Consommation de biens, données mensuelles
Data - Insee
François Geerolf
Info
| source | dataset | .html | .RData |
|---|---|---|---|
| insee | conso-mensuelle | 2024-05-30 | 2023-07-04 |
Données sur la macroéconomie en France
| source | dataset | .html | .RData |
|---|---|---|---|
| bdf | CFT | 2024-05-24 | 2024-06-06 |
| insee | CNA-2014-CONSO-MEN | 2024-06-07 | 2024-04-09 |
| insee | CNA-2014-CONSO-SI | 2024-06-07 | 2024-06-07 |
| insee | CNA-2014-CSI | 2024-06-07 | 2024-06-07 |
| insee | CNA-2014-FBCF-BRANCHE | 2024-06-07 | 2024-06-07 |
| insee | CNA-2014-FBCF-SI | 2024-06-07 | 2024-06-07 |
| insee | CNA-2014-PIB | 2024-06-07 | 2024-06-07 |
| insee | CNA-2014-RDB | 2024-06-07 | 2024-06-07 |
| insee | CNT-2014-CB | 2024-06-07 | 2024-06-07 |
| insee | CNT-2014-CSI | 2024-05-30 | 2024-06-07 |
| insee | CNT-2014-OPERATIONS | 2024-06-07 | 2024-06-07 |
| insee | CNT-2014-PIB-EQB-RF | 2024-06-07 | 2024-06-07 |
| insee | CONSO-MENAGES-2014 | 2024-06-07 | 2024-06-07 |
| insee | conso-mensuelle | 2024-05-30 | 2023-07-04 |
| insee | ICA-2015-IND-CONS | 2024-05-30 | 2024-06-07 |
| insee | t_1101 | 2024-05-30 | 2022-01-02 |
| insee | t_1102 | 2024-05-30 | 2020-10-30 |
| insee | t_1105 | 2024-05-30 | 2020-10-30 |
Info
- Méthodologie. pdf
Cet indicateur de la consommation est construit à partir de différentes sources statistiques établies par la Banque de France, le Service de l’observation et des statistiques (SOeS) du ministère de l’équipement, le Comité des constructeurs français d’automobiles, l’Observatoire économique de l’Institut français de la Mode, la Caisse nationale de l’assurance maladie, le Syndicat national du caoutchouc et des plastiques, le comité des producteurs de pétrole, GDF-Suez, RTE, GFK, la Altadis/Seita, la Chambre Syndicale Internationale de l’Automobile et du Motocycle, l’Office national interprofessionnel des grandes cultures. Les séries sont cohérentes avec celles publiées, par ailleurs, dans les comptes nationaux trimestriels.
LAST_COMPILE
| LAST_COMPILE |
|---|
| 2024-06-08 |
Last
`conso-mensuelle` %>%
group_by(date) %>%
summarise(Nobs = n()) %>%
arrange(desc(date)) %>%
head(1) %>%
print_table_conditional()| date | Nobs |
|---|---|
| 2023-05-01 | 16 |
variable
`conso-mensuelle` %>%
left_join(variable, by = "variable") %>%
group_by(variable, Variable) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| variable | Variable | Nobs |
|---|---|---|
| ALIM | Alimentaire | 521 |
| ALIM_XT | Alimentaire hors tabac | 521 |
| COKEFACTION_RAFFINAGE | Cokéfaction et raffinage | 521 |
| DURABLES | Biens durables | 521 |
| DURABLES_AUTRES | Autres biens durables | 521 |
| ENERGIE | Energie | 521 |
| ENERGIE_EAU | Energie, eau et déchets | 521 |
| EQUIPEMENT | Equipement du logement | 521 |
| FABRIQUES | Biens fabriqués | 521 |
| FABRIQUES_AUTRES | Autres biens fabriqués | 521 |
| HORS_PETROLE | Hors produits pétroliers | 521 |
| MANUFACTURES | Biens manufacturés | 521 |
| PETROLE | Dont produits pétroliers | 521 |
| TEXTILE | Textile-cuir | 521 |
| TOTAL | Total | 521 |
| TRANSPORT | Matériels de transport | 521 |
date
Alimentaire, Biens fabriqués, Biens manufacturés, Energie
1980-
`conso-mensuelle` %>%
filter(variable %in% c("MANUFACTURES", "FABRIQUES", "ENERGIE", "ALIM")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2000-
`conso-mensuelle` %>%
filter(variable %in% c("MANUFACTURES", "FABRIQUES", "ENERGIE", "ALIM"),
date >= as.Date("2000-01-01")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
Total, Alimentaire
1980-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
2000-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM"),
date >= as.Date("2000-01-01")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2010-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM"),
date >= as.Date("2010-01-01")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2017-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM"),
date >= as.Date("2017-01-01")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Total, Alimentaire, Alimentaire XTabac
1980-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM_XT", "ALIM")) %>%
left_join(variable, by = "variable") %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
Total, Alimentaire, Alimentaire XTabac
1980-
`conso-mensuelle` %>%
filter(variable %in% c("TOTAL", "ALIM_XT", "ALIM")) %>%
spread(variable, value) %>%
mutate(XT = ALIM - ALIM_XT) %>%
gather(variable, value, -date) %>%
left_join(variable, by = "variable") %>%
mutate(Variable = ifelse(variable == "XT", "Tabac", Variable)) %>%
group_by(variable) %>%
mutate(value = 100*value/value[1]) %>%
ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))