epogrebnyak / data-rosstat-kep

Time series dataset of Rosstat Short-term Economic Indicators ("KEP") publication

Hi I'm Evgeniy Pogrebnyak

Work

• Finec MGIMO, where we teach economics, management and business IT.
• Previously VEB, ICSS and forecast.ru.

Publications

• Google Scholar
• 
• elibrary ИНП РАН, МГИМО
• Scopus

Datasets

I maintain several open datasets and codebooks:

Name	Content	Years	Github
boo	Russian firms annual financial statements	2012-2018
weo	World Economic Outlook releases as pandas dataframes	2007+
ssg	Static site generators popularity on Github	2021

Read more here

Publications

• elibrary.ru author profile
• Google scholar

Topics: power markets, economics of automotive industry, industrial and competition policies, exchange rates, sustainable development goals.

Thesis: Policy parameters and regulatory controls for Russian competitive electricity market

Also published: dictionary of Russian business slang.

Other links

• My bio in Russian here

data-rosstat-kep's Issues

Plotting: save all monthly plots as .png files

• Execute @plots.py: write_png_pictures(df)
• commit and sync to repo
• see how issue #27 displays these pictures.
• add key graphs to README.md

separate inline tests from code files

Checks for overall import results

Cейчас нет итогового теста, который бы показал, что данные считаны верно. Примером такого теста могут быть выборочные старые значения показателей (одно или несколько на каждую серию), с которыми сравнивается результат импорта данных.

Требуется разработать такой тест.

Parsing: variables from supplementary spec files (like spec_cpi.txt) lack description in varnames.md

https://raw.githubusercontent.com/epogrebnyak/rosstat-kep-data/master/src/output/varnames.md

Output: get_dfm() and get_var_list() in various locations

• get_dfm() now has empty columns with no numeric data
• get_var_list() - which module best place it? should it be a separate function?

Plotting: Empty series to plot in plot.py

test_has_unknowns() fails in py.test

..., but passes in test_row_label.py

Full import of ind06

• actual varnames in dictionary
• make full dict
• utility script
• validate dictionary (call utility script when preparing)

Documentation: improve/simplify src/make_docs.bat

Intent: generate lightweight documentation that can help enhance comments and structure code better.

Problem: current solution involves copying different files generated by pydoc, because pydoc fails to generate a set of html files in with valid links with one command.

Documentation: generate lightweight documentation for as_packages/kep package

I want some quick and lightweight auto-generated documentation for https://github.com/epogrebnyak/rosstat-kep-data/tree/as_packages/kep

We have some documentation generated with pydoc and pycco - run by https://github.com/epogrebnyak/rosstat-kep-data/blob/master/src/make_docs.bat/
as desribed in issue #25. The intent is still to

generate lightweight documentation that can help enhance comments and structure code better.

the original make_docs.bat soultion is not longer good for kep.package, becasue it has many subfolders and I could not make these progams parse subfolders effectively.

Perhaps SPHYNX can do the job, but so far it is too complex for me.

log.txt need header info (what file was parsed + any parameters)

Check multiple entries of varname dict in spec file

• check and show repetition
• require that there is no repetition on actual import

doc2db.inspect.head_dict_in_raw_csv(file_csv, pivot _strings):
create dictionary of pivot strings { "string":no_of_occurrencies }
for i, row in csv_iter(file_csv):
   use search function to add to dictionary
return part of dictionary where no_of_occurrencies > 1, also issue warning on = 0 

Testing: no explicit test for row labeller

Parsing: some variables not imported

see test in csv2db.test_selected_var_names()

Overall: move src/output directory to root

Excel export: write both .xls and .xlsx files

Func name suggestion

get_iter_from_csv(f)
dump_iter_to_csv(iterable, f)

relative import question

https://github.com/epogrebnyak/rosstat-kep-data/blob/as_packages/src_module/kep/kep.py

running python kep.py fails with

[Anaconda3] C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep>python -m kep
Traceback (most recent call last):
  File "C:\Users\Евгений\Anaconda3\lib\runpy.py", line 170, in _run_module_as_main
    "__main__", mod_spec)
  File "C:\Users\Евгений\Anaconda3\lib\runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep\kep.py", line 3, in <module>
    from converter.word import foo
  File "C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep\converter\word.py", line 20, in <module>
    from ..io import dump_iter_to_csv
ValueError: attempted relative import beyond top-level package

make tests based on trials 1 and 2

Documentation: write API examples for README.md

Use get_ts(), get_df(), get_varnames() from query.py

Variable text description

temp.py generates a table with a variable list: varnames2.md.txt, which has errors marked (1)-(4).

(2) and (3) are easily corrected by changing config file

(1) and (4) are a bit of a question - wrong text decription is attached to labels. maybe an error in temp.py.

mode 'abandoned' away / to lower level folder

var_names.py

• find out why there are still "<...>" in second column (3rd column ok)
• refactor pure_tabulate()

Converter: 2 conditional behaviours for import_csv()

kep.parser.csv2db.import_csv must issue warning and continue if:

• MS Word not installed
• CSV file already exists

import_csv() must also accept import_csv( , overwrite = False) flag, default behavior is no overwrite

relative import question

running python kep.py fails with

[Anaconda3] C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep>python -m kep
Traceback (most recent call last):
  File "C:\Users\Евгений\Anaconda3\lib\runpy.py", line 170, in _run_module_as_main
    "__main__", mod_spec)
  File "C:\Users\Евгений\Anaconda3\lib\runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep\kep.py", line 3, in <module>
    from converter.word import foo
  File "C:\Users\Евгений\Documents\GitHub\rosstat-kep-data\src_module\kep\converter\word.py", line 20, in <module>
    from ..io import dump_iter_to_csv
ValueError: attempted relative import beyond top-level package

Must separate raw csv file to extract recurring varname strings

Example: "Добыча полезных ископаемых"

Parsing: test if a variable label is present in dataset and non-empty

Change ofc.ini

Change ofc.ini in https://github.com/epogrebnyak/rosstat-kep-data/blob/master/ofc-docs-conversion-tool/ so that resulting docx files are written to docx subfolder, not Coverted/data... folder

Overall: restructure program into modules as in src2_modules folder

Testing/parsing: completeness of data import (FOR REVIEW)

Affected prvious issues:

• Check for list of imported varaibles #47 SOLVED
• Output: get_dfm() and get_var_list() in various locations #39
• Parsing: test if a variable label is present in dataset and non-empty #38 SOLVED, but no check for non-empty
• Parsing: some variables not imported #35 (PROFIT)

Steps - need list of:

• m, q, a and all variables in database
• variables from spec file SOLVED
• variables form spec files via cfg files SOLVED
• duplicate headers

Explicit test:

• are all variables form spec/cfg in database? SOLVED
• are all headers covered by spec dicts?

Also:

• Need (+ 1) variable in sample dataset to set up explicit cfg test
• get capitalised letters VAR_NAME part of VAR_NAME_unit_of_measurement to deal with group of variables SOLVED

Todo: explain where it will be licated, what is already implemented?

Testing: make test_1.py executable with py.test

test_1.py contains imports of inline tests from other modules

before I added init.py to src folder, I could run py.test and it would recognize tests in test_1.py and execute them. Currently I get error message when py.tests tryies to execute test_1.py.

Expected results:

1. test_1.py placed into src/test/test_1.py and is made executable by py.test (I have problem setting corrent module import in src/test/test_1.py)
2. same for location /test/test_1.py (must create new folder)

I reviewed https://pytest.org/latest/goodpractises.html#choosing-a-test-layout-import-rules but could not make good use of it.

Plotting: all single .png plots in plots.py lack proper dates on x axis

'CORP_DEBT_rog' is invalid data (ind06)

Must delete data which is wrong on import for a reason of combination of appearance of header pri and sec labels

testing of row labelling not systemic

many files, serveral fixtures do same thing

write varnames to xls in order of appearance in yaml file

Testing: segment specification testing not complete

https://github.com/epogrebnyak/rosstat-kep-data/blob/master/src/new_modules/hardcoded.py#L124

Check for list of imported varaibles

Must trace which variables are in:

• spec files
• labelled stream
• database
• dfa, dfm, dfq

Must operate with capitalised letters VAR_NAME part of VAR_NAME_unit_of_measurement.

Database operations not performed in one session, require console reset.

As described in https://github.com/epogrebnyak/rosstat-kep-data/blob/master/src/errors/error_no_wipe.py

validate yaml function

Faulty character #x001E appears in csv dump - better sub with hyphen in Word to csv dump

Word misappropriates codepoint #x001E for this non-breaking hyphen, instead of using the proper Unicode code point #x2011. Codepoint #x001E is actually an ASCII control code indicating a record separator

Example in "die stamping machines and hammers" in ind06/tab4.doc

Plotting: generate .md file listing all png

Make it work : generate_md() at
https://github.com/epogrebnyak/rosstat-kep-data/blob/master/src/plots.py#L120

REFERENCE: Good review of fixtures, including modules-level.

(Note: use as_package branch.)

I'm in root folder of this repo (rosstat-kep-data), and I call test_yaml_import.py
by any of below:

set PYTHONPATH=.
py.test kep/test/test_yaml_import.py

or

python -m kep.test.test_yaml_import

test_yaml_import.py uses kep.io.docstring_to_file() to write temporarily files
used in this test, essentially a fixture for the test.

1. When doing the call above test_yaml_import.test_with_file() will write
   _yaml_spec_sample.txt to root folder of the repo, read it back and pass the test.
   Desired behaviour is to write _yaml_spec_sample.txt to kep/test/temp/_yaml_spec_sample.txt.
   Need a solution for this without changing test_yaml_import.py structure much.
2. Using temporarily files to run a test seems a feature of py.test as a package.
   How would you implement same behaviour using a fixture. (Note: this part I know little about - additional advice/explainations welcome.)

CSV export: use native pandas export for csv files (to make it readable in R)

Parsing: read raw csv using config file and two spec files

make tests work inside package

Add variable list to xls(x) output file

Add varnames.md as the last sheet to kep.xls and kep.xlsx files.

Pretty formatting of output .xls file

Input:

• _kep.xls, to be generated by pandas
• _kep-format.xls - containing sample of formatting

Output:

• kep.xls that has data from '_kep.xls' and formats from '_kep-format.xls'

Interface function:

reformat_xls(datasource_file = '_kep.xls', format_file = '_kep-format.xls', 
                                                           output_file = 'kep.xls') 

Behaviour:

From first sheet of format file '_kep-format.xls' read format of first n (n=3) rows. Apply formatting to n rows in new file. Apply n-th row format to all other rows. Intent: apply formatting of headers to headers and formatting of rows to row.

Links:

• https://secure.simplistix.co.uk/svn/xlrd/trunk/xlrd/doc/xlrd.html?p=4966#formatting.Format-class
• https://github.com/python-excel/xlwt/blob/master/examples/num_formats.py

New reader function for accum qtrs

Год Year I квартал Q 1    I полугодие                  1st half-year Январь-сентябрь January-September

Querying: substitute 'tabulate' module with simple pure python in var_names.py

Segmentation of source file to process repetitive labels

В файле https://github.com/epogrebnyak/rosstat-kep-data/blob/master/data/ind06/tab.csv
можно увидеть, что строка "Добыча полезных ископаемых" повторяется несколько раз и текущий алгоритм не сможет это правильно считать (в некоторых случаях "Добыча полезных ископаемых" это заголовок индикатора, где-то аналог единицы измерения, где-то более сложный случай).

Предполагаемое решение:

• написать функцию, которая будет выдавать кусок файла по имени файла, начальной строке и конечной строке сегмента. Пример сегмент - это таблица 1.2.1. , начальная строка - это ее заголовок, конечная строка - заголовок следующей за ней таблицы.
• задать свой yaml для этого сегмента
• отпарсить сегмент с этим yaml'ом отдельно, записать результата в отдельный файл
• считывать такие дополнительные файлы в базу данных

Комментарий:

• также, видимо необходимо разделить весь файл на сегменты, чтобы основной yaml файл не применялся, там где используются дополнительные yaml файлы.
• для этого требуется новая логическая структура управления парсингом типа

spec_by_segment=[(None, spec0.yaml)
, ("1.2.1. Индексы производства по видам деятельности", spec_seg1.yaml)
, ("1.3. Продукция сельского хозяйства в хозяйствах всех категорий", spec0.yaml)
... ]

Этот пример означает, что от начала файла до строки, содержащей "1.2.1. Индексы производства по видам деятельности" надо использовать spec0.yaml, от "1.2.1. Индексы производства по видам деятельности" до "1.3. Продукция сельского хозяйства в хозяйствах всех категорий" - использовать spec_seg1.yaml и так далее.

Выдержки из https://github.com/epogrebnyak/rosstat-kep-data/blob/master/data/ind06/tab.csv

1.2.1. Индексы производства по видам деятельности (без исключения сезонности и фактора времени) / Industrial Production indices by Industry (without seasonal and time factor adjustment)                                               
Добыча полезных ископаемых1) / Mining and quarrying 1)                                              
отчетный месяц в % к предыдущему месяцу / reporting month as percent of previous month                                              
2002    97,9    91,9    110,6   97,0    105,0   102,2   105,3   100,6   98,7    101,6   94,5    102,6
2003    100,8   91,2    110,4   96,9    104,7   101,4   106,9   99,1    99,9    100,5   95,8    102,7
2004    99,2    94,0    107,5   97,8    104,1   101,3   104,9   99,3    98,1    101,3   95,2    103,1
2005    97,5    91,8    110,0   95,7    104,8   100,4   105,1   98,5    99,1    101,3   95,9    102,7
2006    97,1    91,8    110,8   97,5    104,3   99,8    105,1   99,9    97,0    101,5   97,8    103,1
2007    98,5    91,9    110,4   96,0    103,9   98,8    103,9   100,6   96,4    103,6   96,4    103,1
2008    98,4    94,7    106,3   97,4    102,8   97,8    103,2   100,0   98,2    102,0   93,1    103,4
2009    97,1    91,9    109,7   97,3    102,0   98,7    104,4   100,5   99,0    103,6   97,3    103,7
2010    96,5    93,2    110,9   95,9    103,0   98,4    103,1   98,8    99,2    104,3   96,1    103,4
2011    96,8    92,4    110,9   96,6    103,8   98,2    103,5   99,3    97,7    103,0   97,3    103,0
2012    97,3    94,5    106,6   96,7    103,6   98,3    104,4   99,5    97,1    103,4   96,8    103,2
2013    96,8    92,5    109,7   97,5    103,5   98,3    102,8   100,4   97,9    103,2   96,9    103,4
2014    95,8    92,3    109,6   98,0    103,3   98,2    102,2   101,1   99,4    102,7   97,5    103,8
2015    94,5    91,1    110,0   96,7    103,2   98,2                        
отчетный месяц в % к соответствующему месяцу предыдущего года / reporting month as percent of corresponding month of previous year                                              
2002    106,1   107,5   108,2   102,4   107,7   108,6   107,0   108,4   106,6   108,0   103,9   106,8
2003    109,9   109,1   108,9   108,8   108,4   107,6   109,2   107,5   108,8   107,6   109,2   109,2
2004    107,5   110,8   107,9   108,7   108,3   108,2   106,1   106,4   104,4   105,2   104,5   104,9
2005    103,1   100,7   103,1   100,9   101,5   100,6   100,9   100,1   101,2   101,2   101,9   101,5
2006    101,1   101,1   101,9   103,8   103,3   102,8   102,7   104,2   102,0   102,2   104,2   104,6
2007    106,1   106,1   105,7   104,1   103,6   102,5   101,3   102,0   101,4   103,5   102,1   102,0
2008    102,0   105,1   101,3   102,7   101,6   100,5   99,9    99,3    101,2   99,6    96,1    96,4
2009    95,1    92,3    95,3    95,2    94,5    95,4    96,5    97,0    97,7    99,3    103,8   104,1
2010    103,5   105,0   106,1   104,5   105,6   105,4   104,1   102,3   102,5   103,2   101,9   101,7
2011    102,0   101,1   101,0   101,8   102,5   102,3   102,7   103,2   101,7   100,4   101,7   101,3
2012    101,8   104,1   100,1   100,3   100,1   100,2   101,1   101,3   100,6   101,0   100,5   100,7
2013    100,2   98,0    100,9   101,7   101,7   101,7   100,1   101,0   101,9   101,7   101,8   102,0
2014    100,9   100,8   100,6   101,1   100,9   100,8   100,2   100,8   102,4   101,9   102,5   103,0
2015    101,5   100,1   100,4   99,2    99,1    99,1                        

2.2. Сальдированный финансовый результат по видам экономической деятельности, млн.рублей / Balanced financial result by economic activity, mln rubles             
Добыча полезных ископаемых / Mining and quarrying               
1999    109148  16080   40142   67798
2000    188810  42820   85725   135333
2001    206748  52909   104123  151244
2002    174694  33999   75288   141617
2003    241097  48122   126891  180819
2004    425039  82429   180216  340522
2005    804198  132118  368190  612183
2006    712883  199798  416631  687520
2007    906679  135578  391577  620517
2008    872481  250859  632490  936652
2009    892471  130572  383528  651142
2010    1377510 270405  608904  959439
2011    1981014 476648  978761  1516015
2012    1833460 491839  921024  1409589
2013    1707119 397591  811881  1311776
2014    2648591 552512  1013834 1637251
2015        626913      

    Год Year I квартал Q 1    I полугодие 1st half-year  Январь-сентябрь January-September
Убыточные организации / Loss-making organizations               
Добыча полезных ископаемых / Mining and quarrying               
количество организаций, тысяч / number of organizations, thou             
2003    0,6 0,7 0,7 0,6
2004    0,5 0,7 0,6 0,6
2005    0,5 0,6 0,6 0,5
2006    0,4 0,6 0,5 0,5
2007    0,4 0,5 0,5 0,4
2008    0,4 0,5 0,4 0,4
2009    0,5 0,7 0,6 0,5
2010    0,4 0,6 0,5 0,4
2011    0,4 0,5 0,5 0,4
2012    0,4 0,5 0,4 0,4
2013    0,4 0,6 0,5 0,5
2014    0,4 0,6 0,5 0,5
2015        0,5     


3. Цены / Prices                                                                    
3.1. Индексы цен производителей промышленных товаров1) (на конец периода, в % к концу предыдущего периода) / Industrial producer price indices1) (end of period, percent of end of previous period)                                                                   
1999    170,7   117,5   112,0   115,0   112,8   107,2   105,3   104,1   104,4   103,9   103,2   104,7   104,5   105,2   105,6   104,1   102,5
2000    131,9   110,0   105,9   107,0   105,8   104,3   103,1   102,2   101,7   101,7   102,4   102,8   101,8   102,2   103,5   101,2   101,1
2001    108,3   103,1   104,5   100,3   100,3   101,3   101,1   100,7   100,8   101,1   102,5   100,5   100,0   99,8    100,4   100,2   99,7
2002    117,7   99,7    107,4   105,7   103,9   100,2   99,5    100,0   102,1   102,2   103,0   102,6   102,0   101,1   102,1   101,6   100,1
2003    112,5   103,5   101,5   105,5   101,5   100,5   101,6   101,4   101,1   100,1   100,4   102,2   101,8   101,4   100,8   100,2   100,5
2004    128,8   108,9   107,2   106,2   103,9   104,0   103,4   101,3   102,1   102,1   102,8   101,2   101,8   103,1   101,8   102,0   100,1
2005    113,4   104,3   105,3   105,4   97,9    100,5   101,3   102,5   102,5   102,7   100,1   100,5   102,0   102,8   100,9   99,1    97,9
2006    110,4   106,0   103,2   105,4   95,8    100,5   103,3   102,1   100,6   101,8   100,8   101,7   102,2   101,4   97,2    97,5    101,0
2007    125,1   101,7   112,7   102,1   106,9   101,9   99,9    100,0   104,3   105,4   102,5   100,7   102,1   99,4    99,9    103,1   103,7
2008    93,0    103,0   113,6   100,5   79,1    101,6   100,7   100,7   104,5   103,5   104,9   105,4   100,5   95,0    93,4    91,6    92,4
2009    113,9   104,4   105,3   104,5   99,1    96,6    105,1   102,9   102,4   100,6   102,2   101,8   101,4   101,2   99,1    99,5    100,5
2010    116,7   102,7   102,7   102,6   107,8   98,9    102,0   101,8   103,2   102,7   96,9    100,6   103,3   98,7    102,2   104,4   101,0
2011    112,0   107,0   100,7   101,9   102,0   102,2   103,4   101,4   102,0   101,1   97,7    98,2    103,3   100,5   100,9   101,0   100,2
2012    105,1   103,0   97,4    109,0   96,2    99,8    101,1   102,2   100,7   97,6    99,2    98,9    105,1   104,8   98,4    98,8    98,9
2013    103,7   100,9   98,3    106,4   98,4    99,6    100,8   100,5   98,8    99,0    100,4   102,0   102,8   101,4   98,8    98,5    101,0
2014    105,9   102,3   102,0   100,9   100,6   100,4   99,6    102,3   100,7   100,4   100,8   101,6   100,0   99,2    100,3   99,5    100,8
2015        109,2   102,1           101,3   102,1   105,5   102,7   98,8    100,7                       
в том числе: / of which:                                                                   
Добыча полезных ископаемых / Mining and quarrying                                                                   
1999    225,2   116,6   113,9   131,3   129,2   108,8   103,1   103,9   102,8   106,3   104,2   110,9   108,1   109,5   115,3   108,0   103,7
2000    149,1   114,9   105,0   109,1   113,3   108,6   103,2   102,5   102,7   101,3   101,0   104,4   101,3   103,2   108,2   101,3   103,4
2001    104,0   98,0    112,0   97,3    97,4    100,6   98,3    99,1    101,0   101,7   109,0   100,5   99,0    97,9    100,0   99,6    97,8
2002    125,8   91,9    114,2   113,5   105,6   99,3    94,8    97,7    100,6   104,1   109,0   108,3   103,7   101,1   104,5   103,4   97,8
2003    101,8   96,0    94,5    114,4   98,1    98,2    99,1    98,7    99,4    97,5    97,6    106,5   105,1   102,2   100,6   97,4    100,1
2004    164,7   119,8   112,2   112,3   109,1   113,3   104,5   101,2   103,7   102,4   105,7   102,9   103,9   105,0   103,6   104,5   100,8
2005    131,0   103,3   118,6   119,1   89,8    95,7    98,4    109,6   108,9   109,7   99,3    101,2   108,0   109,0   102,6   96,3    90,9
2006    101,6   110,8   102,8   110,4   80,8    96,2    106,6   108,0   100,6   100,8   101,4   103,2   103,9   102,9   89,7    87,4    103,1
2007    152,3   97,2    136,8   102,6   111,6   107,5   94,7    95,5    110,7   115,7   106,8   99,9    105,5   97,4    96,1    105,6   110,0
2008    61,6    93,8    126,1   94,4    55,1    104,2   95,4    94,4    107,3   106,3   110,6   111,7   100,4   84,2    79,2    83,1    83,8
2009    149,2   108,5   127,9   110,6   97,3    80,4    112,6   119,9   115,3   105,3   105,3   107,1   102,9   100,4   95,9    95,8    105,8
2010    117,1   97,4    100,0   104,6   115,0   92,7    101,3   103,7   106,2   104,6   90,0    101,9   109,9   93,4    103,2   110,3   101,1
2011    126,3   113,1   101,2   103,0   107,2   104,7   105,1   102,8   106,6   102,4   92,7    93,6    109,3   100,8   100,8   103,6   102,6
2012    109,3   114,7   88,4    122,7   87,9    101,8   104,5   107,8   100,5   91,2    96,4    92,4    114,6   115,9   92,4    96,5    98,5
2013    107,0   103,7   94,8    113,8   95,6    99,9    102,5   101,4   95,0    97,2    102,8   104,5   104,4   104,3   96,1    94,3    105,6
2014    98,4    105,8   101,2   94,2    97,6    103,6   95,7    106,7   100,2   99,4    101,5   102,0   98,0    94,2    100,2   95,3    102,3
2015        114,7   110,3           97,3    100,2   117,6   110,8   95,7    104,0                       

5. Производство важнейших видов промышленной продукции / Production of the most important industrial products                                                                    
5.1. Добыча полезных ископаемых / Mining and quarrying                                                                  
Уголь, млн.тонн / Coal, mln ton                                                                 
1999    250 67,1    57,3    56,2    68,9    22,5    21,7    22,9    20,7    18,5    18,1    18,0    18,8    19,4    22,2    22,6    24,1
2000    258 71,1    60,5    55,6    70,7    23,6    23,8    23,7    21,4    20,1    19,0    17,9    18,3    19,4    22,5    23,6    24,6
2001    270 72,7    62,4    63,9    70,5    24,1    23,5    25,1    21,7    20,6    20,1    20,7    21,4    21,8    23,2    24,5    22,8
2002    256 63,0    57,1    61,4    74,3    21,3    20,7    21,0    19,2    18,2    19,7    19,3    20,3    21,8    23,9    24,3    26,1
2003    277 73,3    62,7    64,5    76,2    25,3    23,8    24,2    21,6    21,2    20,0    20,9    21,2    22,4    24,9    25,0    26,3
2004    282 73,8    65,4    65,4    77,1    24,9    23,6    25,3    22,2    22,1    21,1    21,3    21,8    22,3    24,5    26,1    26,5
2005    299 76,7    67,5    70,3    84,0    25,5    25,1    26,1    23,5    22,5    21,5    21,4    24,0    24,9    27,3    27,9    28,8
2006    310 80,2    72,6    71,2    86,0    26,4    26,2    27,6    25,5    24,3    22,8    23,0    23,5    24,8    26,9    28,9    30,2
2007    314 80,9    70,8    73,5    88,6    28,0    26,2    26,7    22,8    24,3    23,6    23,8    24,6    25,1    28,2    29,3    31,1
2008    329 85,6    76,0    81,1    85,9    28,8    28,1    28,7    26,4    25,3    24,3    25,7    27,1    28,3    30,0    28,0    27,9
2009    298 69,3    67,9    74,9    86,4    23,6    22,1    23,6    22,4    22,5    23,0    23,7    24,6    26,6    27,2    28,7    30,4
2010    322 83,7    73,5    76,5    88,1    26,6    27,5    29,5    24,9    24,6    23,9    24,7    25,4    26,4    27,9    29,3    30,9
2011    334 81,1    77,3    81,0    94,5    27,2    26,1    27,8    26,5    25,4    25,4    26,0    27,1    27,9    30,9    31,9    31,7
2012    354 86,1    81,8    89,9    96,4    28,7    28,0    29,4    28,3    27,2    26,3    28,3    30,5    31,1    32,5    32,1    31,9
2013    347 86,0    85,0    83,4    93,5    27,9    27,8    30,3    29,6    28,6    26,8    27,7    27,2    28,5    30,5    31,1    31,9
2014    356 85,2    81,0    86,6    103 27,9    28,4    28,9    27,4    26,7    26,9    27,8    28,5    30,3    32,8    34,4    36,1
2015        91,3    84,5            31,4    29,8    30,1    28,1    28,9    27,5