Suomi") euroalue_bkt <- ptt_data_robo_l("eurostat/namq_10_gdp") |> filter( geo == "Euro area - 19 countries (from 2015)", na_item == "Gross domestic product at market prices", s_adj == "Seasonally and calendar adjusted data", unit == "Chain linked volumes, index 2015=100", time >= "2014-01-01" ) |> select(tiedot = na_item, time, value) |> mutate(tiedot = "Euroalue") yhdistetty_bkt_data <- bind_rows(usa_bkt, suomi_bkt, euroalue_bkt) |> group_by(across(!c(time, value))) |> mutate(value = rebase(value, time, 2019)) |> ungroup() # apufunktio indeksoinnin laskemiseen avg_value_2021 <- function(d, sarja) { d |> filter(tiedot == sarja) |> filter(year(time) == 2021) |> pull(value) |> mean() } # Muokataan ennustedata. bkt_vertailu_ennusteet <- ennuste_data |> filter(sarja_nmi %in% c("BKT")) |> mutate(across(matches("[0-9]{4}"), ~ as.double(.x))) |> pivot_longer(cols = matches("[0-9]{4}"), names_to = "year") |> select(year, sarja_nmi, value) |> group_by(sarja_nmi) |> slice_tail(n = 2) #muokataan suomen BKT ennustedata indeksoituun muotoon ennuste_indeksoitu_2022 <- bkt_vertailu_ennusteet |> filter(year == "2022") |> mutate(value = avg_value_2021(yhdistetty_bkt_data, "Suomi") * (1 + value/100)) ennuste_indeksoitu_2023 <- bkt_vertailu_ennusteet |> filter(year == "2023") |> mutate(value = (ennuste_indeksoitu_2022$value * (1 + value/100))) ennusteet_suomi_bkt <- bind_rows(ennuste_indeksoitu_2022, ennuste_indeksoitu_2023) |> mutate(sarja_nmi = "Suomi") # luodaan kuvaaja käyttäen yhdistettyä bkt dataa sekä muodostettua ennustedataa yhdistetty_bkt_data|> ptt_plot( grouping = tiedot, title = "Bruttokansantuote", subtitle = "Indeksi 2019 = 100", caption = "Lähde: Tilastokeskus, BEA, Eurostat ja PTT", rangeslider = FALSE, ## rangeslider = "2015-01-01", zeroline = F, hovertext = list(rounding = 1, unit = "(indeksi 2020=100)", extra = "") # , # axis_limits = list(y = c(89, 113)) ) |> ptt_plot_add_prediction(ennusteet_suomi_bkt, custom_pred_data = TRUE) |> ptt_plot_create_widget()
Vienti ja tuonti
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi %in% c("P7R Tavaroiden ja palvelujen tuonti, tulona", "P6K Tavaroiden ja palvelujen vienti, menona"), tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate( tiedot = recode(taloustoimi, "P7R Tavaroiden ja palvelujen tuonti, tulona" = "Tuonti", "P6K Tavaroiden ja palvelujen vienti, menona" = "Vienti" ) ) |> ptt_plot( grouping = tiedot, title = "Vienti ja tuonti", subtitle = "%, volyymin vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
ptt_data_robo("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter_recode( taloustoimi = c( "Tavaroiden vienti" = "P61K Tavaroiden vienti, menona", "Palvelujen vienti" = "P62K Palvelujen vienti, menona", "Tavaroiden tuonti" = "P71R Tavaroiden tuonti, tulona", "Palvelujen tuonti" = "P72R Palvelujen tuonti, tulona"), tiedot = "Kausitasoitettu ja työpäiväkorjattu sarja, viitevuosi 2015, miljoonaa euroa") |> filter(time >= "2019-01-01") |> group_by(across(!c(time, value))) |> mutate(value = rebase(value, time, 2019)) |> ungroup() |> ptt_plot( grouping = taloustoimi, title = "Tavaroiden ja palveluiden vienti ja tuonti", subtitle = "indeksi 2019 = 100, volyymi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = F, hovertext = list(rounding = 1, unit = "", extra = "") ) |> ptt_plot_create_widget()
Venäjän osuus kaupasta
ptt_data_robo("StatFin/kan/tpulk/statfin_tpulk_pxt_12gq.px") |> filter_recode( alue = c( RU = "Venäjä", YHT = "Ulkomaat yhteensä" ), tiedot = c( "Vienti" = "Vienti, miljoonaa euroa", "Tuonti" = "Alkuperämaittainen tuonti, miljoonaa euroa" ), palveluera = c( "GS Tavarat ja palvelut" # "G Tavarat", # "S Palvelut", ) ) |> filter(time >= "2014-01-01") |> spread(alue, value) |> mutate(value = 100 * RU / YHT) |> ptt_plot( grouping = tiedot, title = "Venäjän osuus viennistä ja tuonnista", subtitle = "%, tavara ja palvelukaupan arvosta", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "", extra = "") ) |> ptt_plot_create_widget()
Kauppa- ja vaihtotase
ptt_data_robo_l("StatFin/kan/mata/kk/statfin_mata_pxt_12gf.px") |> filter( tiedot == "Tulojen ja menojen erotus (netto), miljoonaa euroa", maksutase_era %in% c("CA Vaihtotase", "G Tavarat"), time >= "2014-01-01" ) |> mutate(time = year(time)) |> with_groups(c(maksutase_era, time), filter, n() == 12) |> with_groups(c(maksutase_era, time), summarize, value = sum(value)/1000) |> mutate( time = make_date(time, 7), maksutase_era = recode(maksutase_era, "CA Vaihtotase" = "Vaihtotase", "G Tavarat" = "Kauppatase") ) |> ptt_plot( grouping = maksutase_era, title = "Vaihtotase ja kauppatase", subtitle = "Mrd. €", caption = "Lähde: Tilastokeskus", rangeslider = F, axis_limits = list(x = c("2014-01-01","2021-12-30")), hovertext = list(dateformat="Annual", rounding = 2, unit = "Mrd. €", extra = ""), plot_type = c("Vaihtotase" = "bar", "Kauppatase" = "scatter") ) |> ptt_plot_create_widget()
Yksityinen kulutus
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi == "P3KS14_S15 Yksityiset kulutusmenot, menona", tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate(tiedot = "Yksityinen kulutus") |> ptt_plot( grouping = tiedot, title = "Yksityinen kulutus", subtitle = "Vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Julkinen kulutus
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi == "P3KS13 Julkiset kulutusmenot, menona", ## tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %", tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate(tiedot = "Julkinen kulutus") |> ptt_plot( grouping = tiedot, title = "Julkinen kulutus", subtitle = "Vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Julkinen velka
ptt_data_robo_l("StatFin/jul/jyev/statfin_jyev_pxt_12sy.px") |> filter( time >= "2014-01-01", tiedot == "Julkisyhteisöjen EDP-velan BKT-suhde, %" ) |> mutate(tiedot = "Velkasuhde") |> select(tiedot, time, value) |> ptt_plot( grouping = tiedot, title = "Julkisyhteisöjen velka", subtitle = "Velan suhde BKT:hen, %", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = F, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> # plotly::layout( # yaxis = list(range = c(55,75)) # ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Julkisen sektorin tasapaino
ptt_data_robo("StatFin/jul/jtume/statfin_jtume_pxt_11zf.px") |> filter( taloustoimi == "B9 Nettoluotonanto (+)/Nettoluotonotto(-)", sektori %in% c( "S13 Julkisyhteisöt", "S1311 Valtionhallinto", "S1313 Paikallishallinto", "S13141 Työeläkelaitokset", "S13149 Muut sosiaaliturvarahastot" ), tiedot == "Suhde BKT:hen (kausitasoitettu ja työpäiväkorjattu sarja), %", time >= "2013-01-01" ) |> mutate(sektori = recode( sektori, "S13 Julkisyhteisöt" = "Yhteensä", "S1311 Valtionhallinto" = "Valtio", "S1313 Paikallishallinto" = "Kunnat", "S13141 Työeläkelaitokset" = "Sosiaaliturvarahastot", "S13149 Muut sosiaaliturvarahastot" = "Sosiaaliturvarahastot" )) |> with_groups(c(time, sektori), summarize, value = sum(value)) |> ptt_plot( grouping = sektori, title = "Julkisen sektorin tasapaino", subtitle = "Nettoluotonanto, % BKT:seen", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction( ennuste_data |> mutate(sarja_nmi = recode(sarja_nmi, "Nettoluotonanto Valtio" = "Valtio", "Nettoluotonanto Paikallishallinto" = "Kunnat", "Nettoluotonanto Sosiaaliturvarahastot" = "Sosiaaliturvarahastot", "Nettoluotonanto Jukinen sektori" = "Yhteensä" )) |> filter(sarja_nmi == "Yhteensä") ) |> ptt_plot_create_widget()
Tulot ja kulutus
ptt_data_robo("StatFin/kan/vtp/statfin_vtp_pxt_11sf.px") |> filter( time >= "2014-01-01", taloustoimi %in% c("B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto", "P31NCK Yksityiset kulutusmenot, menona"), tiedot == "Volyymin muutokset, %" ) |> mutate(taloustoimi = recode(taloustoimi, "B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto" = "Käytettävissä olevat tulot", "P31NCK Yksityiset kulutusmenot, menona" = "Yksityinen kulutus" )) |> ptt_plot( grouping = taloustoimi, title = "Tulot ja kulutus", subtitle = "%-muutos, reaalinen", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_create_widget()
Investoinnit
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi %in% c("P51K Kiinteän pääoman bruttomuodostus, menona", "P51KXS13 Yksityiset investoinnit", "P51KS13 Julkiset investoinnit"), tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate( tiedot = recode(taloustoimi, "P51K Kiinteän pääoman bruttomuodostus, menona" = "Investoinnit", "P51KXS13 Yksityiset investoinnit" = "Yksityiset investoinnit", "P51KS13 Julkiset investoinnit" = "Julkiset investoinnit" ) ) |> ptt_plot( grouping = tiedot, title = "Investoinnit, julkinen ja yksityinen", subtitle = "%, volyymin vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()## |> ## ptt_plot_create_widget("investoinnit")
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter_recode( taloustoimi = c("Investoinnit" = "P51K Kiinteän pääoman bruttomuodostus, menona"), tiedot = "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %" ) |> filter(time >= "2014-01-01") |> ptt_plot( grouping = taloustoimi, title = "Investoinnit", subtitle = "%, volyymin vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()## |> ## ptt_plot_create_widget("investoinnit")
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |> filter( taloustoimi %in% c( "P51K Kiinteän pääoman bruttomuodostus, menona", "P51KN111+N112 Rakennusinvestoinnit", "P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät", "P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet" ), tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %", time >= "2014-01-01" ) |> mutate( tiedot = recode(taloustoimi, "P51K Kiinteän pääoman bruttomuodostus, menona" = "Yhteensä", "P51KN111+N112 Rakennusinvestoinnit" = "Rakennus", "P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät" = "Kone ja laite", "P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet" = "Muut (aineettomat)", ) ) |> ptt_plot( grouping = tiedot, title = "Investoinnit", subtitle = "%, muutos, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_create_widget() ## |> ## ptt_plot_add_prediction(ennuste_data)## |> ## ptt_plot_create_widget("investoinnit")
Työllisyysaste
ptt_data_robo("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px", hash = Sys.time()) |> filter( tiedot == "Työllisyysaste, 15-64-vuotiaat, %, trendi", time >= "2014-01-01" ) |> mutate(tiedot = "Työllisyysaste") |> ptt_plot( grouping = tiedot, title = "Työllisyysaste", subtitle = "%, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()## |> ## ptt_plot_create_widget("")
Työttömyysaste
ptt_data_robo("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px", hash = Sys.time()) |> filter( tiedot == "Työttömyysaste, %, trendi", time >= "2014-01-01" ) |> mutate(tiedot = "Työttömyysaste") |> ptt_plot( grouping = tiedot, title = "Työttömyysaste", subtitle = "%, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, hovertext = list(rounding = 1, unit = "%", extra = "") ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Työvoima
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |> filter( tiedot == "Työvoima, 1000 henkilöä", time >= "2014-01-01", sukupuoli == "Yhteensä", ikaluokka == "15 - 74" ) |> mutate(tiedot = "Työvoima") |> ptt_plot( grouping = tiedot, title = "Työvoima", subtitle = "1000 henkilöä", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "") ) |> ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "(ennuste)")) |> ptt_plot_create_widget() ## |> ## ptt_plot_create_widget("")
Työlliset
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |> filter( tiedot == "Työlliset, 1000 henkilöä, trendi", time >= "2014-01-01" ) |> mutate(tiedot = "Työlliset") |> ptt_plot( grouping = tiedot, title = "Työlliset", subtitle = "1000 henkilöä, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "") ) |> ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "(ennuste)")) |> ptt_plot_create_widget()
Työlliset ja työvoima
tyovoima <- ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |> filter( tiedot == "Työvoima, 1000 henkilöä", time >= "2014-01-01", sukupuoli == "Yhteensä", ikaluokka == "15 - 74" ) |> mutate(tiedot = "Työvoima") |> select(tiedot, time, value) # Lasketaan trendi työvoimalle tyovoima <- tyovoima |> mutate(value = statfitools::trend_series(value, time = time)) tyolliset <- ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |> filter( tiedot == "Työlliset, 1000 henkilöä, trendi", time >= "2014-01-01" ) |> mutate(tiedot = "Työlliset") # yhdistetään datasetit ja piirretään bind_rows(tyovoima, tyolliset) |> mutate(value = value / 1000) |> ptt_plot( grouping = tiedot, title = "Työlliset ja työvoima", subtitle = "Miljoonaa, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 2, unit = "(miljoonaa henkilöä)", extra = "") ) |> ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 2, unit = "(miljoonaa henkilöä)", extra = "(ennuste)"), value_multiplier = 0.001) |> plotly::layout( yaxis = list(range = c(2.2,3)) ) |> ptt_plot_create_widget() # Ei palkansaajoja käytössä # palkansaajat <- ptt_data_robo_l("StatFin/tym/tyti/nj/statfin_tyti_pxt_137l.px") |> # filter( # tiedot == "Palkansaajat, 1000 henkilöä", # time >= "2014-01-01", # toimiala == "Yhteensä" # )
Työttömyys
# työttömyysaste, jolle ennuste tyottomyysaste <- ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |> # työttömyysaste filter( tiedot == "Työttömyysaste, %, trendi", time >= "2014-01-01" ) |> mutate(tiedot = "Työttömyysaste") # tem työttömyysaste, lisäksi tehdään trendimuutos tem_työttömyysaste <- ptt_data_robo_l("StatFin/tym/tyonv/kk/statfin_tyonv_pxt_12tf.px") |> filter(tiedot == "Työttömien työnhakijoiden %-osuus työvoimasta (%)", alue == "KOKO MAA", time >= "2014-01-01") |> mutate(tiedot = "Työttömyysaste (TEM)") |> select(tiedot, time, value) |> mutate(value = statfitools::trend_series(value, time = time)) # yhdistetään datasarjat ja plotataan bind_rows(tyottomyysaste, tem_työttömyysaste) |> ptt_plot( grouping = tiedot, title = "Työttömyysaste", subtitle = "%, trendi", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, zeroline = T, hovertext = list(rounding = 1, unit = "%", extra = ""), axis_limits = list(y = c(5,15)) ) |> ptt_plot_add_prediction(ennuste_data) |> ptt_plot_create_widget()
Lyhyet korot
euribor <- ptt_data_robo_l("tidy/euribor") |> filter(korko %in% c("12 kk (tod.pv/360)", "12 kk (tod.pv/360)")) |> mutate(tieto = "Euribor 12 kk") ohjauskorko <- ptt_data_robo_l("tidy/ecb_rates") |> filter(rate_type == "ECB Main refinancing operations") |> mutate(tieto = "Ohjauskorko, EKP") bind_rows(euribor, ohjauskorko) |> drop_na(value) |> arrange(time) |> filter(time >= "2008-01-01") |> ptt_plot( grouping = tieto, title = "Lyhyet korot", subtitle = "%", caption = "Lähde: Suomen Pankki, Euroopan keskuspankki ja PTT", rangeslider = FALSE, hovertext = list(rounding = 2), zeroline = T ) |> ptt_plot_add_prediction( ennuste_data |> mutate(across(is.double, ~.x*100)) ) |> ptt_plot_create_widget()
Pitkät korot
ptt_data_robo_l("tidy/10yield") |> drop_na() |> filter(time >= "2008-01-01") |> select(maa, time, value) |> ## TODO bug in ptt_plot ptt_plot( grouping = maa, title = "Pitkät korot", subtitle = "%", caption = "Lähde: Suomen Pankki, Deutche Bundesbank, Fed ja PTT", rangeslider = FALSE, hovertext = list(rounding = 2), zeroline = T ) |> ptt_plot_add_prediction( # tehdään ennustedatan halutuille sarjoille muunnos jotta vastaa maa -sarakkeen maita ennuste_data |> mutate(sarja_nmi = recode(sarja_nmi, "10V USA" = "USA", "10v Saksa" = "Saksa", "10v Suomi" = "Suomi" )), value_multiplier = 100 ) |> ptt_plot_create_widget()
Raakaöljy
ptt_data_robo("fred/DCOILBRENTEU") |> drop_na() |> filter(time >= start_time) |> mutate(tieto = "Raakaöljy, Brent") |> ptt_plot( grouping = tieto, title = "Raakaöljy", subtitle = "$/barreli, Brent", caption = "Lähde: Energy Information Administration ja PTT", rangeslider = FALSE, hovertext = list(rounding = 2), zeroline = T ) |> ptt_plot_add_prediction( ennuste_data ) |> ptt_plot_create_widget()
Valuuttakurssi
ptt_data_robo("ecb/EXR", dl_filter = "D.USD.EUR.SP00.A") |> drop_na() |> filter(time >= "2012-01-01") |> mutate(tieto = "Euro/USD") |> ptt_plot( grouping = tieto, title = "Valuuttakurssi", subtitle = "Yhdysvaltain dollaria per euro", caption = "Lähde: Euroopan keskuspankki ja PTT", rangeslider = FALSE, hovertext = list(rounding = 2, unit = "$/€") ) |> ptt_plot_add_prediction( ennuste_data ) |> ptt_plot_create_widget()
Kuluttajahintaindeksi
cpi_es <- ptt_data_robo("eurostat/prc_hicp_manr", geo_labels = "fi") |> filter( geo %in% c("Suomi", "EA"), coicop == "All-items HICP" ) |> mutate(geo = recode(geo, EA = "Euroalue")) |> select(geo, time, value) cpi_us <- ptt_data_robo("fred/CPIAUCSL", units = "pc1") |> mutate(geo = "USA") |> select(geo, time, value) bind_rows(cpi_es, cpi_us) |> filter(time >= start_time) |> mutate(geo = fct_relevel(geo, "Suomi", "Euroalue", "USA")) |> ptt_plot( grouping = geo, title = "Kuluttajahinnat", subtitle = "%-muutos", caption = "Lähde: Tilastokeskus, Eurostat, BLS ja PTT", rangeslider = FALSE, hovertext = list(rounding = 1), zeroline = T ) |> ptt_plot_add_prediction( filter_recode(ennuste_data, sarja_nmi = c(Suomi = "Inflaatio")) ) |> ptt_plot_create_widget() ## |>
Ansiotasoindeksi
Huom. reaalinen ansiotasoindeksi poikkeaa hieman edellisen ennusteen kalvosarjan kuviosta. Tarkista onko deflaattori ja indeksikaava sama. Tässä on käytetty kansallista kuluttajahintaindeksiä.
khi_q <- ptt_data_robo("StatFin/hin/khi/kk/statfin_khi_pxt_11xd.px") |> filter( hyodyke == "0 KULUTTAJAHINTAINDEKSI", tiedot == "Pisteluku" ) |> mutate(time = floor_date(time, "quarter")) |> with_groups(time, summarize, khi = mean(value)) ptt_data_robo("StatFin/pal/ati/nj/statfin_ati_pxt_11zt.px") |> inner_join(khi_q, by = "time") |> transmute(time, Nimellinen = value, Reaalinen = value/khi) |> pivot_longer(c(Nimellinen, Reaalinen), names_to = "tieto")|> with_groups(tieto, mutate, value = 100 * (value/lag(value, 4, order_by = time) - 1)) |> filter(time >= "2013-01-01") |> ptt_plot( grouping = tieto, title = "Ansiotasoindeksi", subtitle = "%, vuosimuutos", caption = "Lähde: Tilastokeskus ja PTT", rangeslider = FALSE, hovertext = list(rounding = 1), zeroline = T ) |> ptt_plot_create_widget() ## |> ## ptt_plot_add_prediction( ## ennuste_data ## )
ptt_plot_upload_widgets()
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.