Dieses Dokument beschreibt die Vorprozessierung und explorative Analyse des Datensatzes, der unter srf.ch interaktiv visualisiert und unter diesem Link als CSV-Datei zum Download angeboten wird.
SRF Data legt Wert darauf, dass die Datenvorprozessierung und -Analyse nachvollzogen und überprüft werden kann. SRF Data glaubt an das Prinzip offener Daten, aber auch offener und nachvollziehbarer Methoden. Zum anderen soll es Dritten ermöglicht werden, auf dieser Vorarbeit aufzubauen und damit weitere Auswertungen oder Applikationen zu generieren.
Die Vorprozessierung und Analyse wurde im Statistikprogramm R vorgenommen. Die Endprodukte des verwendeten Scripts sind:
output/seco_dual_use_for_vis.csv
: Wird für die Visualisierung verwendet, reduzierte Menge von Attributenoutput/seco_dual_use.csv
: Vollständiger Datensatz, der zum Download angeboten wird. Dieser Datensatz wird im folgenden Kapitel beschrieben.Das zugrunde liegende Script sowie die prozessierten Daten können unter diesem Link heruntergeladen werden. Durch Ausführen von preprocessing.Rmd
kann der hier beschriebene Prozess nachvollzogen und dieses Dokument generiert werden. Dabei werden Daten aus dem Ordner input
eingelesen und Ergebnisse in den Ordner output
geschrieben.
Der Code für die vorliegende Datenprozessierung und die Visualisierung ist unter http://github.com/srfdata/2015-05-notrecht-ruestungsexporte zur freien Verwendung verfügbar.
2015-05-notrecht-ruestungsexporte von SRF Data ist lizenziert unter einer Creative Commons Namensnennung - Nicht-kommerziell - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.
Code & Daten von SRF Data sind unter http://srfdata.github.io verfügbar.
Die veröffentlichten Informationen sind sorgfältig zusammengestellt, erheben aber keinen Anspruch auf Aktualität, Vollständigkeit oder Richtigkeit. Es wird keine Haftung übernommen für Schäden, die durch die Verwendung dieses Scripts oder der daraus gezogenen Informationen entstehen. Dies gilt ebenfalls für Inhalte Dritter, die über dieses Angebot zugänglich sind.
Es folgt eine Beschreibung des unter diesem Link vom Staatssekretariat für Wirtschaft (SECO) publizierten Datensatzes:
Attribut | Typ | Beschreibung |
---|---|---|
(Erste Spalte, keine Bezeichnung) | Integer | Identifikator, eindeutig. |
GN | Integer | Geschäftsnummer in der Seco-Datenbank, zwei unterschiedliche Formate je nach Herkunfstdatei. |
UnterGN | Integer | Durchnummerierung von Geschäften mit gleicher GN. |
Datum | Date | Datum der Bewilligung im Format YYYY-MM-DD. |
Land | String | Land, in das die Güter exportiert werden. |
Wert | Float | Wert der Güter in Schweizer Franken. |
Verzeichnis | String | Kürzel für Verzeichnis, siehe unten. |
Signatur | String | Code, der die Kategorie/Art der gehandelten Güter kodiert, aufgeschlüsselt in Haupttyp, Untertyp, Zusatz, siehe Beispiel unten. Achtung: Es kann sein, dass ein Geschäft zwei Signaturen aufweist. Dann wird nur die erste zur Ermittelung der Teilsignaturen verwendet. |
Haupttyp | String | Erste Hierarchiestufe der Signatur, entspricht Überkategorien in den einzelnen Verzeichnissen. |
Untertyp | String | Zweite Hierarchiestufe der Signatur, entspricht Unterkategorien in den einzelnen Verzeichnissen. |
Zusatz | String | Rest der Signatur. |
Herkunftsdatei | String | Originaldatei auf der Website des SECO |
Folgende Werte sind möglich:
Die in der Visualisierung mit hochgestellten Buchstaben referenzierte Zusammenfassung der Verzeichnisse (“Dual-Use-Güter”, “Besondere militärische Güter” und “Andere Güter”) wurde von SRF Data vorgenommen und ist unter output/verzeichnis_beschreibung.csv
einsehbar.
Die in der Visualisierung dargestellte “Kategorie” entspricht dem Haupttyp. Die Übersetzung von Haupttyp wurde von SRF Data basierend auf amtlichen Dokumenten (Verordnungen, Verzeichnisse) vorgenommen und ist unter output/signatures_verzeichnis_haupttyp_beschreibung.csv
einsehbar.
GKV 6A002.c1 ergibt…
In der Gesamtheit: “Ausrüstung zur ‘direkten Bildwandlung’ mit eingebauten Bildverstärkerröhren” (gemäss Anhang 1 + 2 GKV, 2012).
Laut Aussage des SECO kann die veröffentlichte Bewilligungs-Datenbank Mehrfachbewilligungen enthalten. Gewisse Aufträge sind so umfassend, dass ihre Ausführung mehrere Jahre dauert. Weil eine Exportbewilligung aber nur ein Jahr gültig ist, tauchen in den Daten vereinzelt auch Geschäfte auf, die schon vor 2012 bewilligt wurden. Solche Mehrfachbewilligungen führen dazu, dass Aufträge in der Statistik mehrfach vorkommen können.
Vom SECO wurde SRF Data eine Liste mit Geschäften übergeben, die schon vor 2012 erstmals bewilligt wurden und ihren Weg wiederum in die Datenbank fanden. Es handelt sich um folgende Geschäftsnummern:
Geschäftsnummer | Beschreibung | Auftragsvolumen |
---|---|---|
8001226 (ELIC) | Flugzeuge und Simulatoren nach Indien | rund 155 Mio. CHF |
14476 | Flugzeuge nach Indien | rund 165 Mio. CHF |
16043 | Flugzeuge nach Indien | rund 80 Mio. CHF |
12332 | Flugzeuge nach Saudi-Arabien | rund 1 Mia. CHF |
8001302 (ELIC) | Simulatoren nach Katar | rund 345 Mio. CHF |
if(!require(dplyr)) {
install.packages("dplyr", repos="http://cran.us.r-project.org")
require(dplyr)
}
## Loading required package: dplyr
##
## Attaching package: 'dplyr'
##
## The following objects are masked from 'package:stats':
##
## filter, lag
##
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
if(!require(tidyr)) {
install.packages("tidyr", repos="http://cran.us.r-project.org")
require(tidyr)
}
## Loading required package: tidyr
if(!require(ggplot2)) {
install.packages("ggplot2", repos="http://cran.us.r-project.org")
require(ggplot2)
}
## Loading required package: ggplot2
if(!require(xlsx)) {
install.packages("xlsx", repos="http://cran.us.r-project.org")
require(xlsx)
}
## Loading required package: xlsx
## Loading required package: rJava
## Loading required package: xlsxjars
require(scales)
## Loading required package: scales
options(scipen = 999)
# Funktion zur Klassifikation von Signaturen
source("classify.r")
# Funktion zum Formatieren von Zahlen
source("numberFormatter.r")
Im folgenden werden zwei Rohdatensätze verwendet, die ursprünglich als XLS vorliegen .
Eine Datenbeschreibung der Rohdaten findet sich hier.
# Die Dateien können leider nicht automatisch heruntergeladen werden. Es wird vorausgesetzt, dass sich die beiden Files tracker.xlsx und elic.xlsx im Ordner input befinden. Die beiden Dateien können über die Links oben bezogen werden.
# ACHTUNG: Das Reinladen der XLSX-Dateien dauert seine Zeit...
tracker_raw <- read.xlsx(file = "input/tracker.xlsx", sheetIndex = 1, colClasses = "character", stringsAsFactors = F)
# Spaltentypen setzen und umbenennen
tracker_raw <- tracker_raw %>%
mutate(Bewilligungsdatum = as.Date(Bewilligungsdatum, "%Y-%m-%d"), Geschäftsnummer = as.integer(Geschäftsnummer), Wert = as.numeric(Wert)) %>%
rename(GN = Geschäftsnummer, Datum = Bewilligungsdatum, Land = Endverbraucherland)
# überprüfen
str(tracker_raw)
## 'data.frame': 4718 obs. of 14 variables:
## $ GN : int 11738 11746 11747 11747 11747 11747 11748 11693 11710 11749 ...
## $ Datum : Date, format: "2012-01-04" "2012-01-04" ...
## $ Land : chr "China" "China" "Thailand" "Thailand" ...
## $ AG..GKV. : chr NA NA NA NA ...
## $ MTCR..GKV. : chr NA NA NA NA ...
## $ NSGI..GKV. : chr NA NA NA NA ...
## $ NSGII..GKV.: chr "2B201b" "2B201a1" NA NA ...
## $ WA..GKV. : chr "2B001c" "2B001b2" NA NA ...
## $ ML..GKV. : chr NA NA NA NA ...
## $ Anhang.5.1 : num NA NA 5.1 5.1 5.1 5.1 NA NA NA NA ...
## $ Anhang.5.2 : num NA NA NA NA NA NA NA NA NA NA ...
## $ Anhang.5.3 : logi NA NA NA NA NA NA ...
## $ ChKV : chr NA NA NA NA ...
## $ Wert : num 492552 341164 7616 6241 1174 ...
elic_raw <- read.xlsx(file = "input/elic.xlsx", sheetIndex = 1, colClasses = "character", stringsAsFactors = F)
# Spaltentypen setzen und umbenennen
elic_raw <- elic_raw %>%
mutate(Ausstellungsdatum = as.Date(Ausstellungsdatum, "%d.%m.%Y"), Geschäftsnummer = as.integer(Geschäftsnummer), Position...Wert..CHF. = as.numeric(Position...Wert..CHF.)) %>%
rename(GN = Geschäftsnummer, Datum = Ausstellungsdatum, Land = Bestimmungs..Lieferland, Wert = Position...Wert..CHF.)
# überprüfen
str(elic_raw)
## 'data.frame': 873 obs. of 6 variables:
## $ GN : int 8000002 8000004 8000009 8000012 8000010 8000013 8000016 8000015 8000026 8000024 ...
## $ Datum : Date, format: "2014-02-07" "2014-02-11" ...
## $ Land : chr "China, Volksrepublik" "Russische Föderation" "Singapur" "Slowenien" ...
## $ Position...Güterart: chr "Dual Use Güter" "Dual Use Güter" "Dual Use Güter\nDual Use Güter" "Besondere militärische Güter" ...
## $ Position...EKN : chr "2B120" "6A002.c1" "2B001.b1\n2B201.a1" "ML15" ...
## $ Wert : num 1950000 2098305 209609 128000 43188 ...
Duplikate: Mehrere Einträge unter der gleichen Geschäftsnummer
Wie viele “Duplikate” gibt es?
dim(tracker_raw)[1] - dim(distinct(select(tracker_raw, GN)))[1]
## [1] 374
dim(elic_raw)[1] - dim(distinct(select(elic_raw, GN)))[1]
## [1] 238
Diese werden nicht aggregiert sondern so belassen, jedoch durchnummiert (Generierung neue Spalte UnterGN)
tracker_summarized <- tracker_raw %>%
group_by(GN, Datum, Land) %>%
mutate(UnterGN = row_number())
elic_summarized <- elic_raw %>%
group_by(GN, Datum, Land) %>%
mutate(UnterGN = row_number())
Wie viele Einträge haben in der Tracker-Applikation zwei Signaturen?
dim(filter(tracker_summarized, NSGII..GKV. != "", WA..GKV. != ""))[1]
## [1] 757
Wie viele davon sind solche, die mit der gleichen Obersignatur (sprich: dem gleichen Haupt- und Untertyp, siehe unten) beginnen?
dim(filter(tracker_summarized, NSGII..GKV. != "", WA..GKV. != "", substr(NSGII..GKV.,1,2) == substr(WA..GKV.,1,2)))[1]
## [1] 757
Wie viele Geschäfte haben keine Signatur?
tracker_without_signature <- tracker_summarized %>%
gather(Variable, Value, AG..GKV.:ChKV) %>%
group_by(GN, Datum, Land, UnterGN) %>%
filter(all(is.na(Value) | Value == "NA")) %>%
slice(1)
dim(tracker_without_signature)[1]
## [1] 99
ELIC?
dim(elic_summarized[elic_summarized$Position...EKN == "",])[1]
## [1] 0
# ELIC: Umbenennen und Spalte hinzufügen
elic_restructured <- elic_summarized %>%
rename(Signatur = Position...EKN, "Verordnung/Typ ELIC" = Position...Güterart) %>%
mutate("Verordnung/Typ" = NA)
# Tracker: Kondensieren (breit nach lang)
tracker_restructured <- tracker_summarized %>%
gather(Variable, Value, AG..GKV.:ChKV) %>% # breit nach lang
group_by(GN, Datum, Land, UnterGN) %>%
filter(if(all(is.na(Value) | Value == "NA")) row_number() == 1 else (!is.na(Value) | Value == "NA")) %>% # wenn Geschäft gar keine Signatur hat, dann nur den ersten nehmen, sonst alle nehmen, die einen Wert haben (für solche, die mehr als eine Signatur haben)
summarise_each(funs(paste(unique(.), collapse = "\n"))) %>% # alle eindeutigen Werte pro Gruppe mit einem newline-Operator zusammenfügen
mutate(Wert = as.numeric(Wert)) # Wert muss numerisch sein
# Tracker: Einträge, für die keine Signatur bekannt ist, umbenennen, und eine leere Spalte für Kombination mit ELIC hinzufügen, sowie Spalten umbennenen
tracker_restructured <- tracker_restructured %>%
mutate(Variable = ifelse(is.na(Value) | Value == "NA","unbekannt", Variable), Value = ifelse(is.na(Value) | Value == "NA","unbekannt", Value), "Verordnung/Typ ELIC" = NA) %>%
rename("Verordnung/Typ" = Variable, "Signatur" = Value)
Zwischenbilanz
str(as.data.frame(elic_restructured))
## 'data.frame': 873 obs. of 8 variables:
## $ GN : int 8000002 8000004 8000009 8000012 8000010 8000013 8000016 8000015 8000026 8000024 ...
## $ Datum : Date, format: "2014-02-07" "2014-02-11" ...
## $ Land : chr "China, Volksrepublik" "Russische Föderation" "Singapur" "Slowenien" ...
## $ Verordnung/Typ ELIC: chr "Dual Use Güter" "Dual Use Güter" "Dual Use Güter\nDual Use Güter" "Besondere militärische Güter" ...
## $ Signatur : chr "2B120" "6A002.c1" "2B001.b1\n2B201.a1" "ML15" ...
## $ Wert : num 1950000 2098305 209609 128000 43188 ...
## $ UnterGN : int 1 1 1 1 1 1 1 1 1 1 ...
## $ Verordnung/Typ : logi NA NA NA NA NA NA ...
str(as.data.frame(tracker_restructured))
## 'data.frame': 4718 obs. of 8 variables:
## $ GN : int 10263 11180 11435 11435 11663 11666 11667 11671 11693 11710 ...
## $ Datum : Date, format: "2012-03-22" "2012-05-25" ...
## $ Land : chr "Iran, Islamische Republik (SG)" "China" "Gabun" "Gabun" ...
## $ UnterGN : int 1 1 1 2 1 1 1 1 1 1 ...
## $ Wert : num 1790 550000 650 4200 158000 ...
## $ Verordnung/Typ : chr "unbekannt" "NSGI..GKV." "Anhang.5.1" "Anhang.5.1" ...
## $ Signatur : chr "unbekannt" "0B001b14" "5.1" "5.1" ...
## $ Verordnung/Typ ELIC: logi NA NA NA NA NA NA ...
seco_dual_use <- rbind(as.data.frame(elic_restructured), as.data.frame(tracker_restructured))
str(seco_dual_use)
## 'data.frame': 5591 obs. of 8 variables:
## $ GN : int 8000002 8000004 8000009 8000012 8000010 8000013 8000016 8000015 8000026 8000024 ...
## $ Datum : Date, format: "2014-02-07" "2014-02-11" ...
## $ Land : chr "China, Volksrepublik" "Russische Föderation" "Singapur" "Slowenien" ...
## $ Verordnung/Typ ELIC: chr "Dual Use Güter" "Dual Use Güter" "Dual Use Güter\nDual Use Güter" "Besondere militärische Güter" ...
## $ Signatur : chr "2B120" "6A002.c1" "2B001.b1\n2B201.a1" "ML15" ...
## $ Wert : num 1950000 2098305 209609 128000 43188 ...
## $ UnterGN : int 1 1 1 1 1 1 1 1 1 1 ...
## $ Verordnung/Typ : chr NA NA NA NA ...
Wie viele Länder gibt es?
laender <- arrange(seco_dual_use, Land)
# unique(laender$Land) # der Lesbarkeit halber auskommentiert
length(unique(laender$Land))
## [1] 150
Manuell umschreiben gemäss SRF-Länderliste, und falls dort nicht spezifiziert, gemäss NZZ-Vademecum
seco_dual_use$Land[seco_dual_use$Land == "Bosnien und Herzegowina"] <- "Bosnien-Herzegowina"
seco_dual_use$Land[seco_dual_use$Land == "Pakistan (CA)"] <- "Pakistan"
seco_dual_use$Land[seco_dual_use$Land == "Indien (CA)"] <- "Indien"
seco_dual_use$Land[seco_dual_use$Land == "China, Taiwan"] <- "Taiwan"
seco_dual_use$Land[seco_dual_use$Land == "China, Volksrepublik"] <- "China"
seco_dual_use$Land[seco_dual_use$Land == "Ekuador"] <- "Ecuador"
seco_dual_use$Land[seco_dual_use$Land == "Großbritannien (Vereinigtes Königreich)"] <- "Grossbritannien"
seco_dual_use$Land[seco_dual_use$Land == "Hongkong"] <- "Hong Kong"
seco_dual_use$Land[seco_dual_use$Land == "Iran, Islamische Republik"] <- "Iran"
seco_dual_use$Land[seco_dual_use$Land == "Iran, Islamische Republik (SG)"] <- "Iran"
seco_dual_use$Land[seco_dual_use$Land == "Myanmar (Union)"] <- "Myanmar (Birma)"
seco_dual_use$Land[seco_dual_use$Land == "Qatar"] <- "Katar"
seco_dual_use$Land[seco_dual_use$Land == "Serbia"] <- "Serbien"
seco_dual_use$Land[seco_dual_use$Land == "Slowakei, Slowakische Republik"] <- "Slowakische Republik"
seco_dual_use$Land[seco_dual_use$Land == "Taiwan, Provinz von China"] <- "Taiwan"
seco_dual_use$Land[seco_dual_use$Land == "Vereinigte Staaten"] <- "Vereinigte Staaten von Amerika"
seco_dual_use$Land[seco_dual_use$Land == "Libysch-Arabische Dschamahirija"] <- "Libyen"
seco_dual_use$Land[seco_dual_use$Land == "Russische Föderation"] <- "Russland"
seco_dual_use$Land[seco_dual_use$Land == "Belarus"] <- "Weissrussland"
seco_dual_use$Land[seco_dual_use$Land == "Bangladesch"] <- "Bangladesh"
seco_dual_use$Land[seco_dual_use$Land == "Bermuda"] <- "Bermudas"
seco_dual_use$Land[seco_dual_use$Land == "Brunei Darussalam"] <- "Brunei"
seco_dual_use$Land[seco_dual_use$Land == "Demokratische Republik Kongo"] <- "Kongo-Kinshasa"
seco_dual_use$Land[seco_dual_use$Land == "Kongo, Demokratische Republik (ex-Zaire)"] <- "Kongo-Kinshasa"
seco_dual_use$Land[seco_dual_use$Land == "Cayman-Inseln"] <- "Kaiman-Inseln"
seco_dual_use$Land[seco_dual_use$Land == "Korea, Republik"] <- "Südkorea"
seco_dual_use$Land[seco_dual_use$Land == "Kroatien (Hrvatska)"] <- "Kroatien"
seco_dual_use$Land[seco_dual_use$Land == "Laos, Demokratische Volksrepublik"] <- "Laos"
seco_dual_use$Land[seco_dual_use$Land == "Macao"] <- "Macau"
seco_dual_use$Land[seco_dual_use$Land == "Mazedonien, die ehemalige jugoslawische Republik"] <- "Mazedonien"
seco_dual_use$Land[seco_dual_use$Land == "Myanmar (Birma)"] <- "Myanmar"
seco_dual_use$Land[seco_dual_use$Land == "Slowakische Republik"] <- "Slowakei"
seco_dual_use$Land[seco_dual_use$Land == "Tansania, Vereinigte Republik"] <- "Tansania"
seco_dual_use$Land[seco_dual_use$Land == "Tschechische Republik"] <- "Tschechien"
seco_dual_use$Land[seco_dual_use$Land == "Vereinigte Staaten von Amerika"] <- "USA"
Wie viele Länder gibt es jetzt noch?
length(unique(seco_dual_use$Land))
## [1] 135
Neue Spalten erstellen
# Spalte für Dateiherkunft
seco_dual_use <- seco_dual_use %>%
mutate(Herkunftsdatei = NA, Verzeichnis = NA, Haupttyp = NA, Untertyp = NA, Zusatz = NA)
Signaturaufschlüsselung
# Verzeichnis fin
computedList <- mapply(classifyVerzeichnis, seco_dual_use[,"Verordnung/Typ"], seco_dual_use[,"Verordnung/Typ ELIC"], seco_dual_use[,"Signatur"])
seco_dual_use <- seco_dual_use %>%
mutate(Verzeichnis = as.factor(t(computedList)[,1]), Herkunftsdatei = as.factor(t(computedList)[,2]))
# Verordnung/Typ (ELIC) werden nicht mehr gebraucht
seco_dual_use <- seco_dual_use %>%
select(-contains("Verordnung/Typ"))
# Signatur aufschlüsseln
# nur GVK anzeigen
seco_dual_use_only_gkv <- seco_dual_use %>%
filter(Verzeichnis == "GKV") %>%
select(Signatur, Herkunftsdatei)
computedList <- mapply(classifySignatur, seco_dual_use[,"Verzeichnis"], seco_dual_use[,"Herkunftsdatei"], seco_dual_use[,"Signatur"])
seco_dual_use_cleaned <- seco_dual_use %>%
mutate(Haupttyp = as.factor(t(computedList)[,1]), Untertyp = as.factor(t(computedList)[,2]), Zusatz = as.factor(t(computedList)[,3]))
# Sample nehmen, um Klassifikation zu überprüfen
seco_dual_use_cleaned %>%
sample_n(40) %>%
select(Verzeichnis, Signatur, Haupttyp, Untertyp, Zusatz)
## Verzeichnis Signatur Haupttyp Untertyp Zusatz
## 697 GKV 3A001.g2 3 A 001g2
## 3663 GKV 2B350g2 2 B 350g2
## 216 GKV 2B001.b.2\n2B201.a.1 2 B 001b2
## 4920 GKV 2B201a1\n2B001b2 2 B 201a1
## 192 ML (GKV) ML03 3 <NA> <NA>
## 1988 GKV 3A001a2c 3 A 001a2c
## 2913 GKV 6A005a6b2 6 A 005a6b2
## 2388 GKV 3A001a2c 3 A 001a2c
## 3103 GKV 2B201a1\n2B001b2 2 B 201a1
## 3020 GKV 5A001i 5 A 001i
## 3502 GKV 2B201a1\n2B001b2 2 B 201a1
## 1823 ML (GKV) 3a 3 a <NA>
## 5254 GKV 3A001g2 3 A 001g2
## 2471 GKV 2B201a1\n2B001b2 2 B 201a1
## 3595 ML (GKV) 5d 5 d <NA>
## 624 unbekannt III.A1.003 <NA> <NA> <NA>
## 3808 GKV 6A002c1 6 A 002c1
## 2712 GKV 6A002c1 6 A 002c1
## 1627 ML (GKV) 10g 10 g <NA>
## 2158 GKV 2B001a 2 B 001a
## 2633 ML (GKV) 1a 1 a <NA>
## 436 GKV 2B001.b2\n2B201.a1 2 B 001b2
## 3950 GKV 6A005a6b2 6 A 005a6b2
## 3274 GKV 2B001a 2 B 001a
## 4866 GKV 2B350i 2 B 350i
## 1906 GKV 3A001a2c 3 A 001a2c
## 4008 GKV 6A005a6b2 6 A 005a6b2
## 4487 GKV 2B204 2 B 204
## 509 GKV 2B001.b3 2 B 001b3
## 619 ML (GKV) ML06 6 <NA> <NA>
## 1211 GKV 6A002c1 6 A 002c1
## 2748 GKV 3A001a2c 3 A 001a2c
## 396 GKV 2B001.a 2 B 001a
## 2965 GKV 2B201b 2 B 201b
## 2469 GKV 3A228c 3 A 228c
## 5007 GKV 2B350g2 2 B 350g2
## 3936 GKV 2B201a\n2B001b 2 B 201a
## 2340 unbekannt unbekannt <NA> <NA> <NA>
## 4431 GKV 2B001a 2 B 001a
## 4009 GKV 3A002g2 3 A 002g2
# Faktorenlevels überprüfen
levels(seco_dual_use_cleaned$Verzeichnis)
## [1] "5.1" "5.2" "ChKV" "GKV" "ML (GKV)" "unbekannt"
levels(seco_dual_use_cleaned$Herkunftsdatei)
## [1] "ELIC" "Tracker"
# Hier gibt es Einträge à la 1A, 2B und 3B, dies sind keine Fehler, sondern Haupttypen der ChKV
levels(seco_dual_use_cleaned$Haupttyp)
## [1] "0" "1" "10" "11" "13" "14" "15" "16" "17" "18" "1A" "2" "21" "22"
## [15] "2B" "3" "3B" "4" "5" "6" "7" "8" "9"
levels(seco_dual_use_cleaned$Untertyp)
## [1] "" "0" "10" "14" "16" "17" "3" "4" "a" ".a" "A"
## [12] "a21" "b" "B" "b4" "c" "C" "c2" "d" "D" "E" "f"
## [23] "f1" "g" "h"
levels(seco_dual_use_cleaned$Zusatz)
## [1] "" "0" "001" "001a" "001a1"
## [6] "001a10c" "001a12" "001a13b" "001a2a" "001a2c"
## [11] "001A2C" "001a5a1" "001a5a2" "001A5A2" "001a5a3"
## [16] "001A5A4" "001a5a5" "001a7a" "001a7b" "001b"
## [21] "001b1" "001b10" "001b14" "001b2" "001B2"
## [26] "001b3" "001c" "001C" "001c1" "001c2"
## [31] "001d" "001e" "001f" "001g" "001g2"
## [36] "001h" "001i" "001j" "002" "002a"
## [41] "002a1" "002a1a" "002a1b3" "002a1d" "002a2a"
## [46] "002a3f" "002a3g" "002a9" "002a+b" "002b1"
## [51] "002c1" "002c2" "002g" "002g2" "002G2"
## [56] "003" "003a" "003b4" "003c1" "003f2"
## [61] "004a" "005" "005a5b" "005a6a" "005A6A"
## [66] "005a6b" "005a6b2" "005A6B2" "005b6a2" "005b8b"
## [71] "005d1" "005e" "006a" "006b" "008c"
## [76] "008d" "010b" "012a1" "012a2" "101"
## [81] "101a" "103a" "103a1" "105" "105b1"
## [86] "108b2" "110" "111a2c" "117" "120"
## [91] "120a" "122" "201" "201a" "201a1"
## [96] "201a2" "201b" "201b1" "201b2" "202"
## [101] "203b3" "204" "210b" "225" "226"
## [106] "228" "228c" "230" "231" "231a"
## [111] "231b" "231b2" "233" "233a" "235"
## [116] "350" "35009" "35013" "35014" "35043"
## [121] "35046" "3504g" "3509" "350a3" "350a4"
## [126] "350a,b,d,g3" "350b3" "350c" "350c3" "350d1"
## [131] "350d2, 3, 9" "350d3" "350d4" "350d5" "350e"
## [136] "350e1" "350e2" "350e3" "350e5" "350e7"
## [141] "350g" "350G" "350g2" "350G2" "350g3"
## [146] "350g4" "350g9c" "350h2" "350i" "350i1"
## [151] "350i3" "350i4" "350i7" "351" "351d11"
## [156] "351d15" "351d4" "352" "352b" "352c"
## [161] "352d" "352d2" "352e" "352f"
Was sind die kleinsten Einträge auf der Liste, das heisst: Wie viele Geschäfte im Wert von 1 Franken gibt es? Wie viele Geschäfte unter 1’000 Franken gibt es? Wie viele Geschäfte unter 10’000 Franken gibt es? Wie viele Geschäfte unter 100’000 Franken gibt es?
dim(seco_dual_use_cleaned[seco_dual_use_cleaned$Wert == 1,])[1]
## [1] 66
dim(seco_dual_use_cleaned[seco_dual_use_cleaned$Wert <= 1000,])[1]
## [1] 461
dim(seco_dual_use_cleaned[seco_dual_use_cleaned$Wert <= 10000,])[1]
## [1] 1671
dim(seco_dual_use_cleaned[seco_dual_use_cleaned$Wert <= 100000,])[1]
## [1] 3028
# Spalten neu ordnen
seco_dual_use_cleaned <- seco_dual_use_cleaned %>%
select(GN, UnterGN, Datum, Land, Wert, Verzeichnis, Signatur, Haupttyp, Untertyp, Zusatz, Herkunftsdatei)
# \n durch | ersetzen in Signatur
seco_dual_use_cleaned_for_output <- seco_dual_use_cleaned %>%
mutate(Signatur = sub("\\n", "|", Signatur)) %>%
mutate(Untertyp = ifelse(is.na(Untertyp), "", as.character(Untertyp))) %>%
mutate(Haupttyp = ifelse(is.na(Haupttyp), "", as.character(Haupttyp))) %>%
mutate(Zusatz = ifelse(is.na(Zusatz), "", as.character(Zusatz)))
write.csv(seco_dual_use_cleaned_for_output, file = "output/seco_dual_use.csv")
# Output für Visualisierung
# Benötigt: Datum, Land, Wert, Verzeichnis, Haupttyp
seco_dual_use_for_vis <- seco_dual_use_cleaned %>%
select(Datum, Land, Wert, Verzeichnis, Haupttyp) %>%
mutate(Haupttyp = as.character(Haupttyp))
# Chemikalien zusammenfassen
seco_dual_use_for_vis$Haupttyp[seco_dual_use_for_vis$Verzeichnis == "ChKV"] <- "0"
# NAs durch leere Strings ersetzen
seco_dual_use_for_vis$Haupttyp[is.na(seco_dual_use_for_vis$Haupttyp)] <- ""
write.csv(seco_dual_use_for_vis, file = "output/seco_dual_use_for_vis.csv", row.names = F, quote = c(1, 2, 4, 5))
Output aller unterschiedlichen Signaturen als CSV
write.csv(data.frame(signatures = unique(paste(seco_dual_use_cleaned$Verzeichnis, seco_dual_use_cleaned$Haupttyp, seco_dual_use_cleaned$Untertyp, seco_dual_use_cleaned$Zusatz))), "output/all_signatures.csv")
Output aller unterschiedlichen Verzeichnis-Haupttyp-Kategorien zur manuellen Beschreibung
only_top_category_signatures <- seco_dual_use_cleaned %>%
select(Verzeichnis, Haupttyp) %>%
distinct() %>%
mutate(Beschreibung = "", Haupttyp = as.character(Haupttyp)) %>%
arrange(Verzeichnis, Haupttyp)
write.csv(only_top_category_signatures, "output/signatures_verzeichnis_haupttyp.csv", row.names = F)
Wie sieht die Verteilung aus?
cdf <- ggplot(seco_dual_use_cleaned, aes(x = Wert)) + stat_ecdf() + scale_x_log10(labels = formatAsChfWithoutCHF) + scale_y_continuous(labels = percent)
cdf
Wie viel Prozent des Exportvolumens sind Kleinaufträge oder Exporte zu Testzwecken (Definition gemäss SECO: Geschäfte mit einem Wert von unter 10’000 Franken)?
seco_dual_use %>%
group_by("Unter 10'000" = Wert < 10000, "Zwischen 10'000 und 100'000" = Wert < 100000 & Wert >= 10000, "Zwischen 100'000 und 1 Mio." = Wert >= 100000 & Wert < 1000000, "Zwischen 1 Mio. und 10 Mio." = Wert >= 1000000 & Wert < 10000000, "Über 10 Mio." = Wert >= 10000000) %>%
summarise(Summe = sum(Wert), Anzahl = n()) %>%
mutate(Summenanteil = Summe / sum(seco_dual_use_cleaned$Wert)) %>%
gather(Kategorie, Value, -Summe, -Summenanteil, -Anzahl) %>%
filter(Value == T) %>%
select(-Value)
## Source: local data frame [5 x 4]
##
## Summe Anzahl Summenanteil Kategorie
## 1 5531952 1658 0.00138238 Unter 10'000
## 2 51901310 1364 0.01296962 Zwischen 10'000 und 100'000
## 3 805639175 2181 0.20132125 Zwischen 100'000 und 1 Mio.
## 4 820265810 358 0.20497630 Zwischen 1 Mio. und 10 Mio.
## 5 2318420939 30 0.57935044 Über 10 Mio.
# Sonstige Kennzahlen
seco_dual_use %>%
summarise(median = formatAsChf(median(Wert)), sd = formatAsChf(sd(Wert)), mean = formatAsChf(mean(Wert)))
## median sd mean
## 1 CHF 66'480.- CHF 14'371'491.- CHF 715'750.2.-
Es zeigt sich klar, dass Exporte mit kleinen Summen nur einen verschwindend kleinen Teil des gesamten Exportvolumens ausmachen (< 2 Prozent). Exporte zu Testzwecken oder temporäre Exporte fallen bei der nachfolgenden Analyse rein rechnerisch also nicht ins Gewicht. Geschäfte mit einem Handelswert von über 10 Mio. sind für rund 60 Prozent des Exportvolumens verantwortlich.
Exporte im Wert von wie vielen Franken wurden im untersuchten Zeitraum bewilligt?
formatAsChf(sum(seco_dual_use_cleaned$Wert))
## [1] "CHF 4'001'759'186.-"
Was sind die grössten Exporte auf der Liste?
arrange(seco_dual_use_cleaned, desc(Wert)) %>%
mutate(Wert = formatAsChf(Wert)) %>%
select(GN, Land, Verzeichnis, Datum, Wert) %>%
slice(1:10)
## GN Land Verzeichnis Datum Wert
## 1 12332 Saudi-Arabien ML (GKV) 2012-04-27 CHF 1'000'000'000.00.-
## 2 8001302 Katar ML (GKV) 2014-12-17 CHF 275'000'000.00.-
## 3 14476 Indien ML (GKV) 2013-07-26 CHF 165'000'000.00.-
## 4 8001226 Indien ML (GKV) 2014-12-15 CHF 135'100'000.00.-
## 5 16043 Indien ML (GKV) 2014-08-22 CHF 80'000'000.00.-
## 6 14466 Pakistan ML (GKV) 2013-08-14 CHF 73'621'900.00.-
## 7 8001302 Katar ML (GKV) 2014-12-17 CHF 70'000'000.00.-
## 8 15555 Jordanien ML (GKV) 2014-05-06 CHF 65'000'000.00.-
## 9 15586 China GKV 2014-05-01 CHF 51'150'000.00.-
## 10 12153 Indien unbekannt 2012-03-21 CHF 40'000'000.00.-
Mit welchen 10 Ländern wird am meisten gehandelt?
laenderSummen10Sortiert <- seco_dual_use_cleaned %>%
group_by(Land) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
slice(1:10)
laenderAndere <- seco_dual_use_cleaned %>%
group_by(Land) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
slice(11:n()) %>%
summarise(Land = "Andere", Wert = sum(Wert))
# Summe der sonstigen
laenderSummen10SortiertForBar <- rbind(laenderSummen10Sortiert, laenderAndere) %>%
mutate(Land = factor(Land, levels = c(laenderSummen10Sortiert$Land, laenderAndere$Land))) # in die richtige Reihenfolge bringen
laenderSummenBar <- ggplot(data = laenderSummen10SortiertForBar, aes(x = Land, y = Wert)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Land") +
theme(axis.text.x = element_text(angle=45, vjust=0.5))
laenderSummenBar
Wie viel Prozent des Exportvolumens fallen auf die 5 Länder mit dem grössten bewilligten Exportvolumen?
laenderSummen5Sortiert <- seco_dual_use_cleaned %>%
group_by(Land) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
slice(1:5)
sum(laenderSummen5Sortiert$Wert)/sum(seco_dual_use_cleaned$Wert) * 100
## [1] 75.20547
Wie verteilt sich das Exportvolumen auf die einzelnen Verzeichnisse?
verzeichnisSummen <- seco_dual_use_cleaned %>%
group_by(Verzeichnis) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
mutate(Verzeichnis = factor(Verzeichnis, levels = Verzeichnis))
verzeichnisSummenBar <- ggplot(data = verzeichnisSummen, aes(x = Verzeichnis, y = Wert)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Verzeichnis") +
theme(axis.text.x = element_text(angle=45, vjust=0.5))
verzeichnisSummenBar
# Summe nach Jahr
exportvolumenNachJahr <- seco_dual_use_cleaned %>%
group_by(Jahr = format(Datum, "%Y"), Verzeichnis) %>%
summarise(Wert = sum(Wert)) %>%
mutate(Verzeichnis = factor(Verzeichnis, levels = c("ML (GKV)", "GKV", "unbekannt", "ChKV", "5.1", "5.2")))
exportvolumenNachJahrBar <- ggplot(data = exportvolumenNachJahr, aes(x = Jahr, y = Wert, fill = factor(Verzeichnis), order = Verzeichnis)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Jahr") +
scale_fill_discrete(name = "Verzeichnis")
exportvolumenNachJahrBar
# Summe nach Jahr, nur Wassenaar-Güter
# zuerst brauchen wir die grössten fünf Kategorien
exportvolumenML5Groesste <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "ML (GKV)") %>%
group_by(Haupttyp) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
select(Haupttyp) %>%
slice(1:5)
exportvolumenNachJahrML <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "ML (GKV)") %>%
group_by(Jahr = format(Datum, "%Y"), Haupttyp) %>%
summarise(Wert = sum(Wert)) %>%
mutate(Haupttyp = ifelse(Haupttyp %in% as.data.frame(exportvolumenML5Groesste)[,1], as.character(Haupttyp), "andere")) %>%
mutate(Haupttyp = factor(Haupttyp, levels = c(as.character(as.data.frame(exportvolumenML5Groesste)[,1]), "andere")))
exportvolumenNachJahrMLBar <- ggplot(data = exportvolumenNachJahrML, aes(x = Jahr, y = Wert, fill = factor(Haupttyp), order = Haupttyp)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Jahr") +
scale_fill_discrete(name = "Haupttyp")
exportvolumenNachJahrMLBar
# Summe nach Jahr, nur GKV
# zuerst brauchen wir die grössten fünf Kategorien
exportvolumenGKV5Groesste <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV") %>%
group_by(Haupttyp) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
select(Haupttyp) %>%
slice(1:5)
exportvolumenNachJahrGKV <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV") %>%
group_by(Jahr = format(Datum, "%Y"), Haupttyp) %>%
summarise(Wert = sum(Wert)) %>%
mutate(Haupttyp = ifelse(Haupttyp %in% as.data.frame(exportvolumenGKV5Groesste)[,1], as.character(Haupttyp), "andere")) %>%
mutate(Haupttyp = factor(Haupttyp, levels = c(as.character(as.data.frame(exportvolumenGKV5Groesste)[,1]), "andere")))
exportvolumenNachJahrGKVBar <- ggplot(data = exportvolumenNachJahrGKV, aes(x = Jahr, y = Wert, fill = factor(Haupttyp), order = Haupttyp)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Jahr") +
scale_fill_discrete(name = "Haupttyp")
exportvolumenNachJahrGKVBar
# Summe nach Jahr, nur GKVKat2UnterkatB
# zuerst brauchen wir die grössten fünf Kategorien
exportvolumenGKVKat2UnterkatB5Groesste <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV", Haupttyp == "2") %>%
group_by(Untertyp) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
select(Untertyp) %>%
slice(1:5)
exportvolumenNachJahrGKVKat2UnterkatB <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV", Haupttyp == "2") %>%
group_by(Jahr = format(Datum, "%Y"), Untertyp) %>%
summarise(Wert = sum(Wert)) %>%
mutate(Untertyp = ifelse(Untertyp %in% as.data.frame(exportvolumenGKVKat2UnterkatB5Groesste)[,1], as.character(Untertyp), "andere")) %>%
mutate(Untertyp = factor(Untertyp, levels = c(as.character(as.data.frame(exportvolumenGKVKat2UnterkatB5Groesste)[,1]), "andere")))
exportvolumenNachJahrGKVKat2UnterkatBBar <- ggplot(data = exportvolumenNachJahrGKVKat2UnterkatB, aes(x = Jahr, y = Wert, fill = factor(Untertyp), order = Untertyp)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Jahr") +
scale_fill_discrete(name = "Untertyp")
exportvolumenNachJahrGKVKat2UnterkatBBar
Eine noch genauere Aufschlüsselung ist angezeigt:
# Summe nach Jahr, nur GKVKat2UnterkatB
# zuerst brauchen wir die grössten fünf Kategorien
exportvolumenGKVKat25Groesste <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV", Haupttyp == "2", Untertyp == "B") %>%
group_by(Zusatz) %>%
summarise(Wert = sum(Wert)) %>%
arrange(desc(Wert)) %>%
select(Zusatz) %>%
slice(1:5)
exportvolumenNachJahrGKVKat2 <- seco_dual_use_cleaned %>%
filter(Verzeichnis == "GKV", Haupttyp == "2", Untertyp == "B") %>%
group_by(Jahr = format(Datum, "%Y"), Zusatz) %>%
summarise(Wert = sum(Wert)) %>%
mutate(Zusatz = ifelse(Zusatz %in% as.data.frame(exportvolumenGKVKat25Groesste)[,1], as.character(Zusatz), "andere")) %>%
mutate(Zusatz = factor(Zusatz, levels = c(as.character(as.data.frame(exportvolumenGKVKat25Groesste)[,1]), "andere")))
exportvolumenNachJahrGKVKat2Bar <- ggplot(data = exportvolumenNachJahrGKVKat2, aes(x = Jahr, y = Wert, fill = factor(Zusatz), order = Zusatz)) +
geom_bar(stat = "identity") +
scale_y_continuous(labels = formatAsChf) +
xlab("Jahr") +
scale_fill_discrete(name = "Zusatz")
exportvolumenNachJahrGKVKat2Bar