source | dataset | .html | .RData | .Rmd |
---|---|---|---|---|
insee | EMPLOI-BIT-TRIM | 2024-05-30 | 2024-06-07 | 2023-07-03 |
source | dataset | Title | Download | Compile |
---|---|---|---|---|
insee | EMPLOI-BIT-TRIM | Emploi, activité, sous-emploi par secteur d’activité (sens BIT) | 2024-06-07 | 2024-05-30 |
insee | CHOMAGE-TRIM-NATIONAL | Chômage, taux de chômage par sexe et âge (sens BIT) (1975-) | 2024-06-07 | 2024-06-07 |
insee | CNA-2014-EMPLOI | Emploi intérieur, durée effective travaillée et productivité horaire | 2024-06-07 | 2024-06-07 |
insee | DEMANDES-EMPLOIS-NATIONALES | Demandeurs d’emploi inscrits à Pôle Emploi | 2024-04-09 | 2024-06-07 |
insee | EMPLOI-SALARIE-TRIM-NATIONAL | Estimations d’emploi salarié par secteur d’activité | 2024-06-07 | 2024-05-30 |
insee | TAUX-CHOMAGE | Taux de chômage localisé | 2024-06-07 | 2024-05-30 |
insee | TCRED-EMPLOI-SALARIE-TRIM | Estimations d’emploi salarié par secteur d’activité et par département | 2024-06-07 | 2024-05-30 |
`EMPLOI-BIT-TRIM` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
LAST_UPDATE | Nobs |
---|---|
2024-05-17 | 10326 |
2019-08-14 | 7920 |
2023-08-11 | 38 |
LAST_COMPILE |
---|
2024-06-08 |
`EMPLOI-BIT-TRIM` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
head(1) %>%
print_table_conditional()
TIME_PERIOD | Nobs |
---|---|
2024-Q1 | 122 |
`EMPLOI-BIT-TRIM` %>%
left_join(AGE, by = "AGE") %>%
group_by(AGE, Age) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
AGE | Age | Nobs |
---|---|---|
15-24 | De 15 à 24 ans | 3171 |
50-64 | De 50 à 64 ans | 3171 |
55-64 | De 55 à 64 ans | 3171 |
25-49 | De 25 à 49 ans | 2718 |
15-64 | De 15 à 64 ans | 2646 |
00- | Ensemble | 1359 |
SO | Sans objet | 1208 |
50- | 50 ans et plus | 755 |
15-29 | De 15 à 29 ans | 85 |
`EMPLOI-BIT-TRIM` %>%
left_join(INDICATEUR, by = "INDICATEUR") %>%
group_by(INDICATEUR, Indicateur) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
INDICATEUR | Indicateur | Nobs |
---|---|---|
CTTA15 | Taux d’activité | 2869 |
CTTE15 | Taux d’emploi | 2869 |
CTTE15_ETP | Taux d’emploi en équivalent temps plein | 2265 |
CTTE15_TC | Taux d’emploi à temps complet | 2265 |
CTTE15_TP | Taux d’emploi à temps partiel | 2265 |
CTTE15_TPE | Part du temps partiel dans l’emploi | 1812 |
CTTE15_SJ | Taux d’emploi sous-jacent | 1359 |
CTTE15_EA | Espérance apparente d’activité | 906 |
CTTE15_CDD | Taux d’emploi en CDD ou intérim | 151 |
CTTE15_CDI | Taux d’emploi en CDI | 151 |
CTTO15LA | Taux de personnes en situation de sous-emploi : temps partiel, souhaitant travailler plus d’heures, disponible pour le faire et à la recherche d’un autre emploi | 151 |
CTTO15LI | Taux de personnes en situation de sous-emploi : temps partiel, souhaitant travailler plus d’heures, disponible pour le faire mais sans recherche d’un autre emploi | 151 |
CTTO15LT | Taux de personnes en situation de sous-emploi | 151 |
CTTO15NH | Taux de personnes en situation de sous-emploi : temps plein, ou temps partiel, ayant involontairement travaillé moins que d’habitude | 151 |
CTVO15LA | Nombre de personnes en situation de sous-emploi : temps partiel, souhaitant travailler plus d’heures, disponible pour le faire et à la recherche d’un autre emploi | 151 |
CTVO15LI | Nombre de personnes en situation de sous-emploi : temps partiel, souhaitant travailler plus d’heures, disponible pour le faire mais sans recherche d’un autre emploi | 151 |
CTVO15LT | Nombre total des personnes en situation de sous-emploi | 151 |
CTVO15NH | Nombre de personnes en situation de sous-emploi : temps plein, ou temps partiel, ayant involontairement travaillé moins que d’habitude | 151 |
NEET_T_1529 | Part des jeunes de 15 à 29 ans qui ne sont ni en emploi ni en formation | 85 |
NBH_T_1564 | Nombre moyen d’heures travaillées par semaine et par emploi | 79 |
`EMPLOI-BIT-TRIM` %>%
group_by(REF_AREA) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
REF_AREA | Nobs |
---|---|
FR-D976 | 10364 |
FM | 7920 |
`EMPLOI-BIT-TRIM` %>%
left_join(NATURE, by = "NATURE") %>%
group_by(NATURE, Nature) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
NATURE | Nature | Nobs |
---|---|---|
TAUX | Taux | 14798 |
PROPORTION | Proportion | 1897 |
VALEUR_ABSOLUE | Valeur absolue | 1589 |
`EMPLOI-BIT-TRIM` %>%
left_join(SEXE, by = "SEXE") %>%
group_by(SEXE, Sexe) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
SEXE | Sexe | Nobs |
---|---|---|
0 | Ensemble | 7412 |
1 | Hommes | 5436 |
2 | Femmes | 5436 |
`EMPLOI-BIT-TRIM` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
head(1) %>%
print_table_conditional()
TIME_PERIOD | Nobs |
---|---|
2024-Q1 | 122 |
`EMPLOI-BIT-TRIM` %>%
filter(TIME_PERIOD == "2021-Q3",
SEXE == "0",
AGE %in% c("00-", "SO")) %>%
select(OBS_VALUE, TITLE_FR) %>%
print_table_conditional()
OBS_VALUE | TITLE_FR |
---|---|
328.0 | Personnes en situation de sous-emploi - Temps partiel, souhaitant travailler plus d’heures, disponible pour le faire et à la recherche d’un autre emploi (en milliers) - France hors Mayotte - Données CVS |
1060.0 | Personnes en situation de sous-emploi - Temps partiel, souhaitant travailler plus d’heures, disponible pour le faire mais sans recherche d’un autre emploi (en milliers) - France hors Mayotte - Données CVS |
127.0 | Personnes en situation de sous-emploi - Temps plein, ou temps partiel, ayant involontairement travaillé moins que d’habitude (en milliers) - France hors Mayotte - Données CVS |
1515.0 | Nombre total des personnes en situation de sous-emploi (en milliers) - France hors Mayotte - Données CVS |
1.2 | Taux de personnes en situation de sous-emploi - Temps partiel, souhaitant travailler plus d’heures, disponible pour le faire et à la recherche d’un autre emploi - France hors Mayotte - Données CVS |
3.8 | Taux de personnes en situation de sous-emploi - Temps partiel, souhaitant travailler plus d’heures, disponible pour le faire mais sans recherche d’un autre emploi - France hors Mayotte - Données CVS |
0.5 | Taux de personnes en situation de sous-emploi - Temps plein, ou temps partiel, ayant involontairement travaillé moins que d’habitude - France hors Mayotte - Données CVS |
5.4 | Taux des personnes en situation de sous-emploi - Ensemble - France hors Mayotte - Données CVS |
56.3 | Personnes actives (taux d’activité) au sens du BIT - France hors Mayotte - Données CVS |
51.8 | Personnes en emploi (taux d’emploi) au sens du BIT - Ensemble - France hors Mayotte - Données CVS |
17.8 | Part du temps partiel dans l’emploi au sens du BIT - Ensemble - France hors Mayotte - Données CVS |
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTE15_TPE"),
REF_AREA == "FR-D976",
AGE %in% c("00-", "SO")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Temps partiel (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.9),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTE15_TPE"),
REF_AREA == "FR-D976",
AGE %in% c("25-49")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Temps partiel (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.9),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTE15_CDD"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Taux d'emploi en CDD (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, .2),
labels = percent_format(accuracy = .1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTE15_CDI"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Taux d'emploi en CDI (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, .2),
labels = percent_format(accuracy = .1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTO15LT"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Taux des personnes en situation de sous-emploi (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTO15LI"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Temps partiel, souhaitant... (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, .2),
labels = percent_format(accuracy = .1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTO15NH"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Temps partiel, souhaitant... (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("NEET_T_1529"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100)) +
xlab("") + ylab("Part des jeunes de 15 à 29 ans NEET (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTE15", "CTTE15_TC", "CTTE15_ETP"),
AGE %in% c("15-24"),
REF_AREA == "FR-D976",
SEXE == "0") %>%
select_if(function(col) length(unique(col)) > 1) %>%
quarter_to_date() %>%
left_join(INDICATEUR, by = "INDICATEUR") %>%
arrange(date) %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Indicateur)) +
xlab("") + ylab("Taux d'emploi (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.65, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15", "CTTE15"),
REF_AREA == "FR-D976",
AGE %in% c("00-", "SO"),
SEXE == "0") %>%
quarter_to_date() %>%
left_join(INDICATEUR, by = "INDICATEUR") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Indicateur)) +
xlab("") + ylab("Taux d'activité, Taux d'emploi (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.85, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15", "CTTE15"),
REF_AREA == "FR-D976",
AGE %in% c("00-", "SO"),
SEXE == "0") %>%
quarter_to_date() %>%
filter(date >= as.Date("2017-01-01")) %>%
left_join(INDICATEUR, by = "INDICATEUR") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Indicateur)) +
xlab("") + ylab("Taux d'activité, Taux d'emploi (%)") + theme_minimal() +
scale_x_date(breaks = seq(1940, 2025, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 1),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.85, 0.92),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("00-", "SO")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.9),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("15-24")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité 15-24 (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.15),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("15-64")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité 15-64 (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.15),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("25-49")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité 25-49 (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.15),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("55-64")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité 55-64 (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.15),
legend.title = element_blank())
`EMPLOI-BIT-TRIM` %>%
filter(INDICATEUR %in% c("CTTA15"),
REF_AREA == "FR-D976",
AGE %in% c("50-64")) %>%
quarter_to_date() %>%
left_join(SEXE, by = "SEXE") %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE / 100, color = Sexe)) +
xlab("") + ylab("Taux d'activité 50-64 (%)") + theme_minimal() +
scale_color_manual(values = c("black", "red", "blue")) +
scale_x_date(breaks = seq(1940, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1)) +
theme(legend.position = c(0.8, 0.15),
legend.title = element_blank())