Indice pour la révision d’un loyer d’habitation

Data - INSEE

Auteur

Info

source	dataset	Title	.html	.rData
insee	IRL	Indice pour la révision d’un loyer d’habitation	2025-12-25	2025-12-27
insee	IPC-2015	Indice des prix à la consommation - Base 2015	2025-12-25	2025-12-27

Données sur l’inflation en France

source	dataset	Title	.html	.rData
insee	IRL	Indice pour la révision d’un loyer d’habitation	2025-12-25	2025-12-27
insee	ILC-ILAT-ICC	Indices pour la révision d’un bail commercial ou professionnel	2025-12-25	2025-12-27
insee	INDICES_LOYERS	Indices des loyers - Base 2019	2025-12-25	2025-12-27
insee	IPC-1970-1980	Indice des prix à la consommation - Base 1970, 1980	2025-12-25	2025-12-27
insee	IPC-1990	Indices des prix à la consommation - Base 1990	2025-12-25	2025-12-27
insee	IPC-2015	Indice des prix à la consommation - Base 2015	2025-12-25	2025-12-27
insee	IPC-PM-2015	Prix moyens de vente de détail	2025-12-25	2025-12-27
insee	IPCH-2015	Indices des prix à la consommation harmonisés	2025-12-25	2025-12-27
insee	IPCH-IPC-2015-ensemble	Indices des prix à la consommation harmonisés	2025-12-25	2025-12-25
insee	IPGD-2015	Indice des prix dans la grande distribution	2025-12-25	2025-12-20
insee	IPLA-IPLNA-2015	Indices des prix des logements neufs et Indices Notaires-Insee des prix des logements anciens	2025-12-25	2025-12-27
insee	IPPI-2015	Indices de prix de production et d'importation dans l'industrie	2025-12-25	2025-12-27
insee	SERIES_LOYERS	Variation des loyers	2025-12-25	2025-12-27
insee	T_CONSO_EFF_FONCTION	Consommation effective des ménages par fonction	2025-12-25	2025-12-22
insee	bdf2017	Budget de famille 2017	2025-12-25	2023-11-21
insee	echantillon-agglomerations-IPC-2024	Échantillon d’agglomérations enquêtées de l’IPC en 2024	2025-12-25	2025-04-02
insee	liste-varietes-IPC-2024	Liste des variétés pour la mesure de l'IPC en 2024	2025-12-25	2025-04-02
insee	ponderations-elementaires-IPC-2024	Pondérations élémentaires 2024 intervenant dans le calcul de l’IPC	2025-12-25	2025-04-02

Données sur l’immobilier

source	dataset	Title	.html	.rData
insee	IRL	Indice pour la révision d’un loyer d’habitation	2025-12-25	2025-12-27
acpr	as151	Enquête annuelle du SGACPR sur le financement de l'habitat 2022	2025-08-24	2024-04-05
acpr	as160	Enquête annuelle du SGACPR sur le financement de l'habitat 2023	2025-08-24	2024-09-26
acpr	as174	Enquête annuelle du SGACPR sur le financement de l'habitat 2024	2025-09-29	2025-09-29
bdf	BSI1	Agrégats monétaires - France	2025-12-24	2025-12-24
bdf	CPP	Prix immobilier commercial	2025-12-24	2024-07-01
bdf	FM	Marché financier, taux	2025-12-24	2025-12-24
bdf	MIR	Taux d'intérêt - Zone euro	2025-12-24	2025-08-04
bdf	MIR1	Taux d'intérêt - France	2025-12-24	2025-08-04
bdf	RPP	Prix de l'immobilier	2025-12-24	2025-12-24
bdf	immobilier	Immobilier en France	2025-12-24	2025-12-24
cgedd	nombre-vente-maison-appartement-ancien	Nombre de ventes de logements anciens cumulé sur 12 mois	2024-09-26	2024-09-26
insee	CONSTRUCTION-LOGEMENTS	Construction de logements	2025-12-25	2025-12-27
insee	ENQ-CONJ-ART-BAT	Conjoncture dans l'artisanat du bâtiment	2025-12-25	2025-12-27
insee	ENQ-CONJ-IND-BAT	Conjoncture dans l'industrie du bâtiment - ENQ-CONJ-IND-BAT	2025-12-25	2025-12-27
insee	ENQ-CONJ-PROMO-IMMO	Conjoncture dans la promotion immobilière	2025-12-25	2025-12-27
insee	ENQ-CONJ-TP	Conjoncture dans les travaux publics	2025-12-25	2025-12-27
insee	ILC-ILAT-ICC	Indices pour la révision d’un bail commercial ou professionnel	2025-12-25	2025-12-27
insee	INDICES_LOYERS	Indices des loyers - Base 2019	2025-12-25	2025-12-27
insee	IPLA-IPLNA-2015	Indices des prix des logements neufs et Indices Notaires-Insee des prix des logements anciens	2025-12-25	2025-12-27
insee	PARC-LOGEMENTS	Estimations annuelles du parc de logements (EAPL)	2025-12-25	2023-12-03
insee	SERIES_LOYERS	Variation des loyers	2025-12-25	2025-12-27
insee	t_dpe_val	Dépenses de consommation des ménages pré-engagées	2025-12-25	2025-12-27
notaires	arrdt	Prix au m^2 par arrondissement - arrdt	2025-09-29	2025-09-29
notaires	dep	Prix au m^2 par département	2025-09-29	2025-09-29

LAST_UPDATE

Code

IRL %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(LAST_UPDATE)) %>%
  print_table_conditional()

LAST_UPDATE	Nobs
2025-10-15	276
2008-02-04	62

Last

Code

IRL %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()

TIME_PERIOD	Nobs
2025-Q3	6

Liens

INSEE - La méthodologie de l’IRL. pdf
INSEE - méthodologie IRL base 1998. pdf
Indice de référence des loyers (IRL). html
Dernier indice IRL connu. html
Tableau sur le site de l’INSEE. html

Code

i_g("bib/insee/IR95_IRL_1T22/pour-en-savoir-plus.png")

TITLE_FR

Code

`IRL` %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}

IDBANK	TITLE_FR	Nobs
001515333	Indice de référence des loyers (IRL)	92
001515334	Indice de référence des loyers (IRL) - Variation annuelle	92
000882470	Indice de référence des loyers 2005 (IRL 2005) - Série arrêtée	31
000882473	Indice de référence des loyers 2005 (IRL 2005) - Variation annuelle - Série arrêtée	31
010760507	Indice de référence des loyers dans la collectivité de Corse	23
010760508	Indice de référence des loyers dans la collectivité de Corse - Variation annuelle	23
010760509	Indice de référence des loyers dans les collectivités régies par l’article 73 de la Constitution (régions et départements d’outre-mer)	23
010760510	Indice de référence des loyers dans les collectivités régies par l’article 73 de la Constitution (régions et départements d’outre-mer) - Variation annuelle	23

BASIND

Code

`IRL` %>%
  left_join(BASIND, by = "BASIND") %>%
  group_by(BASIND, Basind) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}

BASIND	Basind	Nobs
SO	Sans objet	169
1998-T4	4ème trimestre de 1998	138
2004-T2	2ème trimestre de 2004	31

NATURE

Code

`IRL` %>%
  left_join(NATURE, by = "NATURE") %>%
  group_by(NATURE, Nature) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

NATURE	Nature	Nobs
INDICE	Indice	169
VARIATIONS_A	Variations annuelles	169

TIME_PERIOD

Code

`IRL` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  arrange(desc(TIME_PERIOD)) %>%
  print_table_conditional()

Indice

Linear

Tous

Code

IRL %>%
  filter(NATURE == "INDICE") %>%
  quarter_to_date %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.6, 0.7)) +
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 200, 5))

2017-

Code

IRL %>%
  filter(NATURE == "INDICE") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01")) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.6, 0.7)) +
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 200, 5))

Indice 100

2017-

Code

IRL %>%
  filter(NATURE == "INDICE",
         IDBANK == "001515333") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01")) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.7)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 200, 2))

Linear - 4 quarters rolling

Code

IRL %>%
  filter(NATURE == "INDICE") %>%
  quarter_to_date %>%
  group_by(TITLE_FR) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = OBS_VALUE/lag(OBS_VALUE, 4)-1) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.65, 0.95)) +
  
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

Log

Code

IRL %>%
  filter(NATURE == "INDICE") %>%
  quarter_to_date %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.38, 0.92)) +
  
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 200, 5))

Variation annuelle

Tous

Code

IRL %>%
  filter(NATURE == "VARIATIONS_A") %>%
  quarter_to_date %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/100, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.92)) +
  
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-200, 200, .5),
                     labels = percent_format(acc = .1),
                     limits = 0.01*c(-0.2, 4))

2008-

Code

table1 <- IRL %>%
  filter(NATURE == "VARIATIONS_A") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2008-01-01")) %>%
  select(date, OBS_VALUE, IDBANK, TITLE_FR)

table1 %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/100, color = TITLE_FR)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.92)) +
  
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-200, 200, .5),
                     labels = percent_format(acc = .1),
                     limits = 0.01*c(-0.2, 4))

Table

Code

table1 %>%
  print_table_conditional()

Répliquer IRL à partir de l’Ensemble hors loyer hors tabac

Répliquer l’IRL à partir de l’ensemble hors loyer hors tabac.
Données IRL fournies ici: https://www.insee.fr/fr/statistiques/serie/001515334.
Peuvent être calculées juste à partir de l’IPC hors loyers, hors tabac: https://www.insee.fr/fr/statistiques/serie/001763862.

Prévisions INSEE

Estimation

Code

i_g("bib/insee/PdC_09-05-22/table5.png")

IRL Juillet

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select(TIME_PERIOD, OBS_VALUE) %>%
  arrange(desc(TIME_PERIOD))

# # A tibble: 335 × 2
#    TIME_PERIOD OBS_VALUE
#    <chr>           <dbl>
#  1 2025-11          120.
#  2 2025-10          121.
#  3 2025-09          121.
#  4 2025-08          122.
#  5 2025-07          121.
#  6 2025-06          121.
#  7 2025-05          120.
#  8 2025-04          121.
#  9 2025-03          120.
# 10 2025-02          120.
# # ℹ 325 more rows

Ensemble

Trimestriel

All

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600"),
         COICOP2016 %in% c("SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  month_to_date %>%
  arrange(date) %>%
  transmute(date,
            `Inflation Indice des loyers (IRL): Variation sur 12 mois de la moyenne sur 12 mois de l'IPC hors loyers, hors tabac` = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
            `Inflation IPC hors loyers, hors tabac: Variation sur 12 mois de l'IPC hors loyers, hors tabac` = OBS_VALUE) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  gather(variable, value, -date) %>%
  group_by(variable) %>%
  mutate(value_d12 = value/lag(value, 4) - 1) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value_d12, color = variable)) +
  scale_color_manual(values = c("blue", "red")) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.5, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

2006-

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  month_to_date %>%
  filter(date >= as.Date("2006-01-01")) %>%
  arrange(date) %>%
  transmute(date,
            `Inflation Indice des loyers (IRL):\nVariation sur 12 mois de la moyenne sur 12 mois de l'IPC hors loyers, hors tabac` = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
            `Inflation Indice des Prix à la Consommation (IPC-) hors loyers, hors tabac: \nVariation sur 12 mois de l'IPC hors loyers, hors tabac` = OBS_VALUE) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  gather(variable, value, -date) %>%
  group_by(variable) %>%
  mutate(value_d12 = value/lag(value, 4) - 1) %>%
  na.omit %>%
  filter(date >= as.Date("2008-01-01")) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value_d12, color = variable)) +
  scale_color_manual(values = c("blue", "red")) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.45, 0.9),
        legend.title = element_blank(),
        legend.key.size= unit(1.0, 'cm')) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

2008-

Code

table2 <- `IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  month_to_date %>%
  filter(date >= as.Date("2006-01-01")) %>%
  arrange(date) %>%
  transmute(date,
            `Inflation Indice des loyers (IRL):\nVariation sur 12 mois de la moyenne sur 12 mois de l'IPC hors loyers, hors tabac` = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
            `Inflation Indice des Prix à la Consommation (IPC-) hors loyers, hors tabac: \nVariation sur 12 mois de l'IPC hors loyers, hors tabac` = OBS_VALUE) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  gather(variable, value, -date) %>%
  group_by(variable) %>%
  mutate(value_d12 = value/lag(value, 4) - 1) %>%
  na.omit %>%
  filter(date >= as.Date("2008-01-01"))
  

table2 %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value_d12, color = variable)) +
  scale_color_manual(values = c("blue", "red")) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.45, 0.9),
        legend.title = element_blank(),
        legend.key.size= unit(1.0, 'cm')) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

Mensuel

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  month_to_date %>%
  arrange(date) %>%
  transmute(date,
            `Inflation Indice des loyers (IRL): Variation sur 12 mois de la moyenne sur 12 mois de l'IPC hors loyers, hors tabac` = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
            `Inflation IPC hors loyers, hors tabac: Variation sur 12 mois de l'IPC hors loyers, hors tabac` = OBS_VALUE) %>%
  gather(variable, value, -date) %>%
  group_by(variable) %>%
  mutate(value_d12 = value/lag(value, 12) - 1) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value_d12, color = variable)) +
  scale_color_manual(values = c("blue", "red")) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.5, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

Glissement annuel, Trimestriel

Tous

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  left_join(COICOP2016, by = "COICOP2016") %>%
  group_by(Prix_conso) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  mutate(OBS_VALUE = OBS_VALUE/lag(OBS_VALUE, 4)-1,
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  na.omit %>%
  ggplot() + ylab("Inflation sur un an (IPC, IPCH)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Prix_conso)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

1998-

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  mutate(OBS_VALUE = OBS_VALUE/lag(OBS_VALUE, 4)-1,
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(date >= as.Date("1998-01-01")) %>%
  na.omit %>%
  ggplot() + ylab("Glissement annuel") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Prix_conso)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.2, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

2018-

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  mutate(OBS_VALUE = OBS_VALUE/lag(OBS_VALUE, 4)-1,
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(date >= as.Date("2018-01-01")) %>%
  na.omit %>%
  ggplot() + ylab("Glissement annuel") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Prix_conso)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

Evolution entre deux périodes de la moyenne sur 12 mois de l’indice des prix à la consommation

Il se déduit de l’indice du même trimestre de l’année précédente en lui appliquant l’évolution entre ces deux périodes de la moyenne sur douze mois consécutifs de l’indice des prix à la consommation hors tabac et hors loyers (IPC).

All

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(date >= as.Date("2000-01-01")) %>%
  mutate(OBS_VALUE_mean = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  mutate(OBS_VALUE_mean_d1 = OBS_VALUE_mean/lag(OBS_VALUE_mean, 4)-1,
         OBS_VALUE_d1 = OBS_VALUE/lag(OBS_VALUE, 4)-1) %>%
  na.omit %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE_d1, color = Prix_conso)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.8, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

2017-

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(date >= as.Date("2000-01-01")) %>%
  mutate(OBS_VALUE_mean = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  mutate(OBS_VALUE_mean_d1 = OBS_VALUE_mean/lag(OBS_VALUE_mean, 4)-1,
         OBS_VALUE_d1 = OBS_VALUE/lag(OBS_VALUE, 4)-1) %>%
  na.omit %>%
  filter(date >= as.Date("2017-01-01")) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE_d1, color = Prix_conso)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

Ensemble

All

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(date >= as.Date("2000-01-01")) %>%
  mutate(OBS_VALUE_mean = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  transmute(date, 
            OBS_VALUE_mean_d1 = OBS_VALUE_mean/lag(OBS_VALUE_mean, 4)-1,
            OBS_VALUE_d1 = OBS_VALUE/lag(OBS_VALUE, 4)-1,
            Prix_conso) %>%
  na.omit %>%
  gather(variable, value, -date, -Prix_conso) %>%
  mutate(variable = case_when(variable == "OBS_VALUE_mean_d1" ~ "Inflation de l'IRL (Indice de Référence des Loyers) - Moyenne 12 mois",
                              variable == "OBS_VALUE_d1" ~ "Inflation de l'IPC (Indice des Prix à la Consommation) - Instantanée")) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = Prix_conso, linetype = variable)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))

2017-

Code

`IPC-2015` %>%
  filter(PRIX_CONSO %in% c("4600", "SO"),
         COICOP2016 %in% c("00", "SO"),
         MENAGES_IPC == "ENSEMBLE",
         NATURE == "INDICE",
         REF_AREA == "FE",
         FREQ == "M") %>%
  select_if(~ n_distinct(.) > 1) %>%
  month_to_date %>%
  arrange(date) %>%
  left_join(PRIX_CONSO, by = "PRIX_CONSO") %>%
  group_by(Prix_conso) %>%
  filter(date >= as.Date("2000-01-01")) %>%
  mutate(OBS_VALUE_mean = zoo::rollmean(OBS_VALUE, 12, fill = NA, align = "right"),
         Prix_conso = ifelse(PRIX_CONSO == "SO", "Ensemble", Prix_conso)) %>%
  filter(month(date) %in% c(12, 3, 6, 9)) %>%
  transmute(date, 
            OBS_VALUE_mean_d1 = OBS_VALUE_mean/lag(OBS_VALUE_mean, 4)-1,
            OBS_VALUE_d1 = OBS_VALUE/lag(OBS_VALUE, 4)-1,
            Prix_conso) %>%
  na.omit %>%
  filter(date >= as.Date("2017-01-01")) %>%
  gather(variable, value, -date, -Prix_conso) %>%
  mutate(variable = case_when(variable == "OBS_VALUE_mean_d1" ~ "Inflation de l'IRL (Indice de Référence des Loyers) - Moyenne 12 mois",
                              variable == "OBS_VALUE_d1" ~ "Inflation de l'IPC (Indice des Prix à la Consommation) - Instantanée")) %>%
  ggplot() + ylab("Indice des loyers (simulé)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = Prix_conso, linetype = variable)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(-100, 300, 0.5),
                     labels = percent_format(accuracy = .1, prefix = ""))