LAST_DOWNLOAD |
---|
2021-12-02 |
Consommation effective des ménages par produit
Data - INSEE
Info
LAST_DOWNLOAD
LAST_COMPILE
LAST_COMPILE |
---|
2024-11-22 |
Last
Code
`conso-eff-produit` %>%
group_by(year) %>%
summarise(Nobs = n()) %>%
arrange(desc(year)) %>%
head(1) %>%
print_table_conditional()
year | Nobs |
---|---|
2020 | 3906 |
Sources
Info
Les tableaux détaillés présentent la consommation effective des ménages depuis 1959 jusqu’à l’année du compte provisoire, déclinée aux niveaux diffusables les plus fins des nomenclatures de produits (Nomenclature agrégée), de fonction (COICOP) et de durabilité.
Pour chaque nomenclature (produit, fonction durabilité), les résultats détaillés ont le format suivant :
- Séries en niveau :
- Consommation aux prix courants (onglet M€cour), que l’on appelle aussi “en valeur” ou “en euros courants”
- Consommation en volume aux prix de l’année précédente chaînés (onglet M€2014), que l’on appelle aussi ““en volume”” ou en ““euros 2014”“. Les consommations en volume au prix de l’année précédente chaînée ne sont pas sommables. En conséquence, la somme des consommations en volume aux prix de l’année précédente chaîné des séries élémentaires constituant un niveau diffère de la consommation pour le niveau total de l’agrégat.
- Indices de prix base 100 en 2014 (onglet Iprix2014)
- Séries en évolution n/n-1 :
- Indices de valeur base 100 l’année précédente (onglet Ival)
- Indices de volume base 100 l’année précédente (onglet Ivol)
- Indices de prix base 100 l’année précédente (onglet Iprix)
- Structure des séries :
- Coefficients budgétaires aux prix courants en % (onglet Coeffcour)
variable
Code
`conso-eff-produit` %>%
group_by(variable) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
variable | Nobs |
---|---|
Coeffcour | 40052 |
Iprix2014 | 40424 |
Ival | 39772 |
Ivol | 39772 |
M€2014 | 40424 |
M€cour | 40424 |
sector, Sector
All
Code
`conso-eff-produit` %>%
group_by(line, sector, Sector, Example) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
A17
Code
`conso-eff-produit` %>%
group_by(sector, Sector, Example) %>%
filter(grepl("A17", sector)) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
sector | Sector | Example | Nobs |
---|---|---|---|
A17.AZ | Agriculture, sylviculture et pêche | NA | 370 |
A17.C1 | Fabric. denrées alimentaires, boissons et prdts à base de tabac | NA | 370 |
A17.C2 | Cokéfaction et raffinage | NA | 370 |
A17.C3 | Fabrication d'équipements électriques, électroniques, informatiques - fabrication de machines | NA | 370 |
A17.C4 | Fabrication de matériels de transport | NA | 370 |
A17.C5 | Fabrication d'autres produits industriels | NA | 370 |
A17.DE | Industries extractives, énergie, eau, gestion des déchets et dépollution | NA | 370 |
A17.FZ | Construction | Petit entretien et réparation du logement à la charge de l'occupant | 370 |
A17.GZ | Commerce - réparation d'automobiles et de motocycles | NA | 370 |
A17.HZ | Transports et entreposage | NA | 370 |
A17.IZ | Hébergement et restauration | NA | 370 |
A17.JZ | Information et communication | NA | 370 |
A17.KZ | Activités financières et d'assurance | NA | 370 |
A17.LZ | Activités immobilières | NA | 370 |
A17.MN | Activités spécialisées, scientifiques et techniques et activités de services administratifs et de soutien | NA | 370 |
A17.OQ | Administration publique, enseignement, santé humaine et action sociale | NA | 370 |
A17.RU | Autres activités de services | NA | 370 |
A38
Code
`conso-eff-produit` %>%
group_by(sector, Sector, Example) %>%
filter(grepl("A38", sector)) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
sector | Sector | Example | Nobs |
---|---|---|---|
A38.BZ | Industries extractives | Sel régénérant | 370 |
A38.CB | Fabrication de textiles, industries de l'habillement, du cuir et de la chaussure | NA | 370 |
A38.CC | Travail du bois, industries du papier et imprimerie | NA | 370 |
A38.CE | Industrie chimique | NA | 370 |
A38.CF | Industrie pharmaceutique | Médicaments et produits stupéfiants | 370 |
A38.CG | Fabrication de produits en caoutchouc et plastique, autres produits minéraux non métalliques | NA | 370 |
A38.CH | Métallurgie et fabrication de produits métalliques sauf machines et équipements | NA | 370 |
A38.CI | Fabrication de produits informatiques, électroniques et optiques | NA | 370 |
A38.CJ | Fabrication d'équipements électriques | NA | 370 |
A38.CK | Fabrication de machines et équipements nca | NA | 370 |
A38.CM | Autres industries manufacturières - réparation et installation de machines et d'équipements | NA | 370 |
A38.DZ | Production et distribution d'électricité, de gaz, de vapeur et d'air conditionné | NA | 370 |
A38.EZ | Production et distribution d'eau ;assainissement, gestion des déchets et dépollution | NA | 370 |
A38.JA | Édition, audiovisuel et diffusion | NA | 370 |
A38.JB | Télécommunications | NA | 370 |
A38.JC | Activités informatiques et services d'information | NA | 370 |
A38.MA | Activités juridiques, comptables, de gestion, architecture, ingénierie, contrôle et analyse technique | NA | 370 |
A38.MC | Autres activités spécialisées, scientifiques et techniques | Tirage et retouche de photographies | 370 |
A38.NZ | Activités de services administratifs et de soutien | NA | 370 |
A38.OZ | Administration publique | NA | 370 |
A38.PZ | Enseignement | NA | 370 |
A38.QA | Activités pour la santé humaine | NA | 370 |
A38.QB | Hébergement médico-social et social, action sociale sans hébergement | NA | 370 |
A38.RZ | Arts, spectacles et activités récréatives | NA | 370 |
A38.SZ | Autres activités de services | NA | 370 |
A38.TZ | Activité des ménages en tant qu'employeurs et producteurs de biens et services pour usage propre | NA | 370 |
A88
Code
`conso-eff-produit` %>%
group_by(sector, Sector, Example) %>%
filter(grepl("A88", sector)) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
year
Code
`conso-eff-produit` %>%
group_by(year) %>%
summarise(Nobs = n()) %>%
arrange(desc(year)) %>%
print_table_conditional()
2019
Désordonné
Code
`conso-eff-produit` %>%
%>%
year_to_date2 left_join(gdp, by = "date") %>%
filter(date == as.Date("2019-01-01"),
== "M€cour") %>%
variable select(-date) %>%
mutate(`% du PIB` = (100*value/(gdp)) %>% round(., digits = 2),
value = round(value)) %>%
select(-gdp, -variable) %>%
if (is_html_output()) datatable(., filter = 'top', rownames = F) else .} {
Ordonné
Code
`conso-eff-produit` %>%
%>%
year_to_date2 left_join(gdp, by = "date") %>%
filter(date == as.Date("2019-01-01"),
== "M€cour") %>%
variable select(-date) %>%
arrange(-value) %>%
mutate(`% du PIB` = (100*value/(gdp)) %>% round(., digits = 2),
value = round(value)) %>%
select(-gdp, -variable) %>%
if (is_html_output()) datatable(., filter = 'top', rownames = F) else .} {
2020
Désordonné
Code
`conso-eff-produit` %>%
%>%
year_to_date2 left_join(gdp, by = "date") %>%
filter(date == as.Date("2020-01-01"),
== "M€cour") %>%
variable select(-date) %>%
mutate(`% du PIB` = (100*value/(gdp)) %>% round(., digits = 2),
value = round(value)) %>%
select(-gdp, -variable) %>%
if (is_html_output()) datatable(., filter = 'top', rownames = F) else .} {
Ordonné
Code
`conso-eff-produit` %>%
%>%
year_to_date2 left_join(gdp, by = "date") %>%
filter(date == as.Date("2020-01-01"),
== "M€cour") %>%
variable select(-date) %>%
arrange(-value) %>%
mutate(`% du PIB` = (100*value/(gdp)) %>% round(., digits = 2),
value = round(value)) %>%
select(-gdp, -variable) %>%
if (is_html_output()) datatable(., filter = 'top', rownames = F) else .} {
% du PIB
Consommation
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("HC10G1A", "HI56Z3", "HC10E1G"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.7, 0.91)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, .1),
labels = scales::percent_format(accuracy = .1))
Fromages, Pain, Services des débits de boissons
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("HC10G1A", "HI56Z3", "HC10E1G"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.7, 0.91)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_log10(breaks = 0.01*seq(0, 100, 0.1),
labels = scales::percent_format(accuracy = 0.1))
Loyers réels, loyers imputés
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("GL68I", "GL68R", "HL68R1"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.91)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
labels = scales::percent_format(accuracy = 0.1))
Activités immobilières
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(line %in% c(550, 551, 552),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.91)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, 1),
labels = scales::percent_format(accuracy = 1))
Automobile
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("A88.29", "GC29A", "HC29A1"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.4, 0.91)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, 0.2),
labels = scales::percent_format(accuracy = 0.1))
Fruits et Légumes
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("A88.01", "HA01S7", "HA01T1"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.7, 0.85)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, 0.2),
labels = scales::percent_format(accuracy = 0.1))
Cafés, Bars, Restaurants
Code
`conso-eff-produit` %>%
year_to_date2() %>%
filter(sector %in% c("HI56Z1", "HI56Z2", "HI56Z3"),
== "M€cour") %>%
variable left_join(gdp, by = "date") %>%
ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
geom_line(aes(x = date, y = value/(gdp), color = Sector)) +
theme(legend.title = element_blank(),
legend.position = c(0.3, 0.85)) +
scale_x_date(breaks = seq(1950, 2020, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_color_manual(values = viridis(4)[1:3]) +
scale_y_continuous(breaks = 0.01*seq(0, 100, 0.2),
labels = scales::percent_format(accuracy = 0.1))
Indices de Prix
Tous
Code
`conso-eff-produit` %>%
filter(variable == "Iprix2014",
%in% c("1990", "2020")) %>%
year select(-variable) %>%
spread(year, value) %>%
mutate(`% / an` = round(100*((`2020`/`1990`)^(1/30)-1), 2)) %>%
arrange(`% / an`) %>%
print_table_conditional()
Activités immobilières
Code
`conso-eff-produit` %>%
filter(variable == "Iprix2014") %>%
%>%
year_to_date2 filter(sector %in% c("A17.LZ",
"A17.FZ")) %>%
filter(date >= as.Date("1990-01-01")) %>%
group_by(sector) %>%
arrange(date) %>%
mutate(value = 100*value/value[1]) %>%
+ theme_minimal() + xlab("") + ylab("") +
ggplot geom_line(aes(x = date, y = value, color = Sector)) +
scale_x_date(breaks = seq(1960, 2022, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10)) +
scale_color_manual(values = viridis(4)[1:3]) +
theme(legend.position = c(0.25, 0.9),
legend.title = element_blank())
Téléphones mobiles
1990-
Code
`conso-eff-produit` %>%
filter(variable == "Iprix2014") %>%
%>%
year_to_date2 filter(sector %in% c("HC26C0A", "GC26C", "GC26AB")) %>%
filter(date >= as.Date("1990-01-01")) %>%
group_by(sector) %>%
arrange(date) %>%
mutate(value = 100*value/value[1]) %>%
+ theme_minimal() + xlab("") + ylab("") +
ggplot geom_line(aes(x = date, y = value, color = Sector)) +
scale_x_date(breaks = seq(1960, 2022, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = c(1, 2, 5, 8, 10, 20, 30, 50, 80, 100)) +
scale_color_manual(values = viridis(4)[1:3]) +
theme(legend.position = c(0.7, 0.9),
legend.title = element_blank())
1996-
Code
`conso-eff-produit` %>%
filter(variable == "Iprix2014") %>%
%>%
year_to_date2 filter(sector %in% c("HC26C0A", "GC26C", "GC26AB")) %>%
filter(date >= as.Date("1996-01-01")) %>%
group_by(sector) %>%
arrange(date) %>%
mutate(value = 100*value/value[1]) %>%
+ theme_minimal() + xlab("") + ylab("") +
ggplot geom_line(aes(x = date, y = value, color = Sector)) +
scale_x_date(breaks = seq(1960, 2022, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = c(1, 2, 5, 8, 10, 20, 30, 50, 80, 100)) +
scale_color_manual(values = viridis(4)[1:3]) +
theme(legend.position = c(0.7, 0.9),
legend.title = element_blank())