Formation brute de capital fixe (FBCF) par secteur institutionnel

Data - INSEE

Author

François Geerolf

Info

source dataset Title .html .rData
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-PIB Produit intérieur brut (PIB) et ses composantes 2025-10-10 2025-10-09

Données sur la macroéconomie en France

source dataset Title .html .rData
bdf CFT Comptes Financiers Trimestriels 2025-08-28 2025-03-09
insee CNA-2014-CONSO-SI Dépenses de consommation finale par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-CSI Comptes des secteurs institutionnels 2025-10-10 2025-10-09
insee CNA-2014-FBCF-BRANCHE Formation brute de capital fixe (FBCF) par branche 2025-10-10 2025-10-09
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2025-10-10 2025-10-09
insee CNA-2020-CONSO-MEN Consommation des ménages 2025-10-10 2025-09-30
insee CNA-2020-PIB Produit intérieur brut (PIB) et ses composantes 2025-10-10 2025-05-28
insee CNT-2014-CB Comptes des branches 2025-10-10 2025-10-09
insee CNT-2014-CSI Comptes de secteurs institutionnels 2025-10-10 2025-10-09
insee CNT-2014-OPERATIONS Opérations sur biens et services 2025-10-10 2025-10-09
insee CNT-2014-PIB-EQB-RF Équilibre du produit intérieur brut 2025-10-10 2025-10-09
insee CONSO-MENAGES-2020 Consommation des ménages en biens 2025-10-10 2025-10-09
insee ICA-2015-IND-CONS Indices de chiffre d'affaires dans l'industrie et la construction 2025-10-10 2025-10-09
insee conso-mensuelle Consommation de biens, données mensuelles 2025-10-10 2023-07-04
insee t_1101 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) 2025-10-10 2022-01-02
insee t_1102 1.102 – Le produit intérieur brut et ses composantes en volume aux prix de l'année précédente chaînés (En milliards d'euros 2014) 2025-10-10 2020-10-30
insee t_1105 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 2025-10-10 2020-10-30

LAST_UPDATE

Code 
`CNA-2014-FBCF-SI` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(LAST_UPDATE)) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2023-05-31 9039
2022-06-14 22505

LAST_COMPILE

LAST_COMPILE
2025-10-11

Last

Code 
`CNA-2014-FBCF-SI` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2022 15

SECT-INST

Code 
`CNA-2014-FBCF-SI` %>%
  left_join(`SECT-INST`,  by = "SECT-INST") %>%
  group_by(`SECT-INST`, `Sect-Inst`) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
SECT-INST Sect-Inst Nobs
S11ES14AA S11ES14AA - Sociétés et entreprises individuelles non financières 9131
S13 S13 - Administrations publiques (APU) 7242
S12ES14AF S12ES14AF - Sociétés et entreprises individuelles financières 7206
S15 S15 - Institutions sans but lucratif au service des ménages 5008
S14B S14B - Ménages hors entrepreneurs individuels 2957

UNIT_MEASURE

Code 
`CNA-2014-FBCF-SI` %>%
  group_by(UNIT_MEASURE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
UNIT_MEASURE Nobs
EUROS_COURANTS 10590
EUR2014 10477
SO 10477

TIME_PERIOD

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

CNA_PRODUIT

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

TIME_PERIOD

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

Decomposition

Table

Code 
`CNA-2014-FBCF-SI` %>%
  filter(TIME_PERIOD == "2021",
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  select_if(~ n_distinct(.) > 1) %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  transmute(CNA_PRODUIT, Cna_produit, OBS_VALUE) %>%
  arrange(-OBS_VALUE) %>%
  print_table_conditional()

Change 2010-2021

Code 
`CNA-2014-FBCF-SI` %>%
  filter(TIME_PERIOD %in% c("2021", "2010"),
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  transmute(CNA_PRODUIT, Cna_produit, TIME_PERIOD, OBS_VALUE) %>%
  arrange(-OBS_VALUE) %>%
  spread(TIME_PERIOD, OBS_VALUE) %>%
  mutate(Change = `2021` - `2010`) %>%
  arrange(-Change) %>%
  print_table_conditional()

GU, BE, JZ

Code 
`CNA-2014-FBCF-SI` %>%
  filter(CNA_PRODUIT %in% c("A5-GU", "A10-BE", "A17-JZ"),
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  year_to_date %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  select(date, CNA_PRODUIT, Cna_produit, OBS_VALUE) %>%
  left_join(gdp, by = "date") %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/gdp, color = Cna_produit)) +
  theme_minimal() + xlab("") + ylab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2020, 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))

NNTOTAL, BE, JZ

Code 
`CNA-2014-FBCF-SI` %>%
  filter(CNA_PRODUIT %in% c("NNTOTAL", "A10-BE", "A17-JZ"),
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  year_to_date %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  select(date, CNA_PRODUIT, Cna_produit, OBS_VALUE) %>%
  left_join(gdp, by = "date") %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/gdp, color = Cna_produit)) +
  theme_minimal() + xlab("") + ylab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2020, 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))

NNTOTAL, BE, JZ, FZ

Code 
`CNA-2014-FBCF-SI` %>%
  filter(CNA_PRODUIT %in% c("NNTOTAL", "A10-BE", "A17-JZ", "A17-FZ"),
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  year_to_date %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  select(date, CNA_PRODUIT, Cna_produit, OBS_VALUE) %>%
  left_join(gdp, by = "date") %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/gdp, color = Cna_produit)) +
  theme_minimal() + xlab("") + ylab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 1),
                     labels = scales::percent_format(accuracy = 1))

MN, C4, C3, MB

Code 
`CNA-2014-FBCF-SI` %>%
  filter(CNA_PRODUIT %in% c("A17-MN", "A17-C4", "A17-C3", "A38-MB"),
         UNIT_MEASURE == "EUROS_COURANTS",
         `SECT-INST` == "S11ES14AA") %>%
  year_to_date %>%
  left_join(CNA_PRODUIT,  by = "CNA_PRODUIT") %>%
  select(date, CNA_PRODUIT, Cna_produit, OBS_VALUE) %>%
  left_join(gdp, by = "date") %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/gdp, color = Cna_produit)) +
  theme_minimal() + xlab("") + ylab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.85)) +
  scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.2),
                     labels = scales::percent_format(accuracy = .1))