#------------------------------------------------------------------------------#
#                         Grubel-Lloyd-Index                                   #
#------------------------------------------------------------------------------#


# installieren von benötigten Packages
#install.packages("tidyverse")

# laden von benötigten Packages
library(tidyverse)

# setzen des Arbeitsverzeichnisses ("\" müssen durch "/" ersetzt werden)
setwd("...")



#------------------------------------------------------------------------------#
#---                          AUFGABE 1                                     ---#
#------------------------------------------------------------------------------#


#---  (i) 

# Einlesen des Datensatzes (All 2-digit HS2017)
handelsdaten_2 <- read_csv("comtrade_2.csv")
# -> Datensatz besteht aus 291 observations mit 8 Variablen (siehe global environment)
# -> Betrachtet werden Gütergruppen nach der Zweisteller-Klassifizierung


#---  (ii)

# Grubel-Lloyd-Index für einzelne Gütergruppen
handelsdaten_2 <- mutate(handelsdaten_2, IIT = 100*(1- abs(Export_Value-Import_Value)
                                                    /(Export_Value+Import_Value)))
# -> neue Spalte IIT in Datensatz hinzufügen via mutate Funktion
# -> Die Werte werden anhand der Formel für den Grubel-Llloyd Index berechnet (siehe Aufgabeblatt 9, Aufgabe 1)
# -> "abs" bildet dabei den positiven Betrag
# -> Definition IIT: Handel von ähnlichen Gütern/Gütergruppen

# 10 höchste IIT-Werte
handelsdaten_2 <- arrange(handelsdaten_2, desc(IIT))
head(handelsdaten_2, 10)
# -> Die 10 höchsten IIT-Werte spiegeln die 10 Güter/Gütergruppen mit dem höchsten intra-industriellen Handel Deutschlands wider 
# -> Intuition: Deutschland hat den höchsten intra-instruiellen Handel in der Gruppe "Musical instruments; parts and accessories of such articles" mit den USA


#---  (iii)

# Außenhandel: Grubel-Lloyd-Index für die jeweiligen Handelpartner
Grubel_Lloyd_Index <- data.frame (Handelspartner = c("France","USA","China","France","USA","China"),
                                 Klassifizierung = factor(c(2,2,2,4,4,4)))
# -> Definieren eines neuen Objekts "Grubel_Lloyd_Index" als Tabelle (data.frame)
# -> Erstellen von zwei Variablen (Handelspartner; Klassifizierung)
# -> Beinhaltet die zu betrachtenen Handelspartner Frankreich, USA und China 
# -> 2fache Auflisten mit unterschiedlicher Klassifizierung 2 und 4 (wird in Teilaufgabe iv benötigt)

Grubel_Lloyd_Index[1,3] <- summarize(filter(handelsdaten_2, Partner == "France"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
Grubel_Lloyd_Index[2,3] <- summarize(filter(handelsdaten_2, Partner == "USA"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
Grubel_Lloyd_Index[3,3] <- summarize(filter(handelsdaten_2, Partner == "China"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
# -> Nun aufsummieren aller Grubel-Lloy-Indizes je Handelspartner in Güterklassifizierung 2 (Zeile 1,2,3)


#---  (iv)

# Einlesen des Datensatzes (All 4-digit HS2017)
handelsdaten_4 <- read_csv("comtrade_4.csv")
# -> Datensatz besteht aus 3539 observations mit 8 Variablen (siehe global environment)
# -> Betrachtet werden Gütergruppen nach der Viersteller-Klassifizierung
# -> Unterschied zu "handelsdaten_2": Klassifizierung 4 (anstelle von 2) impliziert spezifischere Güterkategorien und folglich weniger aggregierte Gütergruppen

# Grubel-Lloyd-Index für die jeweiligen Länder
Grubel_Lloyd_Index[4,3] <- summarize(filter(handelsdaten_4, Partner == "France"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
Grubel_Lloyd_Index[5,3] <- summarize(filter(handelsdaten_4, Partner == "USA"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
Grubel_Lloyd_Index[6,3] <- summarize(filter(handelsdaten_4, Partner == "China"),
                                     IIT_Gesamt = 100*(1 - sum(abs(Export_Value-Import_Value))/
                                                         sum(Export_Value+Import_Value)))
# -> Nun aufsummieren aller Grubel-Lloy-Indizes je Handelspartner in Güterklassifizierung 4 (Zeile 4,5,6)
# -> Einfügen in bestehendes Objekt "Grubel_Lloyd_Index"


#--- (v)

# Graphische Darstellung der Grubel-Lloy-Indizes je Handelspartner und Klassifizierung
ggplot(data = Grubel_Lloyd_Index, mapping = aes(x = Handelspartner, y = IIT_Gesamt, fill = Klassifizierung)) +
  geom_col(position = "dodge")
# -> geom_col (= Säulendiagramm); poistion=dodge (=Darstellung der Balken je Klassifierung nebeneinander)
# -> Assagekraft über Außenhandel Deutschlands: Mit Frankreich hat DE die stärksten intra-industriellen Handelsbeziehungen, 
# -> mit China hat DE den schwächsten intra-industriellen Handel und somit den stärksten inter-industriellen Handel
# -> Jedoch sind die IIT-Werte in allen Ländern mit der Viersteller-Klassifizierung geringer als mit der Zweisteller-Klassifizierung
# -> Je aggregierter die Gütergruppe (Klassifizierung 2 vs. 4), desto wahrscheinlicher wird intra-industrieller Handel