Salaires dans le secteur privé en 2017 - IP1798

Name: Salaires dans le secteur privé en 2017
Creator: François Geerolf
License: https://www.etalab.gouv.fr/licence-ouverte-open-licence/

Données - INSEE

Auteur

François Geerolf

Source : Insee, Insee Première n° 1798, avril 2020 ; déclarations annuelles de données sociales (DADS) et déclarations sociales nominatives (DSN).
Champ : France, salariés en EQTP du privé et des entreprises publiques, y compris bénéficiaires de contrats aidés et de contrats de professionnalisation ; hors apprentis, stagiaires, salariés agricoles et salariés des particuliers employeurs.
Suite : Les salaires dans le secteur privé en 2025 - IP2132 (champ différent : y compris alternants et stagiaires, hors entreprises publiques).

Figure 1 : salaires mensuels moyens et répartition des effectifs en EQTP

Salaire mensuel net moyen, en 2017

Code

fig1 |>
  filter(categorie != "Ensemble (hors emplois aidés)") |>
  mutate(categorie = fct_inorder(categorie),
         dimension = fct_inorder(dimension)) |>
  ggplot(aes(x = fct_rev(categorie), y = net_2017, fill = categorie == "Ensemble")) +
  geom_col(width = 0.7) +
  geom_text(aes(label = format(net_2017, big.mark = " ")), hjust = -0.15, size = 3.5) +
  coord_flip(clip = "off") +
  facet_grid(dimension ~ ., scales = "free_y", space = "free_y") +
  scale_fill_manual(values = c("FALSE" = bleu, "TRUE" = rouge), guide = "none") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.12))) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = "Euros par mois",
       title = "Salaire mensuel net moyen en EQTP, en 2017") +
  theme(panel.grid.minor = element_blank(),
        panel.grid.major.y = element_blank(),
        strip.text.y = element_text(angle = 0, hjust = 0))

Évolution 2017/2016, en euros constants

Code

fig1 |>
  filter(categorie != "Ensemble (hors emplois aidés)") |>
  mutate(categorie = fct_inorder(categorie),
         dimension = fct_inorder(dimension)) |>
  select(dimension, categorie, Brut = brut_evol_constants, Net = net_evol_constants) |>
  pivot_longer(-c(dimension, categorie), names_to = "indicateur", values_to = "evolution") |>
  mutate(indicateur = factor(indicateur, levels = c("Brut", "Net"))) |>
  ggplot(aes(x = fct_rev(categorie), y = evolution, fill = indicateur)) +
  geom_col(position = position_dodge(width = 0.75), width = 0.7) +
  geom_hline(yintercept = 0, color = "grey40", linewidth = 0.4) +
  coord_flip() +
  facet_grid(dimension ~ ., scales = "free_y", space = "free_y") +
  scale_fill_manual(values = c("Net" = bleu, "Brut" = bleu_clair), name = NULL,
                    breaks = c("Net", "Brut")) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Évolution 2017/2016 des salaires mensuels en EQTP, en euros constants",
       subtitle = "en %") +
  theme(legend.position = "bottom",
        panel.grid.minor = element_blank(),
        panel.grid.major.y = element_blank(),
        strip.text.y = element_text(angle = 0, hjust = 0))

Table

Code

fig1 |>
  select(-dimension) |>
  print_table_conditional()

categorie	brut_2016	brut_2017	brut_evol_constants	net_2016	net_2017	net_evol_constants	part_effectifs_2016	part_effectifs_2017
Cadres	5445	5514	0.2	4055	4103	0.1	19.9	20.4
Professions intermédiaires	3027	3095	1.2	2266	2311	1.0	20.3	20.2
Employés	2165	2198	0.5	1635	1662	0.6	29.4	29.1
Ouvriers	2261	2295	0.4	1715	1742	0.5	30.4	30.4
Hommes	3255	3307	0.5	2451	2488	0.5	58.4	58.5
Femmes	2696	2769	1.6	2016	2069	1.6	41.6	41.5
Construction	2742	2803	1.1	2070	2107	0.7	7.7	7.7
Industrie	3407	3464	0.6	2531	2576	0.7	18.0	17.6
Tertiaire	2959	3023	1.1	2227	2274	1.1	74.2	74.7
Ensemble	3023	3084	1.0	2270	2314	0.9	100.0	100.0
Ensemble (hors emplois aidés)	3056	3118	1.0	2294	2340	0.9	NA	NA

Figure 2 : évolution du salaire net moyen en EQTP, en euros constants

Code

fig2 |>
  ggplot(aes(x = annee, y = evol_salaire_net, fill = evol_salaire_net > 0)) +
  geom_col() +
  geom_hline(yintercept = 0, color = "grey40", linewidth = 0.4) +
  geom_hline(aes(yintercept = moyenne_1997_2017), linetype = "dashed", color = rouge, linewidth = 0.8) +
  geom_text(aes(label = evol_salaire_net,
                vjust = if_else(evol_salaire_net >= 0, -0.4, 1.3)), size = 3) +
  scale_fill_manual(values = c("TRUE" = bleu, "FALSE" = rouge), guide = "none") +
  scale_x_continuous(breaks = seq(1997, 2017, 2)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Évolution annuelle du salaire net moyen en EQTP, en euros constants",
       subtitle = "en % ; ligne pointillée = moyenne annuelle 1997-2017") +
  theme(panel.grid.minor = element_blank(),
        panel.grid.major.x = element_blank())

Figure 3 : distribution des salaires mensuels nets en EQTP, en 2017

Histogramme

Code

fig3 |>
  mutate(centre = coalesce((borne_inf + borne_sup) / 2, borne_inf + 50, borne_sup - 50)) |>
  ggplot(aes(x = centre, y = effectifs_milliers)) +
  geom_col(fill = bleu, width = 90) +
  scale_x_continuous(breaks = seq(1000, 9000, 1000),
                     labels = scales::label_number(big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net (en euros)", y = "Milliers d'EQTP",
       title = "Distribution des salaires mensuels nets en EQTP, en 2017",
       subtitle = "Tranches de 100 euros\npremière barre : moins de 1 200 euros ; dernière : plus de 8 700 euros") +
  theme(panel.grid.minor = element_blank(),
        panel.grid.major.x = element_blank())

Centiles (figure complémentaire 4)

Code

fc4 |>
  ggplot(aes(x = centile, y = salaire_net)) +
  geom_line(color = bleu, linewidth = 1.2) +
  scale_x_continuous(breaks = seq(0, 100, 10)) +
  scale_y_log10(breaks = c(1250, 1500, 2000, 3000, 4000, 5000, 7500, 10000),
                labels = scales::label_number(big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = "Centile", y = "Euros par mois",
       title = "Salaire mensuel net par centile, en 2017",
       subtitle = "Échelle logarithmique") +
  theme(panel.grid.minor = element_blank())

Log-log (Pareto)

Part des salariés dont le salaire mensuel net est supérieur ou égal à \(s\), en fonction de \(s\), les deux axes en échelle logarithmique. Points : bornes inférieures des tranches de la figure 3 ; droite : régression sur les tranches à partir de 3 000 euros.

Code

N_total <- sum(fig3$effectifs_milliers)
pareto <- fig3 |>
  filter(!is.na(borne_inf)) |>
  arrange(borne_inf) |>
  mutate(part_au_dessus = rev(cumsum(rev(effectifs_milliers))) / N_total)

seuil_pareto <- 3000
fit_pareto <- lm(log(part_au_dessus) ~ log(borne_inf), data = filter(pareto, borne_inf >= seuil_pareto))
alpha <- -coef(fit_pareto)[2]

pareto |>
  mutate(ajuste = exp(predict(fit_pareto, newdata = pick(everything()))),
         ajuste = if_else(ajuste <= 1, ajuste, NA_real_)) |>
  ggplot(aes(x = borne_inf, y = part_au_dessus)) +
  geom_point(color = bleu, size = 1.5) +
  geom_line(aes(y = ajuste), color = rouge, linewidth = 0.8, linetype = "dashed", na.rm = TRUE) +
  annotate("text", x = 5000, y = 0.3, color = rouge, hjust = 0, size = 4,
           label = paste0("Pente : -", format(round(alpha, 2), decimal.mark = ","),
                          "\nR² = ", format(sprintf("%.4f", summary(fit_pareto)$r.squared)) |> str_replace("\\.", ","))) +
  scale_x_log10(breaks = c(1200, 1500, 2000, 3000, 4000, 5000, 7000, 8700),
                labels = scales::label_number(big.mark = " ")) +
  scale_y_log10(breaks = c(0.01, 0.02, 0.05, 0.1, 0.2, 0.5, 1),
                labels = scales::label_percent(accuracy = 1)) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net s (en euros)", y = "Part des EQTP avec un salaire ≥ s",
       title = "Distribution des salaires mensuels nets en EQTP, en 2017",
       subtitle = "Échelle log-log (Pareto) ; droite ajustée à partir de 3 000 euros") +
  theme(panel.grid.minor = element_blank())

Figure 4 : évolution de la distribution du salaire net en EQTP depuis 1996, en euros constants

Linéaire

Code

plot_fig4 <- fig4 |>
  mutate(indicateur = recode(indicateur, D1 = "1er décile (D1)", Mediane = "Médiane", D9 = "9e décile (D9)")) |>
  ggplot(aes(x = annee, y = value, color = indicateur)) +
  geom_line(linewidth = 1.2) +
  geom_hline(yintercept = 100, color = "grey60", linetype = "dashed") +
  scale_color_manual(values = c("1er décile (D1)" = rouge, "Médiane" = "grey40", "9e décile (D9)" = bleu), name = NULL) +
  scale_x_continuous(breaks = seq(1996, 2018, 2)) +
  scale_y_continuous(breaks = seq(90, 130, 2)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Déciles des salaires nets en EQTP, en euros constants",
       subtitle = "Indice base 100 en 1996 - Échelle linéaire") +
  theme(legend.position = "bottom",
        panel.grid.minor = element_blank())

plot_fig4

Log

Code

plot_fig4 +
  scale_y_log10(breaks = seq(90, 130, 2)) +
  labs(subtitle = "Indice base 100 en 1996 - Échelle logarithmique")

Figure complémentaire 2 : distribution par sexe des salaires mensuels nets en EQTP, en 2017

Code

fc2 |>
  filter(quantile != "Moyenne") |>
  mutate(quantile = fct_reorder(quantile, ordre),
         sexe = factor(sexe, levels = c("Femmes", "Hommes", "Ensemble"))) |>
  ggplot(aes(x = quantile, y = niveau, color = sexe, group = sexe)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  scale_color_manual(values = c("Femmes" = rouge, "Hommes" = bleu, "Ensemble" = "grey50"), name = NULL) +
  scale_y_log10(breaks = c(1250, 1500, 2000, 3000, 4000, 6000, 8000, 10000),
                labels = scales::label_number(big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = "Euros par mois",
       title = "Salaire mensuel net en EQTP par quantile et par sexe, en 2017",
       subtitle = "Échelle logarithmique") +
  theme(legend.position = "bottom",
        axis.text.x = element_text(angle = 45, hjust = 1),
        panel.grid.minor = element_blank())

Code

fc2 |>
  select(-ordre) |>
  print_table_conditional()

Figure complémentaire 1 : salaires horaires moyens selon le sexe et la CS

Code

fc1 |>
  filter(sexe != "Ensemble", categorie != "Ensemble") |>
  mutate(categorie = fct_inorder(categorie)) |>
  ggplot(aes(x = categorie, y = net_2017, fill = sexe)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  geom_text(aes(label = net_2017), position = position_dodge(width = 0.8), vjust = -0.4, size = 3.5) +
  scale_fill_manual(values = c("Femmes" = rouge, "Hommes" = bleu), name = NULL) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = "Euros par heure",
       title = "Salaire horaire net moyen, en 2017",
       subtitle = "selon le sexe et la catégorie socioprofessionnelle") +
  theme(legend.position = "bottom",
        panel.grid.minor = element_blank(),
        panel.grid.major.x = element_blank())

Code

fc1 |>
  print_table_conditional()

sexe	categorie	brut_2016	brut_2017	brut_evol_constants	net_2016	net_2017	net_evol_constants
Ensemble	Ensemble	19.4	19.8	0.7	14.6	14.8	0.7
Ensemble	Cadres	35.3	35.6	-0.2	26.3	26.5	-0.3
Ensemble	Professions intermédiaires	19.5	19.9	0.8	14.6	14.8	0.6
Ensemble	Employés	14.0	14.2	0.2	10.6	10.7	0.4
Ensemble	Ouvriers	14.3	14.5	0.4	10.9	11.0	0.5
Hommes	Ensemble	20.8	21.0	0.3	15.6	15.8	0.3
Hommes	Cadres	37.7	37.9	-0.5	28.1	28.3	-0.5
Hommes	Professions intermédiaires	20.5	20.8	0.6	15.4	15.6	0.4
Hommes	Employés	14.5	14.6	-0.2	11.0	11.1	-0.1
Hommes	Ouvriers	14.6	14.8	0.3	11.1	11.3	0.3
Femmes	Ensemble	17.5	17.9	1.3	13.1	13.4	1.3
Femmes	Cadres	30.9	31.4	0.4	22.8	23.2	0.5
Femmes	Professions intermédiaires	18.3	18.7	1.2	13.6	13.9	0.9
Femmes	Employés	13.8	14.0	0.4	10.4	10.5	0.6
Femmes	Ouvriers	12.8	13.1	1.0	9.7	10.0	1.3

Figure complémentaire 3 : salaires mensuels moyens selon le sexe et la CS

Code

fc3 |>
  filter(sexe != "Ensemble", categorie != "Ensemble") |>
  mutate(categorie = fct_inorder(categorie)) |>
  ggplot(aes(x = categorie, y = net_2017, fill = sexe)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  geom_text(aes(label = format(net_2017, big.mark = " ")),
            position = position_dodge(width = 0.8), vjust = -0.4, size = 3.5) +
  scale_fill_manual(values = c("Femmes" = rouge, "Hommes" = bleu), name = NULL) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = "Euros par mois",
       title = "Salaire mensuel net moyen en EQTP, en 2017",
       subtitle = "selon le sexe et la catégorie socioprofessionnelle") +
  theme(legend.position = "bottom",
        panel.grid.minor = element_blank(),
        panel.grid.major.x = element_blank())

Code

fc3 |>
  print_table_conditional()

sexe	categorie	brut_2016	brut_2017	brut_evol_constants	net_2016	net_2017	net_evol_constants	part_effectifs_2016	part_effectifs_2017
Ensemble	Ensemble	3023	3084	1.0	2270	2314	0.9	100.0	100.0
Ensemble	Cadres	5445	5514	0.2	4055	4103	0.1	19.9	20.4
Ensemble	Professions intermédiaires	3027	3095	1.2	2266	2311	1.0	20.3	20.2
Ensemble	Employés	2165	2198	0.5	1635	1662	0.6	29.4	29.1
Ensemble	Ouvriers	2261	2295	0.4	1715	1742	0.5	30.4	30.4
Hommes	Ensemble	3255	3307	0.5	2451	2488	0.5	58.4	58.5
Hommes	Cadres	5820	5879	0.0	4351	4392	-0.1	22.2	22.5
Hommes	Professions intermédiaires	3204	3268	1.0	2406	2450	0.8	19.0	18.8
Hommes	Employés	2257	2283	0.1	1713	1734	0.2	15.9	15.8
Hommes	Ouvriers	2322	2353	0.3	1761	1785	0.3	42.9	42.9
Femmes	Ensemble	2696	2769	1.6	2016	2069	1.6	41.6	41.5
Femmes	Cadres	4747	4847	1.0	3506	3574	0.9	16.8	17.4
Femmes	Professions intermédiaires	2814	2879	1.6	2096	2145	1.3	22.1	22.2
Femmes	Employés	2122	2158	0.6	1599	1628	0.8	48.4	47.7
Femmes	Ouvriers	1974	2018	1.2	1498	1536	1.5	12.7	12.8