Emploi, chômage, revenus du travail - ECRT2026-E3

Données - INSEE

Évolution des salaires nets en euros constants entre 2019 et 2024, par groupe socioprofessionnel du secteur privé

Code
d1 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(serie)) |>
  ggplot(aes(x = valeur, y = fct_rev(lab), fill = serie)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  scale_fill_brewer(palette = "Set2", name = NULL, labels = scales::label_wrap(30)) +
  theme_pub(10) +
  labs(x = "en %", y = NULL,
       title = str_wrap("Évolution des salaires nets en euros constants entre 2019 et 2024, par groupe socioprofessionnel du secteur privé", 75)) +
  guides(fill = guide_legend(ncol = 2))

Évolution des salaires nets en euros constants par regroupement de PCS entre 2019 et 2024

Code
d2 |>
  filter(!is.na(valeur), !is.na(annee), !total100) |>
  ggplot(aes(x = annee, y = valeur, color = cle, group = cle)) +
  geom_line(linewidth = 1.1) +
  geom_point(size = 1.4) +
  scale_color_brewer(palette = "Dark2", name = NULL, labels = scales::label_wrap(45)) +
  theme_pub() +
  labs(x = NULL, y = "base 100 en 2019",
       title = str_wrap("Évolution des salaires nets en euros constants par regroupement de PCS entre 2019 et 2024", 75)) +
  guides(color = guide_legend(ncol = 2))

Décomposition de l’évolution des salaires nets en euros constants entre 2019 et 2024, durant la crise sanitaire puis la période inflationniste et part des salariés payés en dessous de 1,1 Smic

Code
d3 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(serie)) |>
  ggplot(aes(x = valeur, y = fct_rev(lab), fill = serie)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  facet_grid(section ~ ., scales = "free_y", space = "free_y", labeller = labeller(section = scales::label_wrap(14))) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  scale_fill_brewer(palette = "Set2", name = NULL, labels = scales::label_wrap(30)) +
  theme_pub(10) +
  labs(x = "en %", y = NULL,
       title = str_wrap("Décomposition de l’évolution des salaires nets en euros constants entre 2019 et 2024, durant la crise sanitaire puis la période inflationniste et part des salariés payés en dessous de 1,1 Smic", 75)) +
  guides(fill = guide_legend(ncol = 2))

Décomposition de l’évolution des salaires nets en euros constants entre 2019 et 2024, entre effet de noria, salariés restés dans la même PCS et salariés en ayant changé

Code
d4 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(str_wrap(serie, 24))) |>
  ggplot(aes(x = valeur, y = fct_rev(lab))) +
  geom_col(fill = bleu, width = 0.75) +
  facet_wrap(~ serie, scales = "free_x", nrow = 1) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  theme_pub(10) +
  labs(x = "en %", y = NULL,
       title = str_wrap("Décomposition de l'évolution des salaires nets en euros constants entre 2019 et 2024, entre effet de noria, salariés restés dans la même PCS et salariés en ayant changé", 75)) +
  theme(legend.position = "none")

Corrélation entre la contribution de l’effet de noria et l’évolution des salaires nets moyens en euros constants entre 2019 et 2024

Code
d5 |>
  filter(!is.na(valeur), !total100) |>
  filter(libelle %in% head(unique(libelle), 60)) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(serie)) |>
  ggplot(aes(x = valeur, y = fct_rev(lab), fill = serie)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  scale_fill_brewer(palette = "Set2", name = NULL, labels = scales::label_wrap(30)) +
  theme_pub(10) +
  labs(x = "", y = NULL,
       title = str_wrap("Corrélation entre la contribution de l'effet de noria et l'évolution des salaires nets moyens en euros constants entre 2019 et 2024", 75)) +
  guides(fill = guide_legend(ncol = 2))

Caractéristiques des salariés par PCS

Code
d6 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(serie)) |>
  ggplot(aes(x = serie, y = fct_rev(lab), fill = valeur)) +
  geom_tile(color = "white") +
  scale_x_discrete(labels = scales::label_wrap(12), position = "top") +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  scale_fill_gradient(low = "#F4F8FD", high = bleu, name = "") +
  theme_pub(9) +
  labs(x = NULL, y = NULL, title = str_wrap("Caractéristiques des salariés par PCS", 75)) +
  theme(legend.position = "right", panel.grid = element_blank())

Répartition des effectifs en EQTP entre PCS avec des évolutions de salaires en hausse et PCS avec des évolutions de salaire en baisse

Code
d7 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(serie)) |>
  ggplot(aes(x = valeur, y = fct_rev(lab), fill = serie)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  scale_fill_brewer(palette = "Set2", name = NULL, labels = scales::label_wrap(30)) +
  theme_pub(10) +
  labs(x = "en %", y = NULL,
       title = str_wrap("Répartition des effectifs en EQTP entre PCS avec des évolutions de salaires en hausse et PCS avec des évolutions de salaire en baisse", 75)) +
  guides(fill = guide_legend(ncol = 2))

Répartition des effectifs en EQTP et évolutions de salaires des salariés restés dans la même PCS et ceux en ayant changé

Code
d8 |>
  filter(!is.na(valeur), !total100) |>
  mutate(lab = fct_inorder(libelle), serie = fct_inorder(str_wrap(serie, 24))) |>
  ggplot(aes(x = valeur, y = fct_rev(lab))) +
  geom_col(fill = bleu, width = 0.75) +
  facet_wrap(~ serie, scales = "free_x", nrow = 1) +
  scale_y_discrete(labels = scales::label_wrap(40)) +
  theme_pub(10) +
  labs(x = "", y = NULL,
       title = str_wrap("Répartition des effectifs en EQTP et évolutions de salaires des salariés restés dans la même PCS et ceux en ayant changé", 75)) +
  theme(legend.position = "none")