Indices trimestriels de salaires dans le secteur privé

Data - INSEE

Author

François Geerolf

Info

source dataset .html .RData

insee

SALAIRES-ACEMO

 2024-07-02 2024-07-03

insee

SALAIRES-ACEMO-2017

 2024-07-02 2024-07-03

Données sur les salaires

source dataset .html .RData

dares

les-indices-de-salaire-de-base

 2024-06-23 2024-06-22

insee

CNA-2014-RDB

 2024-07-03 2024-07-03

insee

CNT-2014-CSI

 2024-07-03 2024-07-03

insee

ECRT2023

 2024-07-03 2023-06-30

insee

if230

 2024-07-03 2021-12-04

insee

INDICE-TRAITEMENT-FP

 2024-07-03 2024-07-02

insee

ir_salaires_SL_csv

 2024-07-04 NA

insee

SALAIRES-ACEMO

 2024-07-02 2024-07-03

insee

SALAIRES-ACEMO-2017

 2024-07-02 2024-07-03

insee

SALAIRES-ANNUELS

 2024-07-02 2024-07-03

insee

t_7401

 2024-07-02 2023-12-23

insee

t_salaire_val

 2024-06-20 2024-07-01

LAST_UPDATE

Code 
`SALAIRES-ACEMO-2017` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2024-06-14 3608

LAST_COMPILE

LAST_COMPILE
2024-07-04

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-Q1 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 1312
ITSHO Indice des taux de salaire horaire des ouvrier 1148
ITSHOE Indice des taux de salaire horaire des ouvriers et des employé 1148

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 3584
GLISSEMENT_ANNUEL Glissement annuel 24

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-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",
         NATURE == "INDICE",
         INDICATEURS_ACEMO == "ISMS") %>%
  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",
         NATURE == "INDICE",
         INDICATEURS_ACEMO == "ISMS") %>%
  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",
         NATURE == "INDICE") %>%
  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",
         NATURE == "INDICE") %>%
  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))