source | dataset | .html | .RData |
---|---|---|---|
insee | SALAIRES-ACEMO | 2024-11-05 | 2024-11-09 |
insee | SALAIRES-ACEMO-2017 | 2024-11-05 | 2024-11-09 |
Indices trimestriels de salaires dans le secteur privé
Data - INSEE
Info
Données sur les salaires
source | dataset | .html | .RData |
---|---|---|---|
dares | les-indices-de-salaire-de-base | 2024-11-04 | 2024-09-21 |
insee | CNA-2014-RDB | 2024-11-09 | 2024-11-09 |
insee | CNT-2014-CSI | 2024-11-09 | 2024-11-09 |
insee | ECRT2023 | 2024-11-09 | 2023-06-30 |
insee | if230 | 2024-11-09 | 2021-12-04 |
insee | INDICE-TRAITEMENT-FP | 2024-11-09 | 2024-11-09 |
insee | ir_salaires_SL_23_csv | 2024-11-09 | NA |
insee | ir_salaires_SL_csv | 2024-11-09 | NA |
insee | SALAIRES-ACEMO | 2024-11-05 | 2024-11-09 |
insee | SALAIRES-ACEMO-2017 | 2024-11-05 | 2024-11-09 |
insee | SALAIRES-ANNUELS | 2024-11-05 | 2024-11-09 |
insee | t_7401 | 2024-10-18 | 2024-10-18 |
insee | t_salaire_val | 2024-11-05 | 2024-09-02 |
LAST_UPDATE
Code
`SALAIRES-ACEMO-2017` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
LAST_UPDATE | Nobs |
---|---|
2024-09-13 | 3737 |
LAST_COMPILE
LAST_COMPILE |
---|
2024-11-09 |
Last
Code
`SALAIRES-ACEMO-2017` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
head(1) %>%
print_table_conditional()
TIME_PERIOD | Nobs |
---|---|
2024-Q2 | 129 |
First
Code
`SALAIRES-ACEMO-2017` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
tail(1) %>%
print_table_conditional()
TIME_PERIOD | Nobs |
---|---|
2017-Q2 | 128 |
Définitions
ACEMO: Activité et Conditions d’Emploi de la Main-d’Oeuvre. pdf
Le salaire mensuel de base (SMB) correspond au salaire brut avant déduction des cotisations sociales et avant versement des prestations sociales. Il ne comprend ni les primes ni les heures supplémentaires. Son montant correspond généralement à celui de la première ligne du bulletin de paye d’un salarié.
SMPT vs SMB
Code
ig_b("insee", "ndc-octobre-2021", "salaires")
Code
ig_b("insee", "ndc-octobre-2021", "salaires-evolution")
TITLE_FR
Code
`SALAIRES-ACEMO-2017` %>%
group_by(IDBANK, TITLE_FR) %>%
summarise(Nobs = n(),
date1 = first(TIME_PERIOD),
date2 = last(TIME_PERIOD)) %>%
arrange(-Nobs) %>%
print_table_conditional()
INDICATEURS_ACEMO
Code
`SALAIRES-ACEMO-2017` %>%
left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
group_by(INDICATEURS_ACEMO, Indicateurs_acemo) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
INDICATEURS_ACEMO | Indicateurs_acemo | Nobs |
---|---|---|
ISMS | Indice des salaires mensuels de base | 1359 |
ITSHO | Indice des taux de salaire horaire des ouvrier | 1189 |
ITSHOE | Indice des taux de salaire horaire des ouvriers et des employé | 1189 |
NATURE
Code
`SALAIRES-ACEMO-2017` %>%
left_join(NATURE, by = "NATURE") %>%
group_by(NATURE, Nature) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
NATURE | Nature | Nobs |
---|---|---|
INDICE | Indice | 3712 |
GLISSEMENT_ANNUEL | Glissement annuel | 25 |
NAF2
Code
`SALAIRES-ACEMO-2017` %>%
left_join(NAF2, by = "NAF2") %>%
group_by(NAF2, Naf2) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
TIME_PERIOD
Code
`SALAIRES-ACEMO-2017` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
print_table_conditional()
TIME_PERIOD | Nobs |
---|---|
2024-Q2 | 129 |
2024-Q1 | 129 |
2023-Q4 | 129 |
2023-Q3 | 129 |
2023-Q2 | 129 |
2023-Q1 | 129 |
2022-Q4 | 129 |
2022-Q3 | 129 |
2022-Q2 | 129 |
2022-Q1 | 129 |
2021-Q4 | 129 |
2021-Q3 | 129 |
2021-Q2 | 129 |
2021-Q1 | 129 |
2020-Q4 | 129 |
2020-Q3 | 129 |
2020-Q2 | 129 |
2020-Q1 | 129 |
2019-Q4 | 129 |
2019-Q3 | 129 |
2019-Q2 | 129 |
2019-Q1 | 129 |
2018-Q4 | 129 |
2018-Q3 | 129 |
2018-Q2 | 129 |
2018-Q1 | 128 |
2017-Q4 | 128 |
2017-Q3 | 128 |
2017-Q2 | 128 |
Ensemble des secteurs non agricoles
ACEMO, ACEMO-2017
Join
Code
`SALAIRES-ACEMO-2017` %>%
bind_rows(`SALAIRES-ACEMO`) %>%
filter(NAF2 == "ENS_H_AZ",
== "INDICE",
NATURE == "ISMS") %>%
INDICATEURS_ACEMO %>%
quarter_to_date arrange(date) %>%
left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
group_by(REF_AREA) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
ggplot(.) + theme_minimal() + ylab("") + xlab("") +
geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.8)) +
scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 200, 5))
Base 1999 = 100
Code
`SALAIRES-ACEMO-2017` %>%
bind_rows(`SALAIRES-ACEMO`) %>%
filter(NAF2 == "ENS_H_AZ",
== "INDICE",
NATURE == "ISMS") %>%
INDICATEURS_ACEMO %>%
quarter_to_date arrange(date) %>%
left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
group_by(REF_AREA) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
%>%
ungroup filter(date >= as.Date("1999-01-01")) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("1999-01-01")]) %>%
ggplot(.) + theme_minimal() + ylab("") + xlab("") +
geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.8)) +
scale_x_date(breaks = seq(1999, 2100, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 200, 5))
All
Code
`SALAIRES-ACEMO-2017` %>%
filter(NAF2 == "ENS_H_AZ",
== "INDICE") %>%
NATURE %>%
quarter_to_date arrange(date) %>%
left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
group_by(Indicateurs_acemo) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
ggplot(.) + theme_minimal() + ylab("") + xlab("") +
geom_line(aes(x = date, y = OBS_VALUE, color = Indicateurs_acemo)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.8)) +
scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 200, 1))
Matériel de transport
All
Code
`SALAIRES-ACEMO-2017` %>%
filter(NAF2 == "A17-C4",
== "INDICE") %>%
NATURE %>%
quarter_to_date arrange(date) %>%
left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
group_by(Indicateurs_acemo) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
ggplot(.) + theme_minimal() + ylab("") + xlab("") +
geom_line(aes(x = date, y = OBS_VALUE, color = Indicateurs_acemo)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.8)) +
scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 200, 1))