TCRED - Retraités et bénéficiaires du minimum vieillesse - TCRED-SALAIRES-REVENUS-RET-BEN

Data - INSEE

Info

LAST_UPDATE

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2025-02-24 6496
2021-09-22 3480

LAST_DOWNLOAD

LAST_DOWNLOAD
2025-12-27

LAST_COMPILE

LAST_COMPILE
2025-12-27

Champ

TITLE_FR

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

INDICATEUR

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  group_by(INDICATEUR, Indicateur) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
INDICATEUR Indicateur Nobs
NOMBRE_MINIMUM_VIEILLESSE Nombre de bénéficiaires du minimum vieillesse 1624
NOMBRE_RETRAITES_REGIME_GENERAL Nombre de retraités du régime général 1624
PART_RETRAITES_POPULATION_ACTIVE Part des retraités dans la population totale 1624
TAUX_MINIMUM_VIEILLESSE_60_ANS Taux de bénéficiaires du minimum vieillesse parmi les personnes de 60 ans ou plus 1624
PART_FEMMES_ISOLEES_MINIMUM_VIEILLESSE Part des femmes isolées parmi les bénéficiaires du minimum vieillesse 1160
PART_FEMMES_MINIMUM_VIEILLESSE Part des femmes parmi les bénéficiaires du minimum vieillesse 1160
PART_PERSONNES_ISOLEES_MINIMUM_VIEILLESSE Part des personnes isolées parmi les bénéficiaires du minimum vieillesse 1160

REF_AREA

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  group_by(REF_AREA) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

NATURE

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  left_join(NATURE, by = "NATURE") %>%
  group_by(NATURE, Nature) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
NATURE Nature Nobs
PROPORTION_POURCENTAGE Proportion en % 5104
VALEUR_ABSOLUE Valeur absolue 3248
RATIO Ratio 1624

TIME_PERIOD / date

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2023 464
2022 464
2021 464
2020 464
2019 812
2018 812
2017 812
2016 812
2015 812
2014 812
2013 812
2012 812
2011 812
2010 812

Sectoriel par département (2011)

Paris, Seine-Saint-Denis, Hauts-de-Seine

Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
  filter(INDICATEUR == "PART_RETRAITES_POPULATION_ACTIVE",
         REF_AREA %in% c("D92", "D93", "D94")) %>%
  year_to_date %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA, linetype = REF_AREA)) +
  xlab("") + ylab("") +  theme_minimal() +
  scale_x_date(breaks = seq(1960, 2020, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 120, 1),
                labels = percent_format(accuracy = 1)) +
  scale_color_manual(values = viridis(5)[1:4]) +
  theme(legend.position = c(0.8, 0.9),
        legend.title = element_blank())