Évolution de la dépense et du pouvoir d’achat des ménages - Données annuelles de 1960 à 2023

Data - INSEE

Author

François Geerolf

Info

source dataset Title .html .rData
insee reve-conso-evo-dep-pa Évolution de la dépense et du pouvoir d’achat des ménages - Données annuelles de 1960 à 2023 2025-10-10 2024-12-11

Données sur le pouvoir d’achat

source dataset Title .html .rData
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2025-10-10 2025-10-09
insee CNT-2014-CSI Comptes de secteurs institutionnels 2025-10-10 2025-10-09
insee T_7401 7.401 – Compte des ménages (S14) (En milliards d'euros) 2025-10-10 2025-09-29
insee conso-eff-fonction Consommation effective des ménages par fonction 2025-10-10 2022-06-14
insee econ-gen-revenu-dispo-pouv-achat-2 Revenu disponible brut et pouvoir d’achat - Données annuelles 2025-10-10 2024-07-05
insee reve-conso-evo-dep-pa Évolution de la dépense et du pouvoir d’achat des ménages - Données annuelles de 1960 à 2023 2025-10-10 2024-12-11
insee reve-niv-vie-individu-activite NA NA NA
insee reve-niv-vie-pouv-achat-trim Évolution du revenu disponible brut et du pouvoir d’achat - Données trimestrielles 2025-10-10 2024-12-11
insee t_men_val Revenu, pouvoir d'achat et comptes des ménages - Valeurs aux prix courants 2025-10-10 2025-08-29
insee t_pouvachat_val Pouvoir d'achat et ratios des comptes des ménages 2025-10-10 2025-08-29
insee t_recapAgent_val Récapitulatif des séries des comptes d'agents 2025-10-10 2025-09-29
insee t_salaire_val Salaire moyen par tête - SMPT (données CVS) 2025-10-10 2025-08-29
oecd HH_DASH Household Dashboard 2025-09-29 2023-09-09

LAST_COMPILE

LAST_COMPILE
2025-10-11

Variable

Code 
`reve-conso-evo-dep-pa` %>%
  group_by(variable) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional
variable Nobs
Dépense de consommation finale (en volume) 64
Pouvoir d'achat arbitrable 64
Pouvoir d'achat du RDB 64

date

Code 
`reve-conso-evo-dep-pa` %>%
  year_to_date2 %>%
  group_by(date) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(date)) %>%
  print_table_conditional

Pouvoir d’achat

1959-

Code 
`reve-conso-evo-dep-pa` %>%
  arrange(year) %>%
  add_row(year = "1959", variable = "Dépense de consommation finale (en volume)", value = NA) %>%
  add_row(year = "1959", variable = "Pouvoir d'achat du RDB", value = NA) %>%
  add_row(year = "1959", variable = "Pouvoir d'achat arbitrable", value = NA) %>%
  year_to_date2 %>%
  filter(date >= as.Date("1959-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(index = c(100, 100*cumprod(1 + value[-1]/100))) %>%
  ggplot() + geom_line(aes(x = date, y = index, color = variable)) +
  xlab("") + ylab("") + theme_minimal() +
  
  scale_x_date(breaks = as.Date(paste0(seq(1959, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(100, 1000, 100)) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = index, color = variable, label = round(index, 1)))

1990-

Code 
`reve-conso-evo-dep-pa` %>%
  year_to_date2 %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(index = c(100, 100*cumprod(1 + value[-1]/100))) %>%
  ggplot() + geom_line(aes(x = date, y = index, color = variable)) +
  xlab("") + ylab("") + theme_minimal() +
  
  scale_x_date(breaks = as.Date(paste0(seq(1990, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(100, 250, 5)) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = index, color = variable, label = round(index, 1)))

1999-

Code 
`reve-conso-evo-dep-pa` %>%
  year_to_date2 %>%
  filter(date >= as.Date("1999-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(index = c(100, 100*cumprod(1 + value[-1]/100))) %>%
  ggplot() + geom_line(aes(x = date, y = index, color = variable)) +
  xlab("") + ylab("") + theme_minimal() +
  
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(100, 150, 5)) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = index, color = variable, label = round(index, 1)))

2007-

Code 
`reve-conso-evo-dep-pa` %>%
  year_to_date2 %>%
  filter(date >= as.Date("2007-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(index = c(100, 100*cumprod(1 + value[-1]/100))) %>%
  ggplot() + geom_line(aes(x = date, y = index, color = variable)) +
  xlab("") + ylab("") + theme_minimal() +
  
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(100, 150, 2)) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = index, color = variable, label = round(index, 1)))

2017T2-

Code 
`reve-conso-evo-dep-pa` %>%
  year_to_date2 %>%
  filter(date >= as.Date("2017-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(index = c(100, 100*cumprod(1 + value[-1]/100))) %>%
  ggplot() + geom_line(aes(x = date, y = index, color = variable)) +
  xlab("") + ylab("") + theme_minimal() +
  
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(50, 150, 1)) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = index, color = variable, label = round(index, 1)))