Ménages à haut patrimoine et haut niveau de vie - FPORSOC25-E3

Données - INSEE

Les ménages à haut patrimoine sont les 10 % de ménages qui détiennent le plus de patrimoine brut ; les ménages à haut niveau de vie sont les 10 % aux niveaux de vie les plus élevés. On distingue trois groupes : haut patrimoine et haut niveau de vie, haut patrimoine uniquement, haut niveau de vie uniquement. Début 2021, France hors Mayotte, ménages en logement ordinaire (enquête Histoire de vie et patrimoine 2020-2021).

Figure 1 : patrimoine et niveau de vie ne vont pas toujours ensemble

Code
fig1 |>
  mutate(patrimoine = if_else(haut_patrimoine, "Haut patrimoine\n(> 716 300 €)", "Patrimoine\nsous le 9e décile"),
         niveau_vie = if_else(haut_niveau_vie, "Haut niveau de vie\n(> 39 100 €)", "Niveau de vie\nsous le 9e décile"),
         patrimoine = fct_rev(fct_relevel(patrimoine, "Patrimoine\nsous le 9e décile")),
         niveau_vie = fct_relevel(niveau_vie, "Niveau de vie\nsous le 9e décile")) |>
  ggplot(aes(x = niveau_vie, y = patrimoine, fill = part)) +
  geom_tile(color = "white", linewidth = 1.5) +
  geom_text(aes(label = paste0(format(part, decimal.mark = ","), " %"), color = part > 50),
            size = 6, fontface = "bold") +
  scale_color_manual(values = c("TRUE" = "white", "FALSE" = "grey20"), guide = "none") +
  scale_fill_gradient(low = "#DCE6F5", high = bleu, guide = "none", trans = "sqrt") +
  coord_equal() +
  theme_hp() + theme(panel.grid = element_blank(), axis.text = element_text(size = 11)) +
  labs(x = NULL, y = NULL,
       title = "Riche en patrimoine, pas toujours riche en revenu",
       subtitle = "part des ménages selon leur position (9e décile) dans les distributions\nde patrimoine brut et de niveau de vie")

Les deux cases hors diagonale sont de même taille (4,7 %) : parmi les 10 % de ménages les mieux dotés en patrimoine, seuls 53 % (5,3 points sur 10) figurent aussi parmi les 10 % aux niveaux de vie les plus élevés.

Figure 2 : combien possèdent-ils ?

Code
q <- fig2 |>
  mutate(indicateur = fct_relevel(indicateur, "Patrimoine brut", "Patrimoine net", "Niveau de vie"),
         distribution = case_when(distribution == "Premier quartile" ~ "q1", distribution == "Médiane" ~ "med",
                                  TRUE ~ "q3")) |>
  pivot_wider(names_from = distribution, values_from = valeur) |>
  ordonne() |> mutate(categorie = fct_rev(categorie))
ggplot(q, aes(y = categorie)) +
  geom_linerange(aes(xmin = q1, xmax = q3, color = categorie), linewidth = 5, alpha = 0.55) +
  geom_point(aes(x = med), shape = 21, size = 3.6, fill = "white", stroke = 1.1) +
  facet_wrap(~ indicateur, scales = "free_x", nrow = 1) +
  scale_color_manual(values = cols_cat, guide = "none") +
  scale_x_continuous(labels = ~ format(.x / 1000, big.mark = " "), expand = expansion(mult = c(0.02, 0.08))) +
  scale_y_discrete(labels = scales::label_wrap(22)) +
  theme_hp(11) + theme(axis.text.x = element_text(size = 9)) +
  labs(x = "Milliers d'euros (patrimoine) ou d'euros par an (niveau de vie : ÷ 1 000)", y = NULL,
       title = "Les ménages à haut patrimoine ont plus d'un million d'euros de patrimoine brut",
       subtitle = "médiane (point) et écart du 1er au 3e quartile (barre), selon la catégorie de ménages")

Figure 3 : qui sont-ils ?

Code
fig3 |>
  ordonne() |>
  mutate(section = str_remove(section, " de la personne de référence( du ménage)?") |> str_remove("1$"),
         section = fct_inorder(section),
         libelle = str_replace(libelle, "Unité urbaine de ", "UU de ") |> str_replace("Unités urbaines", "UU") ) |>
  group_by(section) |> mutate(libelle = fct_inorder(libelle)) |> ungroup() |>
  ggplot(aes(x = part / 100, y = fct_rev(libelle), fill = categorie)) +
  geom_col(position = position_dodge(width = 0.85), width = 0.8) +
  facet_wrap(~ section, scales = "free_y", ncol = 2) +
  scale_x_continuous(labels = scales::percent_format(accuracy = 1)) +
  scale_y_discrete(labels = scales::label_wrap(28)) +
  scale_fill_manual(values = cols_cat, name = NULL, guide = guide_legend(nrow = 2, reverse = FALSE)) +
  theme_hp(10) +
  labs(x = NULL, y = NULL,
       title = "Cadres, indépendants, retraités aisés, couples sans enfant et Parisiens",
       subtitle = "caractéristiques des ménages selon la catégorie (en % de chaque catégorie)")

Figure 4 : de quoi est fait leur patrimoine ?

Code
fig4 |>
  ordonne() |>
  mutate(libelle = factor(libelle, levels = names(cols_compo)), categorie = fct_rev(categorie)) |>
  ggplot(aes(x = part / 100, y = categorie, fill = libelle)) +
  geom_col(width = 0.7, color = "white", linewidth = 0.3) +
  geom_vline(xintercept = 0, color = "grey25") +
  scale_x_continuous(labels = scales::percent_format(accuracy = 1)) +
  scale_y_discrete(labels = scales::label_wrap(28)) +
  scale_fill_manual(values = cols_compo, name = NULL, guide = guide_legend(nrow = 2)) +
  theme_hp() +
  labs(x = "% du patrimoine brut", y = NULL,
       title = "Haut patrimoine sans haut revenu : un quart d'actifs professionnels",
       subtitle = "composition du patrimoine brut (endettement en négatif)")

Figure 5 : ce qu’ils détiennent

Code
fig5 |>
  ordonne() |>
  mutate(libelle = if_else(!is.na(parent), paste0("  dont ", str_to_lower(libelle)), libelle),
         libelle = str_remove(libelle, " \\(privé et professionnel\\), dont :")) |>
  group_by(section) |> mutate(libelle = fct_inorder(libelle)) |> ungroup() |>
  mutate(section = fct_inorder(section)) |>
  ggplot(aes(x = part / 100, y = fct_rev(libelle))) +
  geom_line(aes(group = libelle), color = "grey80", linewidth = 1.2) +
  geom_point(aes(color = categorie), size = 3.2) +
  facet_grid(section ~ ., scales = "free_y", space = "free_y", labeller = labeller(section = scales::label_wrap(14))) +
  scale_x_continuous(labels = scales::percent_format(accuracy = 1), limits = c(0, 1)) +
  scale_color_manual(values = cols_cat, name = NULL, guide = guide_legend(nrow = 2)) +
  theme_hp(10.5) + theme(strip.text.y = element_text(angle = 0, hjust = 0)) +
  labs(x = "Taux de détention", y = NULL,
       title = "Les ménages aisés détiennent presque tous un livret, une assurance-vie et leur logement",
       subtitle = "part des ménages détenant chaque type d'actif ou de dette")

Figure 6 : d’où viennent leurs revenus ?

Code
feuilles <- fig6 |>
  filter(!libelle %in% c("Revenus d’activité", "Revenus de remplacement"))
feuilles |>
  ordonne() |>
  mutate(libelle = factor(libelle, levels = c("Salaires", "Revenus d’indépendants", "Revenus du patrimoine",
                                              "Retraites et pensions", "Allocations chômage",
                                              "Autres prestations sociales", "Impôts directs")),
         categorie = fct_rev(categorie)) |>
  ggplot(aes(x = part / 100, y = categorie, fill = libelle)) +
  geom_col(width = 0.7, color = "white", linewidth = 0.3) +
  geom_vline(xintercept = 0, color = "grey25") +
  scale_x_continuous(labels = scales::percent_format(accuracy = 1)) +
  scale_y_discrete(labels = scales::label_wrap(28)) +
  scale_fill_manual(values = c("Salaires" = bleu, "Revenus d’indépendants" = "#8FB0DE",
                               "Revenus du patrimoine" = jaune, "Retraites et pensions" = vert,
                               "Allocations chômage" = "#9BDAD2", "Autres prestations sociales" = gris,
                               "Impôts directs" = rose), name = NULL, guide = guide_legend(nrow = 3)) +
  theme_hp() +
  labs(x = "% du niveau de vie", y = NULL,
       title = "Le haut patrimoine pèse un tiers du niveau de vie des plus aisés",
       subtitle = "composition du niveau de vie (impôts directs en négatif)")

Figure 7 : héritages et donations

Code
fig7 |>
  mutate(categorie = factor(categorie, levels = cat_niveaux), type = fct_relevel(type, "Héritage"),
         age = factor(age, levels = c("De 40 à 59 ans", "60 ans ou plus", "Ensemble des âges"))) |>
  ggplot(aes(x = age, y = part / 100, fill = categorie)) +
  geom_col(position = position_dodge(width = 0.85), width = 0.8) +
  geom_text(aes(label = sprintf("%.0f", part)), position = position_dodge(width = 0.85), vjust = -0.4, size = 3) +
  facet_wrap(~ type) +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1), expand = expansion(mult = c(0, 0.12))) +
  scale_fill_manual(values = cols_cat, name = NULL, guide = guide_legend(nrow = 2)) +
  theme_hp() +
  labs(x = "Âge de la personne de référence", y = NULL,
       title = "Parmi les ménages à haut patrimoine, 6 sur 10 ont hérité",
       subtitle = "part des ménages ayant hérité ou reçu une donation (en %)")

Encadré : concentration du patrimoine et des niveaux de vie

Code
encadre |>
  filter(indicateur != "Indice de Gini") |>
  mutate(position = fct_inorder(position)) |>
  ggplot(aes(x = valeur / 100, y = fct_rev(position), fill = mesure)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  geom_text(aes(label = sprintf("%.1f %%", valeur)), position = position_dodge(width = 0.8), hjust = -0.1, size = 3.4) +
  scale_x_continuous(labels = scales::percent_format(accuracy = 1), expand = expansion(mult = c(0, 0.15))) +
  scale_fill_manual(values = c("Patrimoine brut" = bleu, "Niveau de vie" = jaune), name = NULL) +
  theme_hp() +
  labs(x = "Part de la masse détenue", y = NULL,
       title = "Les 10 % les mieux dotés détiennent 47 % du patrimoine, mais 24 % des niveaux de vie",
       subtitle = sprintf("indice de Gini : %s pour le patrimoine brut, %s pour le niveau de vie",
                          format(encadre$valeur[encadre$position == "Indice de Gini" & encadre$mesure == "Patrimoine brut"], decimal.mark = ","),
                          format(encadre$valeur[encadre$position == "Indice de Gini" & encadre$mesure == "Niveau de vie"], decimal.mark = ",")))