source | dataset | .html | .RData |
---|---|---|---|
insee | INDICES_LOYERS | 2024-04-18 | 2024-05-09 |
source | dataset | .html | .RData |
---|---|---|---|
insee | bdf2017 | 2024-05-09 | 2023-11-21 |
insee | ILC-ILAT-ICC | 2024-05-09 | 2024-05-09 |
insee | INDICES_LOYERS | 2024-04-18 | 2024-05-09 |
insee | IPC-1970-1980 | 2024-04-18 | 2024-05-09 |
insee | IPC-1990 | 2024-04-18 | 2024-05-09 |
insee | IPC-2015 | 2024-04-18 | 2024-04-09 |
insee | IPC-PM-2015 | 2024-04-18 | 2024-05-09 |
insee | IPCH-2015 | 2024-04-18 | 2024-05-09 |
insee | IPGD-2015 | 2024-04-18 | 2024-03-20 |
insee | IPLA-IPLNA-2015 | 2024-04-18 | 2024-05-09 |
insee | IPPI-2015 | 2024-04-18 | 2024-03-30 |
insee | IRL | 2024-04-18 | 2024-05-09 |
insee | SERIES_LOYERS | 2024-04-18 | 2024-05-09 |
insee | T_CONSO_EFF_FONCTION | 2024-04-18 | 2024-04-01 |
source | dataset | .html | .RData |
---|---|---|---|
acpr | as151 | 2024-04-05 | 2024-04-05 |
bdf | BSI1 | 2024-05-08 | 2024-05-08 |
bdf | CPP | 2024-05-08 | 2024-05-08 |
bdf | FM | 2024-05-08 | 2024-05-08 |
bdf | immobilier | 2024-05-08 | 2024-05-07 |
bdf | MIR | 2024-05-08 | 2024-05-08 |
bdf | MIR1 | 2024-05-08 | 2024-05-08 |
bdf | RPP | 2024-05-08 | 2024-05-08 |
insee | CONSTRUCTION-LOGEMENTS | 2024-05-09 | 2024-05-09 |
insee | ENQ-CONJ-ART-BAT | 2024-05-09 | 2023-10-25 |
insee | ENQ-CONJ-IND-BAT | 2024-05-09 | 2024-05-09 |
insee | ENQ-CONJ-PROMO-IMMO | 2024-05-09 | 2024-05-09 |
insee | ENQ-CONJ-TP | 2024-05-09 | 2024-05-09 |
insee | ILC-ILAT-ICC | 2024-05-09 | 2024-05-09 |
insee | INDICES_LOYERS | 2024-04-18 | 2024-05-09 |
insee | IPLA-IPLNA-2015 | 2024-04-18 | 2024-05-09 |
insee | IRL | 2024-04-18 | 2024-05-09 |
insee | PARC-LOGEMENTS | 2024-04-18 | 2023-12-03 |
insee | SERIES_LOYERS | 2024-04-18 | 2024-05-09 |
insee | t_dpe_val | 2024-04-18 | 2024-03-04 |
notaires | arrdt | 2024-04-08 | 2024-04-08 |
notaires | dep | 2024-04-08 | 2024-04-08 |
Indices des loyers d’habitation (ILH). html
Enquête Loyers et charges. html
Questionnaire de l’enquête. pdf
Qualité de l’enquête relative à l’exercice 2018. pdf
Les données sont calculées à partir des résultats de l’enquête Loyers et charges et de celle sur les loyers auprès des bailleurs sociaux (ELBS). Le champ recouvre l’ensemble des résidences principales, louées vides, dont l’usage principal est l’habitation. L’indice est calculé selon la formule de Laspeyres appliquée à des loyers au mètre carré. On mesure une évolution à qualité constante, en rapportant les loyers du parc observés au trimestre T aux loyers du parc observés au trimestre T-1. Ces indices sont ensuite chaînés, du 1er mois d’un trimestre au 1er mois du trimestre précédent.
Ces données diffèrent de l’indice de référence des loyers (IRL), qui constitue la référence pour la révision des loyers en cours de bail dans le parc locatif privé, car l’évolution des loyers présentée ici est celle effectivement constatée. Si la variation réelle des loyers est corrélée à l’évolution de l’IRL, les deux indices ne sont cependant pas identiques.
`INDICES_LOYERS` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(desc(LAST_UPDATE)) %>%
print_table_conditional()
LAST_UPDATE | Nobs |
---|---|
2024-03-19 | 4852 |
INDICES_LOYERS %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
group_by(SECTEURS_LOYERS, Secteurs_loyers) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}
SECTEURS_LOYERS | Secteurs_loyers | Nobs |
---|---|---|
TOUS_SECTEURS | Tous secteurs | 1653 |
SECTEUR_SOCIAL | Secteur social | 1604 |
SECTEUR_LIBRE | Secteur libre | 1595 |
INDICES_LOYERS %>%
left_join(NATURE, by = "NATURE") %>%
group_by(NATURE, Nature) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}
NATURE | Nature | Nobs |
---|---|---|
INDICE | Indice | 1641 |
GLISSEMENT_TRIMESTRIEL | Glissement trimestriel | 1631 |
GLISSEMENT_ANNUEL | Glissement annuel | 1580 |
INDICES_LOYERS %>%
left_join(REF_AREA, by = "REF_AREA") %>%
group_by(REF_AREA, Ref_area) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}
REF_AREA | Ref_area | Nobs |
---|---|---|
FM | France métropolitaine | 1329 |
AGGLO_PARIS | Agglomération parisienne | 1233 |
PR | Province | 1233 |
D971 | Guadeloupe | 468 |
D972 | Martinique | 177 |
D974 | La Réunion | 177 |
FR-D976 | France (hors Mayotte) | 177 |
D973 | Guyane | 58 |
INDICES_LOYERS %>%
left_join(OBS_STATUS, by = "OBS_STATUS") %>%
group_by(OBS_STATUS, Obs_status) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
{if (is_html_output()) print_table(.) else .}
OBS_STATUS | Obs_status | Nobs |
---|---|---|
A | Valeur normale | 4492 |
U | Valeur atypique | 360 |
INDICES_LOYERS %>%
filter(SECTEURS_LOYERS == "TOUS_SECTEURS",
NATURE == "INDICE",
REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
left_join(REF_AREA, by = "REF_AREA") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(SECTEURS_LOYERS == "SECTEUR_LIBRE",
NATURE == "INDICE",
REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
left_join(REF_AREA, by = "REF_AREA") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(TIME_PERIOD == "2020-Q2",
NATURE == "INDICE",
SECTEURS_LOYERS == "TOUS_SECTEURS") %>%
select(REF_AREA, TITLE_FR, OBS_VALUE) %>%
mutate(TITLE_FR = gsub("Indice des loyers – Tous secteurs – ", "", TITLE_FR),
TITLE_FR = gsub(" – Base 100 en janvier 2019", "", TITLE_FR)) %>%
{if (is_html_output()) print_table(.) else .}
REF_AREA | TITLE_FR | OBS_VALUE |
---|---|---|
FM | France métropolitaine | 100.6 |
AGGLO_PARIS | Agglomération parisienne | 100.8 |
PR | Province | 100.5 |
D971 | Guadeloupe | 101.1 |
D972 | Martinique | 101.2 |
D973 | Guyane | 101.0 |
D974 | La Réunion | 101.1 |
FR-D976 | France (hors Mayotte) | 100.6 |
INDICES_LOYERS %>%
filter(REF_AREA == "FM",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "FM",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
filter(date >= as.Date("1990-01-01")) %>%
group_by(SECTEURS_LOYERS) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "FM",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
filter(date >= as.Date("1992-01-01")) %>%
group_by(SECTEURS_LOYERS) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "FM",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
filter(date >= as.Date("2000-01-01")) %>%
group_by(SECTEURS_LOYERS) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "AGGLO_PARIS",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "PR",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 10),
labels = dollar_format(accuracy = 1, prefix = ""))
INDICES_LOYERS %>%
filter(REF_AREA == "FR-D976",
NATURE == "INDICE") %>%
left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
quarter_to_date %>%
ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
scale_x_date(breaks = seq(1920, 2025, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
theme(legend.position = c(0.75, 0.3),
legend.title = element_blank()) +
scale_y_log10(breaks = seq(0, 200, 1),
labels = dollar_format(accuracy = 1, prefix = ""))