Consommation des ménages en biens
Données - INSEE
Info
Last observation: Mensuelle: 2024-03 (N = 16)
First observation: Mensuelle: 1980-01 (N = 16)
Number of observations: 8 496
Last data update: 14 aoû 2026, 20:50. Last compile: 15 aoû 2026, 03:26
Structure
Données sur la macroéconomie en France
| source | dataset | Title | Updated |
|---|---|---|---|
| bdf | CFT | Comptes Financiers Trimestriels | 2026-08-10 |
| insee | CNA-2014-CONSO-SI | Dépenses de consommation finale par secteur institutionnel | 2026-08-13 |
| insee | CNA-2014-CSI | Comptes des secteurs institutionnels | 2026-08-13 |
| insee | CNA-2014-FBCF-BRANCHE | Formation brute de capital fixe (FBCF) par branche | 2026-08-13 |
| insee | CNA-2014-FBCF-SI | Formation brute de capital fixe (FBCF) par secteur institutionnel | 2026-08-13 |
| insee | CNA-2014-RDB | Revenu et pouvoir d’achat des ménages | 2026-08-13 |
| insee | CNA-2020-CONSO-MEN | Consommation des ménages | 2026-08-13 |
| insee | CNA-2020-PIB | Produit intérieur brut (PIB) et ses composantes | 2026-08-13 |
| insee | CNT-2014-CB | Comptes des branches | 2026-08-13 |
| insee | CNT-2014-CSI | Comptes de secteurs institutionnels | 2026-08-13 |
| insee | CNT-2014-OPERATIONS | Opérations sur biens et services | 2026-08-13 |
| insee | CNT-2014-PIB-EQB-RF | Équilibre du produit intérieur brut | 2026-08-13 |
| insee | CONSO-MENAGES-2020 | Consommation des ménages en biens | 2026-08-13 |
| insee | ICA-2015-IND-CONS | Indices de chiffre d'affaires dans l'industrie et la construction | 2026-08-13 |
| insee | conso-mensuelle | Consommation de biens, données mensuelles | 2026-08-02 |
| insee | t_1101 | 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) | 2026-08-02 |
| 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) | 2026-08-02 |
| insee | t_1105 | 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 | 2026-08-02 |
Source
- s1036 - Consommation des ménages (base 2014). html
Table
Exemple
Code
`CONSO-MENAGES-2014` |>
filter(TIME_PERIOD %in% c("1980-01", "2000-01", "2020-01")) |>
select_if(function(col) length(unique(col)) > 1) |>
select(-IDBANK, -TITLE_FR, -TITLE_EN, -OBS_REV) |>
spread(TIME_PERIOD, OBS_VALUE) |>
arrange(-`2020-01`) |>
print_table_conditional()| PRODUIT_CONSO_MENAGES | Produit_conso_menages | Obs_rev | 1980-01 | 2000-01 | 2020-01 |
|---|---|---|---|---|---|
| BIENS | Biens | Révision | 27.688 | 38.549 | 47.578 |
| BIENS-MANUFACTURES | Biens manufacturés | Révision | NA | NA | 40.729 |
| BIENS-FABRIQUES | Biens fabriqués | Révision | 10.056 | NA | 22.151 |
| ALIMENTAIRE | Alimentaire | Révision | NA | NA | 17.253 |
| ALIMENTAIRE-HORS-TABAC | Alimentation hors tabac | Révision | NA | NA | 15.835 |
| BIENS-DURABLES | Biens durables | Révision | NA | NA | 11.120 |
| ENERGIE_DEC2 | Énergie, eau, déchets, cokéfaction et raffinage (DE, C2) | Révision | NA | NA | 8.186 |
| BIENS-FABRIQUES-AUTRES | Autres biens fabriqués | NA | 3.142 | 4.761 | 6.705 |
| MATERIELS-TRANSPORT | Matériels de transport | Révision | NA | NA | 5.784 |
| PRODUITS-PETROLIERS | Produits pétroliers | NA | 5.535 | NA | 5.048 |
| TEXTILE | Textile-cuir | Révision | NA | NA | 4.329 |
| ENERGIE_DE | Énergie, eau et déchets (DE) | Révision | NA | NA | 4.201 |
| EQUIPEMENT-LOGEMENT | Équipement du logement | Révision | NA | NA | 4.061 |
| ENERGIE_C2 | Cokéfaction et raffinage (C2) | NA | 4.818 | NA | 3.993 |
| ENERGIE_PETROLE | Énergie hors produits pétroliers | Révision | NA | NA | 3.139 |
| BIENS-DURABLES-EQUIPEMENT | Biens durables d'équipement personnel | NA | 0.631 | 0.946 | 1.306 |
| ALIMENTAIRE | Alimentaire | NA | 11.882 | 15.629 | NA |
| ALIMENTAIRE-HORS-TABAC | Alimentation hors tabac | NA | 9.917 | 13.300 | NA |
| BIENS-DURABLES | Biens durables | NA | 3.434 | 6.372 | NA |
| BIENS-FABRIQUES | Biens fabriqués | NA | NA | 14.908 | NA |
| BIENS-MANUFACTURES | Biens manufacturés | NA | 23.478 | 32.237 | NA |
| ENERGIE_C2 | Cokéfaction et raffinage (C2) | Révision | NA | 4.877 | NA |
| ENERGIE_DE | Énergie, eau et déchets (DE) | NA | 2.209 | 3.950 | NA |
| ENERGIE_DEC2 | Énergie, eau, déchets, cokéfaction et raffinage (DE, C2) | NA | 6.772 | 8.823 | NA |
| ENERGIE_PETROLE | Énergie hors produits pétroliers | NA | 1.463 | 2.680 | NA |
| EQUIPEMENT-LOGEMENT | Équipement du logement | NA | 0.413 | 1.076 | NA |
| MATERIELS-TRANSPORT | Matériels de transport | NA | 3.281 | 5.213 | NA |
| PRODUITS-PETROLIERS | Produits pétroliers | Révision | NA | 6.193 | NA |
| TEXTILE | Textile-cuir | NA | 4.025 | 3.952 | NA |
Total, Alimentaire, Alimentaire XTabac
All
Indice
Nouvelle version
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
Comparer version
Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
Baisse sur 6 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 6)-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 6 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 12 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 12)-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 12 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 18 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 18)-1) |>
arrange(desc(date)) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 18 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 24 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 24)-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 24 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 36 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 36)-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 36 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 48 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
arrange((date)) |>
group_by(Produit_conso_menages) |>
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 48)-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
theme_minimal() + ylab("Evolution de la consommation sur 4 ans (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
1996-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("1996-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = seq(1950, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2002-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2002-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2005-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2005-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2010-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2010-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 1) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
2017-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2017-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 1) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
2010
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2010-01-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (vs Janvier 2010)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = "6 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1)) +
geom_hline(yintercept = 100, linetype = "dashed")
Janvier 2018-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Nouvelle méthode (données de caisse)") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Ancienne méthode")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2018-01-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (vs. Janvier 2018)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1)) +
geom_hline(yintercept = 100, linetype = "dashed")
Mai 2020-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2020-05-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.15)) +
scale_x_date(breaks = "3 months",
labels = date_format("%b %Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Janvier 2019-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2019-01-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Janvier 2019)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1))
Janvier 2020-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2020-01-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Janvier 2020)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1))
Juillet 2021-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2021-07-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Février 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Dec 2021-
Nouvelle version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2021-12-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2021-12-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Février 2022-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
mutate(methode = "Méthode octobre 2023") |>
bind_rows(`CONSO-MENAGES-2014-vieux` |>
mutate(methode = "Méthode septembre 2023")) |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2022-02-01")) |>
group_by(Produit_conso_menages, methode) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
select(date, OBS_VALUE, Produit_conso_menages, methode) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Février 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Total, Alimentaire
All
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) |>
month_to_date() |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
1996-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) |>
month_to_date() |>
filter(date >= as.Date("1996-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2005-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) |>
month_to_date() |>
filter(date >= as.Date("2005-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2017-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) |>
month_to_date() |>
filter(date >= as.Date("2017-01-01")) |>
group_by(PRODUIT_CONSO_MENAGES) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2100, 1) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Mai 2020-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) |>
month_to_date() |>
filter(date >= as.Date("2020-05-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.1)) +
scale_x_date(breaks = "3 months",
labels = date_format("%b %Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Dec 2021-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2022-01-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
Feb 2022
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= as.Date("2022-02-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (vs. Fév. 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
24 months
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= Sys.Date() - months(24)) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
18 months
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) |>
month_to_date() |>
filter(date >= Sys.Date() - months(18)) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
Biens, Biens Manufacturés, Biens Fabriqués
All
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "BIENS-MANUFACTURES", "BIENS-FABRIQUES")) |>
month_to_date() |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = "5 years",
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 5)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
1996-
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "BIENS-MANUFACTURES", "BIENS-FABRIQUES")) |>
month_to_date() |>
filter(date >= as.Date("1996-01-01")) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 5)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Alimentaire, Alimentaire hors Tabac, Biens durables
All
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC", "BIENS-DURABLES")) |>
month_to_date() |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 1)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Equipement du logement, Matériels de Transport
Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("MATERIELS-TRANSPORT", "EQUIPEMENT-LOGEMENT")) |>
month_to_date() |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = PRODUIT_CONSO_MENAGES)) +
xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2100, 5) |> paste0("-01-01") |> as.Date(),
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 1)) +
scale_color_manual(values = viridis(3)[1:2]) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Dec 2021
Table
Code
`CONSO-MENAGES-2014` |>
filter(TIME_PERIOD %in% c("2021-12", "2023-05")) |>
select(TIME_PERIOD, PRODUIT_CONSO_MENAGES, PRODUIT_CONSO_MENAGES, OBS_VALUE) |>
spread(TIME_PERIOD, OBS_VALUE) |>
mutate(croissance = round(100*(`2023-05`/`2021-12`-1), 1)) |>
arrange(croissance) |>
print_table_conditional()| PRODUIT_CONSO_MENAGES | 2021-12 | 2023-05 | croissance |
|---|---|---|---|
| ALIMENTAIRE | 17.400 | 16.041 | -7.8 |
| ALIMENTAIRE-HORS-TABAC | 16.183 | 14.970 | -7.5 |
| BIENS-DURABLES-EQUIPEMENT | 1.552 | 1.474 | -5.0 |
| BIENS-MANUFACTURES | 40.752 | 39.149 | -3.9 |
| EQUIPEMENT-LOGEMENT | 4.177 | 4.015 | -3.9 |
| BIENS | 47.450 | 45.707 | -3.7 |
| TEXTILE | 4.272 | 4.129 | -3.3 |
| BIENS-FABRIQUES-AUTRES | 6.830 | 6.655 | -2.6 |
| ENERGIE_C2 | 3.705 | 3.646 | -1.6 |
| PRODUITS-PETROLIERS | 4.757 | 4.694 | -1.3 |
| BIENS-FABRIQUES | 22.174 | 21.925 | -1.1 |
| ENERGIE_DEC2 | 7.919 | 7.871 | -0.6 |
| ENERGIE_DE | 4.251 | 4.242 | -0.2 |
| ENERGIE_PETROLE | 3.187 | 3.193 | 0.2 |
| BIENS-DURABLES | 11.077 | 11.149 | 0.6 |
| MATERIELS-TRANSPORT | 5.392 | 5.668 | 5.1 |
Graph
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
month_to_date() |>
filter(date >= as.Date("2022-01-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.5, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1)) +
guides(color=guide_legend(ncol=2))
Produits pétroliers
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")# [1] "fr_CA.UTF-8"Code
`CONSO-MENAGES-2014` |>
filter(PRODUIT_CONSO_MENAGES %in% c("PRODUITS-PETROLIERS", "ENERGIE_PETROLE")) |>
month_to_date() |>
filter(date >= as.Date("2021-12-01")) |>
group_by(Produit_conso_menages) |>
arrange(date) |>
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) |>
ggplot() + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))