3 Introduction

Primero cargamos los paquetes necesarios

library(dplyr)    # Manipulate data
library(ggplot2)  # Graphics tool
library(reshape2) # Turning wide tables into long format

Ahora importamos los datos y seleccionamos austria y las variables de interés

# Importar datos y seleccionar Austria
data <- read.csv2("dataPWT.csv", stringsAsFactors = F)%>%
  filter(country=="Austria")

# Determinar variables de interes
varsInterest <- c( 'country', 'year', 'emp', 'avh', 'hc','ccon', 'cda', 'cgdpo',
                   'cn', 'ctfp', 'labsh', 'delta')

# Seleccionar variables de interes en los datos
data <- data%>%
  select(varsInterest)

Ahora creamos variables que podremos necesitar en el futuro

data <- data%>%
  mutate(labor = avh*emp*1000000)%>%                 #labor (emp is in millions)
  mutate(empGrowth = (emp-lag(emp))/(lag(emp)))%>%   #emp growth
  mutate(k_small = cn/labor)%>%                      #k_small
  mutate(y_small=cgdpo/labor)                        #y_small

Veamos como ha crecido el producto per capita \((y)\) en Austria