| source | dataset | .html | .RData |
|---|---|---|---|
| insee | CONSO-MENAGES-2020 | 2024-11-22 | 2024-12-22 |
Consommation des ménages
Data - Insee
Info
Données sur l’inflation en France
| source | dataset | .html | .RData |
|---|---|---|---|
| insee | bdf2017 | 2024-12-22 | 2023-11-21 |
| insee | ILC-ILAT-ICC | 2024-11-22 | 2024-12-22 |
| insee | INDICES_LOYERS | 2024-11-22 | 2024-12-22 |
| insee | IPC-1970-1980 | 2024-11-22 | 2024-12-22 |
| insee | IPC-1990 | 2024-11-22 | 2024-12-22 |
| insee | IPC-2015 | 2024-12-22 | 2024-12-22 |
| insee | IPC-PM-2015 | 2024-12-22 | 2024-12-22 |
| insee | IPCH-2015 | 2024-12-22 | 2024-12-22 |
| insee | IPGD-2015 | 2024-12-22 | 2024-12-22 |
| insee | IPLA-IPLNA-2015 | 2024-11-22 | 2024-12-22 |
| insee | IPPI-2015 | 2024-12-22 | 2024-12-22 |
| insee | IRL | 2024-11-22 | 2024-12-22 |
| insee | SERIES_LOYERS | 2024-11-22 | 2024-12-22 |
| insee | T_CONSO_EFF_FONCTION | 2024-11-22 | 2024-07-18 |
Data on inflation
| source | dataset | .html | .RData |
|---|---|---|---|
| bis | CPI | 2024-07-01 | 2022-01-20 |
| ecb | CES | 2024-12-22 | 2024-12-22 |
| eurostat | nama_10_co3_p3 | 2024-12-14 | 2024-12-14 |
| 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 | 2024-11-23 |
| eurostat | prc_hicp_manr | 2024-12-22 | 2024-12-22 |
| eurostat | prc_hicp_midx | 2024-11-01 | 2024-12-22 |
| eurostat | prc_hicp_mmor | 2024-11-22 | 2024-11-23 |
| eurostat | prc_ppp_ind | 2024-11-22 | 2024-10-08 |
| eurostat | sts_inpp_m | 2024-06-24 | 2024-12-22 |
| eurostat | sts_inppd_m | 2024-12-22 | 2024-12-22 |
| eurostat | sts_inppnd_m | 2024-06-24 | 2024-12-22 |
| fred | cpi | 2024-12-22 | 2024-12-22 |
| fred | inflation | 2024-12-22 | 2024-12-22 |
| 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-2020-CONSO-MEN` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| LAST_UPDATE | Nobs |
|---|---|
| 2024-06-21 | 107788 |
LAST_DOWNLOAD
| dataset | LAST_DOWNLOAD |
|---|---|
| CNA-2020-CONSO-MEN | 2024-09-12 07:26:44 |
| CNA-2020-PIB | 2024-09-11 15:45:32 |
| IPC-PM-2015 | 2024-12-22 17:32:10 |
LAST_COMPILE
| LAST_COMPILE |
|---|
| 2024-12-22 |
Last
Code
`CNA-2020-CONSO-MEN` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
head(1) %>%
print_table_conditional()| TIME_PERIOD | Nobs |
|---|---|
| 2023 | 1670 |
CNA_PRODUIT
Tous
Code
`CNA-2020-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-2020-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-2020-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 | 83006 |
| CNA_CONSO_MENAGES_FONCTION | Consommation effective détaillée des ménages - Par fonction | 21142 |
| CNA_CONSO_MENAGES_DURABILITE | Consommation effective détaillée des ménages - Par durabilité | 3640 |
OPERATION
Code
`CNA-2020-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 | 107463 |
| P3R | P3R - Dépenses de consommation finale des résidents hors du territoire national | 130 |
| P4CT | P4CT - Dépenses de consommation finale territoriale | 130 |
| P3NR | P3NR - Dépenses de consommation finale des non-résidents sur le territoire national | 65 |
PRIX_REF
Code
`CNA-2020-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 |
|---|---|---|
| VAL | Prix courant | 37111 |
| IPCH | Indice de prix chaîné année de base (non équilibré) | 36672 |
| PCH | Prix chaîné année de base (non équilibré) | 34005 |
NATURE
Code
`CNA-2020-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 | 71116 |
| INDICE | Indice | 36672 |
UNIT_MEASURE
Code
`CNA-2020-CONSO-MEN` %>%
group_by(UNIT_MEASURE) %>%
summarise(Nobs = n()) %>%
print_table_conditional()| UNIT_MEASURE | Nobs |
|---|---|
| EUR2020 | 34005 |
| EUROS_COURANTS | 37111 |
| SO | 36672 |
TITLE_FR
Code
`CNA-2020-CONSO-MEN` %>%
group_by(IDBANK, TITLE_FR) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()TIME_PERIOD
Code
`CNA-2020-CONSO-MEN` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
print_table_conditional()Définitions de la consommation
% du PIB
Code
`CNA-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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 | EUR2020 | EUROS_COURANTS | SO |
|---|---|---|---|---|
| A10-AZ | A10-AZ - Agriculture, sylviculture et pêche | 33638 | 31797 | 94.5 |
| A10-FZ | A10-FZ - Construction | 23365 | 23003 | 98.5 |
| A10-JZ | A10-JZ - Information et communication | NA | 46726 | 99.9 |
| A10-KZ | A10-KZ - Activités financières et d'assurance | 76841 | 74995 | 97.6 |
| A10-LZ | A10-LZ - Activités immobilières | 278853 | 277420 | 99.5 |
| A10-MN | A10-MN - Activités spécialisées, scientifiques et techniques et activités de services administratifs et de soutien | 33847 | 33709 | 99.6 |
| A10-OQ | A10-OQ - Administration publique, enseignement, santé humaine et action sociale | NA | 388213 | 93.2 |
| A10-RU | A10-RU - Autres activités de services | 105704 | 93464 | 88.4 |
A17
Code
`CNA-2020-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 | EUR2020 | EUROS_COURANTS | SO |
|---|---|---|---|---|
| A17-AZ | A17-AZ - Agriculture, sylviculture et pêche | 33638 | 31797 | 94.5 |
| A17-C1 | A17-C1 - Fabrication de denrées alimentaires, de boissons et de produits à base de tabac | 180898 | 176280 | 97.4 |
| A17-C2 | A17-C2 - Cokéfaction et raffinage | 46961 | 52618 | 112.0 |
| A17-C3 | A17-C3 - Fabrication d'équipements électriques, électroniques, informatiques ; fabrication de machines | 35660 | 36318 | 101.8 |
| A17-C4 | A17-C4 - Fabrication de matériels de transport | 70688 | 70347 | 99.5 |
| A17-C5 | A17-C5 - Fabrication d'autres produits industriels | 183052 | 182444 | 99.7 |
| A17-DE | A17-DE - Industries extractives, énergie, eau, gestion des déchets et dépollution | NA | 56631 | 98.9 |
| A17-FZ | A17-FZ - Construction | 23365 | 23003 | 98.5 |
| A17-GZ | A17-GZ - Commerce ; réparation d'automobiles et de motocycles | 5358 | 5191 | 96.9 |
| A17-HZ | A17-HZ - Transports et entreposage | 45935 | 45638 | 99.4 |
| A17-IZ | A17-IZ - Hébergement et restauration | 97616 | 96152 | 98.5 |
| A17-JZ | A17-JZ - Information et communication | NA | 46726 | 99.9 |
| A17-KZ | A17-KZ - Activités financières et d'assurance | 76841 | 74995 | 97.6 |
| A17-LZ | A17-LZ - Activités immobilières | 278853 | 277420 | 99.5 |
| A17-MN | A17-MN - Activités scientifiques et techniques ; services administratifs et de soutien | 33847 | 33709 | 99.6 |
| A17-OQ | A17-OQ - Administration publique, enseignement, santé humaine et action sociale | NA | 388213 | 93.2 |
| A17-RU | A17-RU - Autres activités de services | 105704 | 93464 | 88.4 |
A38
Code
`CNA-2020-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-2020-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-2020-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 | EUR2020 | EUROS_COURANTS | SO |
|---|---|---|---|---|
| DUR1 | DUR1 - Biens durables | 104403 | 104464 | NA |
| DUR11 | DUR11 - Automobiles | 36947 | 36859 | 99.8 |
| DUR12 | DUR12 - Meubles et articles d'ameublement | 15409 | 15152 | 98.3 |
| DUR13 | DUR13 - Gros appareils ménagers, électriques ou non | 8375 | 8435 | 100.7 |
| DUR14 | DUR14 - Autres biens durables | 13212 | 13724 | 103.9 |
| DUR2 | DUR2 - Biens semi-durables | NA | NA | 100.2 |
| DUR21 | DUR21 - Textiles et cuirs | 47354 | 47468 | 100.2 |
| DUR22 | DUR22 - Autres biens semi-durables | 29089 | 28787 | 99.0 |
| DUR3 | DUR3 - Biens non durables | 394134 | 391595 | 99.4 |
| DUR31 | DUR31 - Alimentation, y c. animale | 176941 | 173601 | 98.1 |
| DUR32 | DUR32 - Énergie, y c. sylviculture | 96156 | 100676 | 104.7 |
| DUR33 | DUR33 - Autres biens non durables | 41863 | 41969 | 100.3 |
| DUR4 | DUR4 - Services | 1129075 | 1083417 | NA |
| DUR41 | DUR41 - Logement | 276696 | 275285 | 99.5 |
| DUR42 | DUR42 - Services de santé, y c. vétérinaires | 183548 | NA | 92.4 |
| DUR43 | DUR43 - Transports en commun, postes et télécommunications | 90343 | 89589 | 99.2 |
| DUR44 | DUR44 - Services des hôtels, cafés, restaurants, cantines, foyers | 97295 | 95830 | 98.5 |
| DUR45 | DUR45 - Action sociale, y c. services domestiques | NA | 110100 | 95.6 |
| DUR46 | DUR46 - Autres services | 127291 | 117693 | NA |
| DUR5 | DUR5 - Solde territorial | -8612 | -8475 | 98.4 |
| DURTOTAL | DURTOTAL - Total consommation des ménages par durabilité | 1729481 | 1682473 | 97.3 |
FON
Code
`CNA-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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-2020-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 | 3.6 | 98.5 | 5.7 |
| A10-RU | A10-RU - Autres activités de services | 3.4 | 88.4 | 5.6 |
| A10-LZ | A10-LZ - Activités immobilières | 4.2 | 99.5 | 5.4 |
| A10-OQ | A10-OQ - Administration publique, enseignement, santé humaine et action sociale | 5.8 | 93.2 | 4.7 |
| A10-MN | A10-MN - Activités spécialisées, scientifiques et techniques et activités de services administratifs et de soutien | 8.1 | 99.6 | 4.3 |
| A10-KZ | A10-KZ - Activités financières et d'assurance | 8.5 | 97.6 | 4.2 |
| A10-AZ | A10-AZ - Agriculture, sylviculture et pêche | 9.7 | 94.5 | 3.9 |
| A10-JZ | A10-JZ - Information et communication | 25.0 | 99.9 | 2.3 |
A17
Code
`CNA-2020-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 | 1.4 | 96.9 | 7.3 |
| A17-FZ | A17-FZ - Construction | 3.6 | 98.5 | 5.7 |
| A17-RU | A17-RU - Autres activités de services | 3.4 | 88.4 | 5.6 |
| A17-IZ | A17-IZ - Hébergement et restauration | 3.9 | 98.5 | 5.5 |
| A17-LZ | A17-LZ - Activités immobilières | 4.2 | 99.5 | 5.4 |
| A17-HZ | A17-HZ - Transports et entreposage | 6.1 | 99.4 | 4.8 |
| A17-C2 | A17-C2 - Cokéfaction et raffinage | 7.3 | 112.0 | 4.7 |
| A17-OQ | A17-OQ - Administration publique, enseignement, santé humaine et action sociale | 5.8 | 93.2 | 4.7 |
| A17-MN | A17-MN - Activités scientifiques et techniques ; services administratifs et de soutien | 8.1 | 99.6 | 4.3 |
| A17-KZ | A17-KZ - Activités financières et d'assurance | 8.5 | 97.6 | 4.2 |
| A17-AZ | A17-AZ - Agriculture, sylviculture et pêche | 9.7 | 94.5 | 3.9 |
| A17-C1 | A17-C1 - Fabrication de denrées alimentaires, de boissons et de produits à base de tabac | 9.9 | 97.4 | 3.9 |
| A17-DE | A17-DE - Industries extractives, énergie, eau, gestion des déchets et dépollution | 9.9 | 98.9 | 3.9 |
| A17-C4 | A17-C4 - Fabrication de matériels de transport | 12.9 | 99.5 | 3.5 |
| A17-C5 | A17-C5 - Fabrication d'autres produits industriels | 16.5 | 99.7 | 3.0 |
| A17-JZ | A17-JZ - Information et communication | 25.0 | 99.9 | 2.3 |
| A17-C3 | A17-C3 - Fabrication d'équipements électriques, électroniques, informatiques ; fabrication de machines | 345.4 | 101.8 | -2.0 |
A38
Code
`CNA-2020-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-2020-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-2020-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 | 3.9 | 98.5 | 5.5 |
| DUR41 | DUR41 - Logement | 4.3 | 99.5 | 5.4 |
| DUR45 | DUR45 - Action sociale, y c. services domestiques | 5.1 | 95.6 | 5.0 |
| DUR42 | DUR42 - Services de santé, y c. vétérinaires | 7.4 | 92.4 | 4.3 |
| DUR32 | DUR32 - Énergie, y c. sylviculture | 8.8 | 104.7 | 4.2 |
| DUR22 | DUR22 - Autres biens semi-durables | 9.3 | 99.0 | 4.0 |
| DURTOTAL | DURTOTAL - Total consommation des ménages par durabilité | 9.2 | 97.3 | 4.0 |
| DUR3 | DUR3 - Biens non durables | 11.1 | 99.4 | 3.7 |
| DUR31 | DUR31 - Alimentation, y c. animale | 11.2 | 98.1 | 3.7 |
| DUR5 | DUR5 - Solde territorial | 11.2 | 98.4 | 3.7 |
| DUR12 | DUR12 - Meubles et articles d'ameublement | 13.0 | 98.3 | 3.4 |
| DUR43 | DUR43 - Transports en commun, postes et télécommunications | 13.2 | 99.2 | 3.4 |
| DUR21 | DUR21 - Textiles et cuirs | 14.0 | 100.2 | 3.3 |
| DUR11 | DUR11 - Automobiles | 15.5 | 99.8 | 3.2 |
| DUR2 | DUR2 - Biens semi-durables | 14.9 | 100.2 | 3.2 |
| DUR33 | DUR33 - Autres biens non durables | 59.1 | 100.3 | 0.9 |
| DUR13 | DUR13 - Gros appareils ménagers, électriques ou non | 98.5 | 100.7 | 0.0 |
| DUR14 | DUR14 - Autres biens durables | 3595.5 | 103.9 | -5.7 |
FON
Code
`CNA-2020-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-2020-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()