Tilbage


Delmål 8: Anstændige jobs og økonomisk vækst

BNP per indbygger


FN 8.1.1 Årlig realvækst i BNP pr. indbygger
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import 
NRD10_raw <- 
  pxweb_get_data(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/NR/NRX10.px",
    query = list(
      "units"=c("1"),
      "account"=c("0", "1"),
      "time"=c("*")
      )
  ) %>% 
  as_tibble()


NRD0518_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX0518.px",
    query = list(
      "units"=c("1"),
      "industry"=c("0"),
      "time"=c("*")
      )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()



# Transform
NRD10 <-
  NRD10_raw %>% 
  select(tid, kontonavn, `Udvikling i BNP`) %>% 
  spread(kontonavn, `Udvikling i BNP`) %>% 
  rename(BNP = `BNP, mio. kr.`,
         `BNP per indbygger` = `Pr. indbygger, i 1.000 kr.`)


NRD0518 <- 
  NRD0518_raw %>% 
  select(tid, `Aflønning af ansatte`) %>% 
  rename(beskæftigede = `Aflønning af ansatte`)


NRD10_NRD0518 <-
  NRD10 %>% 
  left_join(NRD0518) %>% 
  mutate(`BNP per beskæftigede` = BNP / beskæftigede * 1000) %>% 
  select(tid, `BNP per indbygger`) %>% 
  gather(Kontonavn, tusinde_kroner, -tid) %>% 
  mutate(pct = ((tusinde_kroner - lag(tusinde_kroner))/lag(tusinde_kroner))*100) %>% 
  mutate(pct_log = (log(tusinde_kroner) - lag(log(tusinde_kroner)))*100,
         tid = strtoi(tid)) %>% 
  filter(tid > 2003)


# Plot
NRD10_NRD0518_plot <-
  NRD10_NRD0518 %>%
  ggplot(aes(x = tid, y = pct, fill = Kontonavn)) +
  geom_col(position = "dodge")  +
  scale_fill_statgl() + theme_statgl() +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  labs(
    title = "Realvæksten i BNP",
    subtitle = "2010-priser, kædede værdier",
    x = " ",
    y = "Årlig procentvis ændring",
    fill = NULL,
    caption = "Kilde: https://bank.stat.gl/NRD10 \n https://bank.stat.gl/NRD0518"
  )


NRD10_NRD0518_plot

Statistikbanken, BNP

Statistikbanken, beskæftigede


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import 
NRD10_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl:443/api/v1/da/Greenland/NR/NRX10.px",
    query = list(
      "units"=c("1"),
      "account"=c("0", "1"),
      "time"=c("*")
      )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


NRD0518_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX0518.px",
    query = list(
      "units"=c("1"),
      "industry"=c("0"),
      "time"=c("*")
      )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()



# Transform
NRD10 <-
  NRD10_raw %>% 
  select(tid, kontonavn, `Udvikling i BNP`) %>% 
  spread(kontonavn, `Udvikling i BNP`) %>% 
  rename(BNP = `BNP, mio. kr.`,
         `BNP per indbygger` = `Pr. indbygger, i 1.000 kr.`)


NRD0518 <- 
  NRD0518_raw %>% 
  select(tid, `Aflønning af ansatte`) %>% 
  rename(beskæftigede = `Aflønning af ansatte`)


NRD10_NRD0518 <-
  NRD10 %>% 
  left_join(NRD0518) %>% 
  mutate(`BNP per beskæftigede` = BNP / beskæftigede * 1000) %>% 
  select(tid, `BNP per indbygger`) %>% 
  gather(Kontonavn, tusinde_kroner, -tid) %>% 
  mutate(pct = ((tusinde_kroner - lag(tusinde_kroner))/lag(tusinde_kroner))*100) %>% 
  mutate(pct_log = (log(tusinde_kroner) - lag(log(tusinde_kroner)))*100,
         tid = strtoi(tid)) %>% 
  filter(tid > 2003)


# Table
NRD10_NRD0518_table <-
  NRD10_NRD0518 %>% 
    mutate(pct = format(pct, digits  = 2, decimal.mark = ",", big.mark = ".")) %>%
  select(tid, Kontonavn, pct) %>% 
  spread(Kontonavn, pct) %>%
  rename(Tid = tid, `BNP vækst pr. indbygger` = 2) %>%
  statgl_table(year_col = Tid) %>% 
  add_footnote("Realvækst i procent (2010-priser, kædede værdier)",
               notation = "symbol")
    

NRD10_NRD0518_table
Tid BNP vækst pr. indbygger
2004 6,649
2005 4,738
2006 5,667
2007 2,794
2008 6,532
2009 1,358
2010 1,259
2011 -0,802
2012 1,172
2013 -0,639
2014 4,906
2015 -2,530
2016 5,505
2017 0,037
2018 1,788
2019 1,464
* Realvækst i procent (2010-priser, kædede værdier)

Beskæftigelse


GS Beskæftigelsesgrad i forhold til samlet befolkning
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
ARDBFB5_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR30/ARXBFB5.px",
    query = list(
      "time" = c("*"),
      "municipality" = c("0"),
      "place of residence" = c("0"),
      "gender" = c("0"),
      "age" = c("0"),
      "place of birth" = c("0"),
      "inventory variable" = c("4")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
ARDBFB5 <-
  ARDBFB5_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
ARDBFB5_plot <-
  ARDBFB5 %>%
  ggplot(
    aes(
      x = tid,
      y = `Hovedbeskæftigelse og beskæftigelsesgrad blandt fastboende`,
      color = opgørelsesvariabel
    )
  ) +
  geom_line(size = 2) +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  theme_statgl() + scale_fill_statgl() +
  theme(legend.position = "none") +
  labs(
    title = "Beskæftigelsesgraden",
    subtitle = "Beskæftigelse i gennemsnit per måned i forhold til samlet befolkning",
    x = " ",
    y = " ",
    color = "Opgørelsesvariabel",
    caption = "Kilde: https://bank.stat.gl/ARDBFB5"
  )


ARDBFB5_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import
ARDBFB5_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR30/ARXBFB5.px",
    query = list(
      "time" = c("*"),
      "municipality" = c("0"),
      "place of residence" = c("0"),
      "gender" = c("0"),
      "age" = c("0"),
      "place of birth" = c("0"),
      "inventory variable" = c("4")
    )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
ARDBFB5 <-
  ARDBFB5_raw
    
# Table
ARDBFB5_table <-
  ARDBFB5 %>%
  filter(
    opgørelsesvariabel ==
      "Beskæftigelse i gennemsnit pr. måned i forhold til samlet befolkning (pct.)"
  ) %>%
  select(tid,
         `Hovedbeskæftigelse og beskæftigelsesgrad blandt fastboende`) %>%
  set_names(str_to_title(names(.))) %>%
  kable(col.names = c(" ",
                      "Beskæftigelsesgrad blandt fastboende"),
        align = "lr") %>%
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote(
    "Procent, beskæftigelse i gennemsnit per måned i forhold til samlet befolkning.",
    notation = "symbol"
  )


ARDBFB5_table
Beskæftigelsesgrad blandt fastboende
2008 63
2009 62
2010 61
2011 60
2012 60
2013 59
2014 59
2015 60
2016 62
2017 62
2018 63
2019 63
* Procent, beskæftigelse i gennemsnit per måned i forhold til samlet befolkning.

Ledighed


FN 8.5.2 Ledighedsgrad fordelt på alder
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import 
ARDLED4_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
      )) %>% 
as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4 <-
  ARDLED4_raw %>% 
  mutate_if(is.factor, as.character) %>% 
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
ARDLED4_plot <-
  ARDLED4 %>% 
  filter(
    bosted == "Alle",
    alder == "Alle (18-65 år)",
    køn == "Alle"
  ) %>% 
  ggplot(aes(x = tid, y = `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`, color = bosted)) +
  geom_line(size = 2) +
  theme_statgl() + scale_color_statgl() +
  theme(legend.position = "none") +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  labs(
    title = "Ledighedsprocent",
    subtitle = "Ledighed i gennemsnit pr. måned blandt fastboende, 18-65-årige",
    x = " ",
    y = " ",
    color = " ",
    caption = "Kilde: https://bank.stat.gl/ARDLED4"
  )


ARDLED4_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import 
ARDLED4_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
      )) %>% 
as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4 <-
  ARDLED4_raw


# Table
ARDLED4_table <-
  ARDLED4 %>%
  filter(bosted == "Alle",
         alder == "Alle (18-65 år)",
         køn == "Alle") %>% 
  mutate(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige` =
           format(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`,
                  digits = 3,
                  decimal.mark = ",")) %>% 
  select(tid, `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`) %>% 
  kable(col.names = c(" ", "Ledighedsprocent"), align = "lr") %>% 
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote(
    "Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.",
    notation = "symbol"
  )

  
ARDLED4_table
Ledighedsprocent
2010 7,8
2011 9,4
2012 9,8
2013 10,1
2014 10,3
2015 9,1
2016 7,3
2017 6,8
2018 5,8
2019 5,1
* Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.



# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import 
ARDLED4_3_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
    )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4_3 <-
  ARDLED4_3_raw %>% 
  mutate_if(is.factor, as.character) %>% 
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
ARDLED4_3_plot <-
  ARDLED4_3 %>% 
  filter(
    bosted == "Alle",
    alder != "Alle (18-65 år)",
    køn == "Alle"
  ) %>% 
  ggplot(aes(x = tid, y = `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`, color = alder)) +
  geom_line(size = 2) +
  theme_statgl() + scale_color_statgl() +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  labs(
    title = "Ledighedsprocent efter aldersgrupper",
    subtitle = "Ledighed i gennemsnit pr. måned blandt fastboende",
    x = " ",
    y = " ",
    color = " ",
    caption = "Kilde: https://bank.stat.gl/ARDLED4"
  )


ARDLED4_3_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import 
ARDLED4_3_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
    )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4_3 <-
  ARDLED4_3_raw


# Table
ARDLED4_3_table <-
  ARDLED4_3 %>% 
  filter(
    bosted == "Alle",
    alder != "Alle (18-65 år)",
    køn == "Alle"
  ) %>% 
  mutate(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige` =
           format(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`,
                  digits = 3,
                  decimal.mark = ",")) %>% 
  select(tid, alder, `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`) %>% 
  spread(alder, `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`) %>% 
  kable(col.names = c(" ",
                      "18-19 år",
                      "20-24 år",
                      "25-29 år",
                      "30-34 år",
                      "35-39 år ",
                      "40-44 år ",
                      "45-49 år ",
                      "50-54 år ",
                      "55-59 år ",
                      "Over 60 år"
                      ), align = "lrrrrrrrrrr") %>% 
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote(
    "Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.",
    notation = "symbol"
  )
  

ARDLED4_3_table
18-19 år 20-24 år 25-29 år 30-34 år 35-39 år 40-44 år 45-49 år 50-54 år 55-59 år Over 60 år
2010 15,3 12,8 10,1 7,4 6,1 7,0 6,4 6,4 5,8 5,0
2011 19,2 15,8 11,7 9,2 7,0 8,5 8,0 7,5 6,5 6,0
2012 20,7 16,5 12,3 9,3 7,6 8,6 8,4 8,1 7,1 6,4
2013 21,0 16,0 12,3 10,3 7,5 8,4 9,2 8,7 7,7 7,1
2014 23,3 17,3 12,4 10,1 7,8 8,3 9,1 8,9 8,4 6,6
2015 20,4 14,4 11,3 9,2 7,3 7,0 7,9 7,9 7,4 6,4
2016 16,0 11,4 9,0 7,1 6,5 5,4 6,7 6,4 6,0 5,4
2017 13,3 10,9 7,9 6,7 6,7 4,8 5,8 6,2 5,7 5,3
2018 9,9 9,5 6,3 5,3 5,4 4,6 4,8 5,3 5,1 5,4
2019 6,8 7,8 5,6 4,8 4,6 4,4 4,7 4,9 4,5 4,8
* Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.
GS Ledighedsprocent efter bosted
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import 
ARDLED4_2_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
    )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4_2 <-
  ARDLED4_2_raw %>% 
  mutate_if(is.factor, as.character) %>% 
  mutate(tid = as.numeric(tid) %>% make_date())


# Plot
ARDLED4_2_plot <-
  ARDLED4_2 %>% 
  filter(
    bosted != "Alle",
    alder == "Alle (18-65 år)",
    køn == "Alle"
  ) %>% 
  ggplot(aes(x = tid, y = `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`, color = bosted)) +
  geom_line(size = 2) +
  theme_statgl() + scale_color_statgl() +
  scale_y_continuous(labels  = scales::percent_format(scale = 1, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  labs(
    title = "Ledighedsprocent efter bosted",
    subtitle = "Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige",
    x = " ",
    y = " ",
    color = " ",
    caption = "Kilde: https://bank.stat.gl/ARDLED4"
  )


ARDLED4_2_plot

Statistikbanken

Metode


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")


# Import 
ARDLED4_2_raw <- 
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/AR/AR40/ARXLED4.px",
    query = list(
      "time"=c("*"),
      "quarter"=c("0"),
      #"district"=c("*"),
      "place of residence"=c("*"),
      "age"=c("*"),
      "gender"=c("*")
    )) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


# Transform
ARDLED4_2 <-
  ARDLED4_raw


# Table
ARDLED4_2_table <-
  ARDLED4_2 %>%
  filter(bosted != "Alle",
         alder == "Alle (18-65 år)",
         køn == "Alle") %>% 
  mutate(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige` =
           format(`Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`,
                  digits = 3,
                  decimal.mark = ",")) %>% 
  select(tid, bosted,  `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`) %>% 
  spread(bosted, `Ledighedsprocent i gennemsnit pr. måned blandt fastboende 18-65-årige`) %>% 
  kable(col.names = c(" ", "Byer", "Bygder mm."), align = "lrr") %>% 
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote(
    "Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.",
    notation = "symbol"
  )


ARDLED4_2_table
Byer Bygder mm.
2010 7,7 8,2
2011 8,9 12,7
2012 9,4 12,9
2013 9,6 13,0
2014 10,0 12,1
2015 8,8 11,3
2016 7,0 9,6
2017 6,4 10,0
2018 5,4 9,0
2019 4,7 8,1
* Procent, Ledighed i gennemsnit pr. måned blandt fastboende 18-65-årige.



Forskning og udvikling


GS Udgifter til forskning of udvikling som andel af BNP
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")



# Import
NRD09_raw <- 
  pxweb_get(url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX09.px",
            query = list("units"=c("0"),
                         "account"=c("6"),
                         "time"=c("*"))) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


NRD10_raw <- 
  pxweb_get(url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX10.px",
            query = list("units"=c("0"),
                         "account"=c("0"),
                         "time"=c("*"))) %>% 
as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
NRD09_NRD10 <-
  NRD09_raw %>% left_join(NRD10_raw %>% select(tid, `Udvikling i BNP`)) %>% 
  mutate(pct = Investeringer / `Udvikling i BNP`,
         tid = strtoi(tid) %>% make_date())


# Plot
NRD09_NRD10_plot <-
  NRD09_NRD10%>% 
  ggplot(aes(x = tid, y = pct, fill = konto)) +
  geom_col() +
  scale_y_continuous(labels  = scales::percent_format(scale = 100, accuracy = 1, big.mark = ".",
    decimal.mark = ",")) +
  theme_statgl() + scale_fill_statgl() +
  theme(legend.position = "none") +
  labs(
    title  = "Udgifter til forskning og udvikling",
    subtitle = "Løbende priser",
    x = " ",
    y = "Procentvis andel af BNP",
    caption = "Kilde: https://bank.stat.gl/NRD09 \n https://bank.stat.gl/NRD10"
  )


NRD09_NRD10_plot

Statistikbanken, investeringer (forskning og udvikling)

Statistikbanken, BNP


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("kableExtra")




# Import
NRD09_raw <- 
  pxweb_get(url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX09.px",
            query = list("units"=c("0"),
                         "account"=c("6"),
                         "time"=c("*"))) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>% 
  as_tibble()


NRD10_raw <- 
  pxweb_get(url = "https://bank.stat.gl/api/v1/da/Greenland/NR/NRX10.px",
            query = list("units"=c("0"),
                         "account"=c("0"),
                         "time"=c("*"))) %>% 
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
NRD09_NRD10 <-
  NRD09_raw %>% left_join(NRD10_raw %>% select(tid, `Udvikling i BNP`)) %>% 
  mutate(pct = (Investeringer / `Udvikling i BNP`*100))


# Table
NRD09_NRD10_table <-
  NRD09_NRD10 %>% 
  mutate(pct =
           format(pct,
                  digits = 3,
                  decimal.mark = ",")) %>% 
  select(tid, pct) %>% 
  kable(col.names = c(" ", "Udgifter til forskning og udvikling"), align = "lr") %>% 
  kable_styling(bootstrap_options = c("condensed", "reactive"),
                full_width = TRUE) %>%
  add_footnote(
    "Procent af BNP",
    notation = "symbol"
  )


NRD09_NRD10_table
Udgifter til forskning og udvikling
2003 2,94
2004 2,41
2005 2,57
2006 2,95
2007 4,30
2008 3,29
2009 3,65
2010 3,48
2011 3,13
2012 2,81
2013 2,66
2014 2,51
2015 2,25
2016 2,09
2017 2,10
2018 NA
2019 NA
* Procent af BNP

Udenrigspassagerer


GS Antal udenrigspassagerer på rutefly
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")


# Import
TUDUPAX_raw <-
  pxweb_get(
    url = "https://bank.stat.gl/api/v1/da/Greenland/TU/TU20/TUXUPAX.px",
    query = list(
      "airport" = c("*"),
      "month" = c("0"),
      "time" = c("*")
      )) %>%
  as.data.frame(column.name.type = "text", variable.value.type = "text") %>%
  as_tibble()


# Transform
TUDUPAX <-
  TUDUPAX_raw %>%
  mutate_if(is.factor, as.character) %>%
  mutate(
    tid = as.numeric(tid) %>% make_date(),
    `Antal udenrigspassagerer på rutefly` =
      (`Antal udenrigspassagerer på rutefly` * 10^-3)
  )


# Plot
TUDUPAX_plot <-
  TUDUPAX %>%
  filter(lufthavn == "I alt") %>%
  ggplot(aes(x = tid,
             y = `Antal udenrigspassagerer på rutefly`)) +
  geom_col(fill = statgl:::statgl_cols("darkblue")) +
  theme_statgl() + scale_fill_statgl() +
  theme(plot.margin = margin(10, 10, 10, 10)) +
  labs(
    title = "Udenrigspassagerer på rutefly",
    x = " ",
    y = "Tusinde personer",
    caption = "Kilde: https://bank.stat.gl/TUDUPAX"
  )


TUDUPAX_plot