Consommation des ménages

Data - Insee

Info

source dataset .html .RData
insee CONSO-MENAGES-2014 2024-11-21 2024-11-21

Données sur l’inflation en France

source dataset .html .RData
insee bdf2017 2024-11-22 2023-11-21
insee ILC-ILAT-ICC 2024-11-09 2024-11-22
insee INDICES_LOYERS 2024-11-09 2024-11-22
insee IPC-1970-1980 2024-11-09 2024-11-22
insee IPC-1990 2024-11-09 2024-11-22
insee IPC-2015 2024-11-21 2024-11-22
insee IPC-PM-2015 2024-11-21 2024-11-22
insee IPCH-2015 2024-11-22 2024-11-22
insee IPGD-2015 2024-11-21 2024-11-21
insee IPLA-IPLNA-2015 2024-11-09 2024-11-22
insee IPPI-2015 2024-11-21 2024-11-22
insee IRL 2024-11-09 2024-11-22
insee SERIES_LOYERS 2024-11-09 2024-11-22
insee T_CONSO_EFF_FONCTION 2024-11-09 2024-07-18

Data on inflation

source dataset .html .RData
bis CPI 2024-07-01 2022-01-20
ecb CES 2024-11-21 2024-11-21
eurostat nama_10_co3_p3 2024-11-08 2024-10-09
eurostat prc_hicp_cow 2024-11-22 2024-10-08
eurostat prc_hicp_ctrb 2024-11-22 2024-10-08
eurostat prc_hicp_inw 2024-11-05 2024-11-21
eurostat prc_hicp_manr 2024-11-22 2024-11-21
eurostat prc_hicp_midx 2024-11-01 2024-11-21
eurostat prc_hicp_mmor 2024-11-22 2024-11-21
eurostat prc_ppp_ind 2024-11-22 2024-10-08
eurostat sts_inpp_m 2024-06-24 2024-11-21
eurostat sts_inppd_m 2024-11-22 2024-11-21
eurostat sts_inppnd_m 2024-06-24 2024-11-21
fred cpi 2024-11-21 2024-11-21
fred inflation 2024-11-21 2024-11-21
imf CPI 2024-06-20 2020-03-13
oecd MEI_PRICES_PPI 2024-09-15 2024-04-15
oecd PPP2017 2024-04-16 2023-07-25
oecd PRICES_CPI 2024-04-16 2024-04-15
wdi FP.CPI.TOTL.ZG 2023-01-15 2024-09-18
wdi NY.GDP.DEFL.KD.ZG 2024-09-18 2024-09-18

LAST_UPDATE

Code
`CNA-2014-CONSO-MEN` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2023-05-31 135145
2022-06-03 6489

LAST_DOWNLOAD

dataset LAST_DOWNLOAD
CNA-2014-CONSO-MEN 2024-11-21 23:27:20
CNA-2014-PIB 2024-11-21 23:44:31
IPC-PM-2015 2024-11-22 01:51:43

LAST_COMPILE

LAST_COMPILE
2024-11-22

Last

Code
`CNA-2014-CONSO-MEN` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2022 13

CNA_PRODUIT

Tous

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  group_by(CNA_PRODUIT, Cna_produit) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

A10

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  group_by(CNA_PRODUIT, Cna_produit) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

INDICATEUR

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(INDICATEUR,  by = "INDICATEUR") %>%
  group_by(INDICATEUR, Indicateur) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
INDICATEUR Indicateur Nobs
CNA_CONSO_MENAGES_PRODUIT Consommation effective détaillée des ménages - Par produit 110057
CNA_CONSO_MENAGES_FONCTION Consommation effective détaillée des ménages - Par fonction 27608
CNA_CONSO_MENAGES_DURABILITE Consommation effective détaillée des ménages - Par durabilité 3969

OPERATION

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(OPERATION,  by = "OPERATION") %>%
  group_by(OPERATION, Operation) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
OPERATION Operation Nobs
P4 P4 - Consommation finale effective 141056
P4CT P4CT - Dépenses de consommation finale territoriale 200
P3NR P3NR - Dépenses de consommation finale des non-résidents sur le territoire national 189
P3R P3R - Dépenses de consommation finale des résidents hors du territoire national 189

PRIX_REF

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(PRIX_REF,  by = "PRIX_REF") %>%
  group_by(PRIX_REF, Prix_ref) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
PRIX_REF Prix_ref Nobs
IPCH Indice de prix chaîné année de base (non équilibré) 47232
PCH Prix chaîné année de base (non équilibré) 47201
VAL Prix courant 47201

NATURE

Code
`CNA-2014-CONSO-MEN` %>%
  left_join(NATURE,  by = "NATURE") %>%
  group_by(NATURE, Nature) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
NATURE Nature Nobs
VALEUR_ABSOLUE Valeur absolue 94402
INDICE Indice 47232

UNIT_MEASURE

Code
`CNA-2014-CONSO-MEN` %>%
  group_by(UNIT_MEASURE) %>%
  summarise(Nobs = n()) %>%
  print_table_conditional()
UNIT_MEASURE Nobs
EUR2014 47201
EUROS_COURANTS 47201
SO 47232

TITLE_FR

Code
`CNA-2014-CONSO-MEN` %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

TIME_PERIOD

Code
`CNA-2014-CONSO-MEN` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  print_table_conditional()

Définitions de la consommation

% du PIB

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FONDEPHSI", "FONDEP", "FONTOTAL"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.5)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 2),
                     labels = scales::percent_format(accuracy = 1))

% de la conso finale

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FONDEPHSI", "FONDEP", "FONTOTAL"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_finale_effective, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la conso finale effective)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_finale_effective), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.5)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 2),
                     labels = scales::percent_format(accuracy = 1))

% de la consommation des ménages

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FONDEPHSI", "FONDEP", "FONTOTAL"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_menages, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la consommation des ménages)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_menages), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.5)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 200, 5),
                     labels = scales::percent_format(accuracy = 1))

Santé

% du PIB

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON06", "FON1253", "FON142"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

% de la consommation finale effective

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON06", "FON1253", "FON142"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_finale_effective, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la consommation finale effective)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_finale_effective), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

% de la consommation des ménages

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON06", "FON1253", "FON142"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_menages, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la consommation des ménages)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_menages), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

Loyers réels, loyers imputés

% du PIB

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON041", "FON042"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

% de la consommation finale effective

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON041", "FON042"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_finale_effective, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la consommation)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_finale_effective), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

% de la consommation des ménages

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON041", "FON042"),
         NATURE == "VALEUR_ABSOLUE",
         PRIX_REF == "VAL") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(conso_menages, by = "date") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  ggplot(.) + theme_minimal() + ylab("Consommation (% de la consommation)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(conso_menages), color = Cna_produit)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

Tables 2020

Tous

Code
`CNA-2014-CONSO-MEN` %>%
  filter(TIME_PERIOD == "2020",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  select_if(function(col) length(unique(col)) > 1) %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

Tables 2019

Tous

Code
`CNA-2014-CONSO-MEN` %>%
  filter(TIME_PERIOD == "2019",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  select_if(function(col) length(unique(col)) > 1) %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

A10

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A10", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit EUR2014 EUROS_COURANTS SO
A10-AZ A10-AZ - Agriculture, sylviculture et pêche 31388 37961 120.9
A10-BE A10-BE - Industrie manufacturière, industries extractives et autres 578729 590072 102.0
A10-FZ A10-FZ - Construction 18355 19949 108.7
A10-GI A10-GI - Commerce de gros et de détail, transports, hébergement et restauration 149994 161801 107.9
A10-JZ A10-JZ - Information et communication 47850 46810 97.8
A10-KZ A10-KZ - Activités financières et d'assurance 63668 69731 109.5
A10-LZ A10-LZ - Activités immobilières 255168 258910 101.5
A10-MN A10-MN - Activités spécialisées, scientifiques et techniques et activités de services administratifs et de soutien 27674 27870 100.7
A10-OQ A10-OQ - Administration publique, enseignement, santé humaine et action sociale 370420 384739 103.9
A10-RU A10-RU - Autres activités de services 87036 88859 102.1

A17

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A17", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit EUR2014 EUROS_COURANTS SO
A17-AZ A17-AZ - Agriculture, sylviculture et pêche 31388 37961 120.9
A17-C1 A17-C1 - Fabrication de denrées alimentaires, de boissons et de produits à base de tabac 175245 186526 106.4
A17-C2 A17-C2 - Cokéfaction et raffinage 46549 49859 107.1
A17-C3 A17-C3 - Fabrication d'équipements électriques, électroniques, informatiques ; fabrication de machines 38603 32220 83.5
A17-C4 A17-C4 - Fabrication de matériels de transport 73249 75510 103.1
A17-C5 A17-C5 - Fabrication d'autres produits industriels 192860 187893 97.4
A17-DE A17-DE - Industries extractives, énergie, eau, gestion des déchets et dépollution 52498 58064 110.6
A17-FZ A17-FZ - Construction 18355 19949 108.7
A17-GZ A17-GZ - Commerce ; réparation d'automobiles et de motocycles 14655 16063 109.6
A17-HZ A17-HZ - Transports et entreposage 45388 48046 105.9
A17-IZ A17-IZ - Hébergement et restauration 89924 97692 108.6
A17-JZ A17-JZ - Information et communication 47850 46810 97.8
A17-KZ A17-KZ - Activités financières et d'assurance 63668 69731 109.5
A17-LZ A17-LZ - Activités immobilières 255168 258910 101.5
A17-MN A17-MN - Activités scientifiques et techniques ; services administratifs et de soutien 27674 27870 100.7
A17-OQ A17-OQ - Administration publique, enseignement, santé humaine et action sociale 370420 384739 103.9
A17-RU A17-RU - Autres activités de services 87036 88859 102.1

A38

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A38", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

A88

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A88", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

DUR - Par durabilité

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("DUR", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit EUR2014 EUROS_COURANTS SO
DUR1 DUR1 - Biens durables 113326 109143 96.3
DUR11 DUR11 - Automobiles 40467 41159 101.7
DUR12 DUR12 - Meubles et articles d'ameublement 15625 15550 99.5
DUR13 DUR13 - Gros appareils ménagers, électriques ou non 7923 7221 91.1
DUR14 DUR14 - Autres biens durables 49365 45214 91.6
DUR2 DUR2 - Biens semi-durables 94188 92842 98.6
DUR21 DUR21 - Textiles et cuirs 47808 47423 99.2
DUR22 DUR22 - Autres biens semi-durables 46389 45419 97.9
DUR3 DUR3 - Biens non durables 384514 406918 105.8
DUR31 DUR31 - Alimentation, y c. animale 180554 192568 106.7
DUR32 DUR32 - Énergie, y c. sylviculture 91241 99623 109.2
DUR33 DUR33 - Autres biens non durables 112671 114727 101.8
DUR4 DUR4 - Services 1038362 1077799 103.8
DUR41 DUR41 - Logement 252449 256083 101.5
DUR42 DUR42 - Services de santé, y c. vétérinaires 169548 171654 101.2
DUR43 DUR43 - Transports en commun, postes et télécommunications 76222 77221 101.3
DUR44 DUR44 - Services des hôtels, cafés, restaurants, cantines, foyers 90026 97725 108.6
DUR45 DUR45 - Action sociale, y c. services domestiques 107062 110931 103.6
DUR46 DUR46 - Autres services 342942 364184 106.2
DUR5 DUR5 - Solde territorial -14495 -15056 103.9
DURTOTAL DURTOTAL - Total consommation des ménages par durabilité 1615941 1671646 103.4

FON

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("FON", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

GG

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("GG", CNA_PRODUIT),
         TIME_PERIOD == "2019") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, UNIT_MEASURE, OBS_VALUE) %>%
  spread(UNIT_MEASURE, OBS_VALUE) %>%
  print_table_conditional()

Remontées mécaniques

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("remontées", TITLE_FR)) %>%
  year_to_date() %>%
  arrange(date) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = UNIT_MEASURE)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(1, 5, 10, 20, 50, 100, 200, 300, 500, 1000)) +
  
  theme(legend.position = c(0.2, 0.9),
        legend.title = element_blank())

Loyers effectifs, loyers imputés

1959-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "NNTOTAL", "FON041"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  arrange(date) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(100, 200, 300, 500, 1000, 2000)) +
  #
  theme(legend.position = c(0.2, 0.9),
        legend.title = element_blank())

1990-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "NNTOTAL", "FON041"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  #
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

1992-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "FON041", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  bind_rows(baguette) %>%
  filter(date >= as.Date("1992-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

1996-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "FON041", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  bind_rows(baguette) %>%
  filter(date >= as.Date("1996-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  #
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

1998-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "FON041", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("1998-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

FON

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "FON041"),
         NATURE == "INDICE") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(1, 5, 10, 20, 50, 100, 200, 300, 500, 1000)) +
  
  theme(legend.position = c(0.2, 0.9),
        legend.title = element_blank())

GG

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("GGL68I", "GGL68R", "GGL68A"),
         NATURE == "INDICE") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(1, 5, 10, 20, 50, 100, 200, 300, 500, 1000)) +
  
  theme(legend.position = c(0.55, 0.15),
        legend.title = element_blank())

Immobilier, Loyers

1992-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("FON042", "FON041", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("1992-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  bind_rows(baguette) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

Activités immobilières, Ensemble

1959-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("A88-68", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  arrange(date) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(100, 200, 300, 500, 1000, 2000)) +
  
  theme(legend.position = c(0.2, 0.9),
        legend.title = element_blank())

1990-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("A88-68", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

2000-

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("A88-68", "NNTOTAL"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("2000-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

Comparaisons

Immobilier, Pain, Ensemble

Code
`CNA-2014-CONSO-MEN` %>%
  filter(CNA_PRODUIT %in% c("A88-68", "HIHC10G1A", "NNTOTAL", "FON0111"),
         NATURE == "INDICE",
         OPERATION == "P4") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  year_to_date() %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(CNA_PRODUIT) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot + theme_minimal() + xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Cna_produit)) +
  scale_x_date(breaks = seq(1960, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 300, 10)) +
  
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank())

Price Deflator

A10

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A10", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit 1959 2019 Avg growth
A10-FZ A10-FZ - Construction 4.0 108.7 5.7
A10-GI A10-GI - Commerce de gros et de détail, transports, hébergement et restauration 4.3 107.9 5.5
A10-RU A10-RU - Autres activités de services 4.1 102.1 5.5
A10-LZ A10-LZ - Activités immobilières 4.4 101.5 5.4
A10-OQ A10-OQ - Administration publique, enseignement, santé humaine et action sociale 6.4 103.9 4.8
A10-MN A10-MN - Activités spécialisées, scientifiques et techniques et activités de services administratifs et de soutien 8.7 100.7 4.2
A10-KZ A10-KZ - Activités financières et d'assurance 9.8 109.5 4.1
A10-AZ A10-AZ - Agriculture, sylviculture et pêche 11.6 120.9 4.0
A10-BE A10-BE - Industrie manufacturière, industries extractives et autres 14.9 102.0 3.3
A10-JZ A10-JZ - Information et communication 22.1 97.8 2.5

A17

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A17", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit 1959 2019 Avg growth
A17-GZ A17-GZ - Commerce ; réparation d'automobiles et de motocycles 1.6 109.6 7.3
A17-FZ A17-FZ - Construction 4.0 108.7 5.7
A17-IZ A17-IZ - Hébergement et restauration 4.3 108.6 5.5
A17-RU A17-RU - Autres activités de services 4.1 102.1 5.5
A17-LZ A17-LZ - Activités immobilières 4.4 101.5 5.4
A17-C2 A17-C2 - Cokéfaction et raffinage 6.6 107.1 4.8
A17-HZ A17-HZ - Transports et entreposage 6.5 105.9 4.8
A17-OQ A17-OQ - Administration publique, enseignement, santé humaine et action sociale 6.4 103.9 4.8
A17-MN A17-MN - Activités scientifiques et techniques ; services administratifs et de soutien 8.7 100.7 4.2
A17-KZ A17-KZ - Activités financières et d'assurance 9.8 109.5 4.1
A17-AZ A17-AZ - Agriculture, sylviculture et pêche 11.6 120.9 4.0
A17-C1 A17-C1 - Fabrication de denrées alimentaires, de boissons et de produits à base de tabac 10.7 106.4 3.9
A17-DE A17-DE - Industries extractives, énergie, eau, gestion des déchets et dépollution 11.3 110.6 3.9
A17-C4 A17-C4 - Fabrication de matériels de transport 13.6 103.1 3.4
A17-C5 A17-C5 - Fabrication d'autres produits industriels 15.9 97.4 3.1
A17-JZ A17-JZ - Information et communication 22.1 97.8 2.5
A17-C3 A17-C3 - Fabrication d'équipements électriques, électroniques, informatiques ; fabrication de machines 315.2 83.5 -2.2

A38

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A38", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()

A88

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("A88", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()

DUR

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("DUR", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()
CNA_PRODUIT Cna_produit 1959 2019 Avg growth
DUR44 DUR44 - Services des hôtels, cafés, restaurants, cantines, foyers 4.3 108.6 5.5
DUR41 DUR41 - Logement 4.4 101.5 5.4
DUR45 DUR45 - Action sociale, y c. services domestiques 5.2 103.6 5.1
DUR46 DUR46 - Autres services 5.7 106.2 5.0
DUR4 DUR4 - Services 6.0 103.8 4.9
DUR32 DUR32 - Énergie, y c. sylviculture 8.7 109.2 4.3
DUR42 DUR42 - Services de santé, y c. vétérinaires 8.2 101.2 4.3
DURTOTAL DURTOTAL - Total consommation des ménages par durabilité 9.5 103.4 4.1
DUR3 DUR3 - Biens non durables 11.6 105.8 3.8
DUR31 DUR31 - Alimentation, y c. animale 11.9 106.7 3.7
DUR5 DUR5 - Solde territorial 11.8 103.9 3.7
DUR12 DUR12 - Meubles et articles d'ameublement 12.7 99.5 3.5
DUR21 DUR21 - Textiles et cuirs 13.4 99.2 3.4
DUR33 DUR33 - Autres biens non durables 15.2 101.8 3.2
DUR11 DUR11 - Automobiles 15.9 101.7 3.1
DUR2 DUR2 - Biens semi-durables 15.7 98.6 3.1
DUR43 DUR43 - Transports en commun, postes et télécommunications 16.7 101.3 3.1
DUR22 DUR22 - Autres biens semi-durables 20.1 97.9 2.7
DUR1 DUR1 - Biens durables 33.6 96.3 1.8
DUR14 DUR14 - Autres biens durables 74.5 91.6 0.3
DUR13 DUR13 - Gros appareils ménagers, électriques ou non 85.3 91.1 0.1

FON

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("FON", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()

GG

Code
`CNA-2014-CONSO-MEN` %>%
  filter(grepl("GG", CNA_PRODUIT),
         TIME_PERIOD %in% c("2019", "1959"),
         UNIT_MEASURE == "SO") %>%
  left_join(CNA_PRODUIT, by = "CNA_PRODUIT") %>%
  arrange(CNA_PRODUIT) %>%
  select(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(`Avg growth` = round(100*((`2019`/`1959`)^(1/60)-1), 1)) %>%
  arrange(-`Avg growth`) %>%
  print_table_conditional()