Indices trimestriels de salaires dans le secteur privé - Résultats par secteur d’activité

Data - INSEE

Author

Info

source	dataset	.html	.RData
insee	SALAIRES-ACEMO	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	2024-07-04	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

Data on wages

source	dataset	.html	.RData
eurostat	earn_mw_cur	2024-07-01	2024-06-30
eurostat	ei_lmlc_q	2024-07-01	2024-06-30
eurostat	lc_lci_lev	2024-07-01	2024-06-30
eurostat	lc_lci_r2_q	2024-07-01	2024-07-01
eurostat	nama_10_lp_ulc	2024-07-01	2024-06-30
eurostat	namq_10_lp_ulc	2024-07-01	2024-06-30
eurostat	tps00155	2024-07-01	2024-06-30
fred	wage	2024-07-03	2024-07-03
ilo	EAR_4MTH_SEX_ECO_CUR_NB_A	2024-06-20	2023-06-01
ilo	EAR_XEES_SEX_ECO_NB_Q	2024-06-20	2023-06-01
oecd	AV_AN_WAGE	2024-04-16	2023-09-09
oecd	AWCOMP	2024-07-01	2023-09-09
oecd	EAR_MEI	2024-04-16	2024-04-16
oecd	HH_DASH	2024-07-01	2023-09-09
oecd	MIN2AVE	2024-07-01	2023-09-09
oecd	RMW	2024-07-01	2024-03-12
oecd	ULC_EEQ	2024-07-01	2024-04-15

LAST_UPDATE

Code

`SALAIRES-ACEMO` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

LAST_UPDATE	Nobs
2018-06-22	8422

LAST_COMPILE

LAST_COMPILE
2024-07-04

Last

Code

`SALAIRES-ACEMO` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()

TIME_PERIOD	Nobs
2018-Q1	129

First

Code

`SALAIRES-ACEMO` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  tail(1) %>%
  print_table_conditional()

TIME_PERIOD	Nobs
1998-Q4	88

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.
L’enquête ACEMO (enquête sur l’activité et les conditions d’emploi de la main d’œuvre) est réalisée auprès des entreprises de l’ensemble du secteur marchand hors employeurs agricoles, administration publique, syndicats de copropriété, associations de type loi 1901 de l’action sociale, activités des ménages, activités extraterritoriales de France métropolitaine. L’enquête ACEMO est réalisée par la Dares trimestriellement auprès des entreprises de 10 salariés ou plus et annuellement et de manière simplifiée auprès des entreprises de moins de 10 salariés. L’enquête mesure les évolutions conjoncturelles de :

L’emploi salarié en fin de trimestre. L’ensemble des salariés ayant un contrat de travail et qui sont payés par l’établissement sont comptés à l’exclusion des intérimaires et des stagiaires. Les salariés à temps partiel, en contrat à durée déterminée et en contrat « nouvelles-embauches » (CNE) sont aussi pris en compte.
Les salaires de base : salaire mensuel de base (SMB) et salaire horaire de base des ouvriers (SHBO).
La durée collective du travail : la durée collective (ou offerte) mesure l’horaire collectif de travail, commun à un groupe de salariés tel qu’il est affiché sur leur lieu de travail. Elle ne s’applique qu’aux salariés à temps complet, la durée du travail des salariés à temps partiel étant fixée par leur contrat de travail. L’enquête ACEMO permet en outre de calculer la proportion de salariés dont le temps de travail est décompté sous forme d’un forfait en jours.

SMPT vs SMB

Code

i_g("bib/insee/ndc-octobre-2021/salaires.png")

Code

i_g("bib/insee/ndc-octobre-2021/salaires-evolution.png")

TITLE_FR

Tous

Code

`SALAIRES-ACEMO` %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n(),
            date1 = first(TIME_PERIOD),
            date2 = last(TIME_PERIOD)) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

NAF2 = ENS_H_AZ

Code

`SALAIRES-ACEMO` %>%
  filter(NAF2 == "ENS_H_AZ") %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n(),
            date1 = first(TIME_PERIOD),
            date2 = last(TIME_PERIOD)) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

IDBANK	TITLE_FR	Nobs	date1	date2
001567407	Indice des taux de salaire horaire des ouvriers - Ensemble des secteurs non agricoles - NAF rév. 2 ENS) - Base 100 au T4 2008 - Série arrêtée	78	2018-Q1	1998-Q4
001567453	Indice des salaires mensuels de base - Ensemble des secteurs non agricoles - NAF rév. 2 ENS) - Base 100 au T4 2008 - Série arrêtée	78	2018-Q1	1998-Q4
001643152	Glissement annuel de l'indice des salaires mensuels de base - Ensemble des secteurs non agricoles (NAF rév. 2, ensemble) – Série arrêtée	78	2018-Q1	1998-Q4
001657369	Indice des taux de salaire horaire des ouvriers et des employés - Ensemble des secteurs non agricoles - NAF rév. 2 ENS) - Base 100 au T4 2008 - Série arrêtée	38	2018-Q1	2008-Q4

INDICATEURS_ACEMO

Code

`SALAIRES-ACEMO` %>%
  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	3666
ITSHO	Indice des taux de salaire horaire des ouvrier	3198
ITSHOE	Indice des taux de salaire horaire des ouvriers et des employé	1558

BASIND

Code

`SALAIRES-ACEMO` %>%
  left_join(BASIND, by = "BASIND") %>%
  group_by(BASIND, Basind) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

BASIND	Basind	Nobs
2008-T4	4ème trimestre de 2008	8344
SO	Sans objet	78

NATURE

Code

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

NATURE	Nature	Nobs
INDICE	Indice	8344
GLISSEMENT_ANNUEL	Glissement annuel	78

NAF2

Code

`SALAIRES-ACEMO` %>%
  left_join(NAF2, by = "NAF2") %>%
  group_by(NAF2, Naf2) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

TIME_PERIOD

Code

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

Indice

Code

`SALAIRES-ACEMO` %>%
  filter(NAF2 == "ENS_H_AZ",
         NATURE == "INDICE",
         INDICATEURS_ACEMO %in% c("ISMS", "ITSHO")) %>%
  quarter_to_date %>%
  left_join(INDICATEURS_ACEMO, by = "INDICATEURS_ACEMO") %>%
  group_by(Indicateurs_acemo) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("1998-10-01")]) %>%
  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, 2022, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 200, 5))