Niveau de vie selon l’activité - Données annuelles

Data - INSEE

Author

François Geerolf

Info

source dataset Title .html .rData
insee reve-niv-vie-individu-activite NA NA NA

Info

  • Revenu, niveau de vie et pauvreté en 2019. Enquête Revenus fiscaux et sociaux (ERFS) - Insee Résultats. html

  • Niveau de vie selon l’âge. Données annuelles de 1996 à 2019. html

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

year

Code 
`reve-niv-vie-individu-activite-moyen` %>%
  group_by(year) %>%
  summarise(Nobs = n()) %>%
  print_table_conditional()
year Nobs
1996 10
1997 10
1998 10
1999 10
2000 10
2001 10
2002 10
2003 10
2004 10
2005 10
2006 10
2007 10
2008 10
2009 10
2010 10
20102 10
2011 10
2012 10
20123 10
2013 10
2014 10
2015 10
2016 10
2017 10
2018 10
2019 10

variable

Code 
`reve-niv-vie-individu-activite-moyen` %>%
  group_by(activite) %>%
  summarise(Nobs = n()) %>%
  print_table_conditional()
activite Nobs
Actifs occupés 26
Actifs âgés de 18 ans ou plus 26
Autres inactifs (dont étudiants) 26
Chômeurs 26
Enfants de moins de 18 ans4 26
Ensemble 26
Inactifs âgés de 18 ans ou plus 26
Retraités 26
    Indépendants 26
    Salariés 26

Niveau de vie moyen

Table 1996-2008, 2008-2019

Javascript

Code 
`reve-niv-vie-individu-activite-moyen` %>%
  mutate(year = as.numeric(year)) %>%
  filter(year %in% c(1996, 2008, 2019)) %>%
  select(activite, year, value) %>%
  spread(year, value) %>%
  mutate(`1996-2008` = round(100*((`2008`/`1996`)^(1/12)-1), 2),
         `2008-2019` = round(100*((`2019`/`2008`)^(1/11)-1), 2)) %>%
  print_table_conditional()
activite 1996 2008 2019 1996-2008 2008-2019
    Indépendants 25040 33930 33660 2.56 -0.07
    Salariés 22280 26120 27360 1.33 0.42
Actifs âgés de 18 ans ou plus 21670 26230 27300 1.60 0.36
Actifs occupés 22620 26960 28140 1.47 0.39
Autres inactifs (dont étudiants) 18500 21730 20850 1.35 -0.38
Chômeurs 14930 17570 17780 1.37 0.11
Enfants de moins de 18 ans4 18560 22540 22530 1.63 0.00
Ensemble 20430 24720 25190 1.60 0.17
Inactifs âgés de 18 ans ou plus 20100 24070 24050 1.51 -0.01
Retraités 20980 25170 25390 1.53 0.08

Graph

Code 
`reve-niv-vie-individu-activite-moyen` %>%
  filter(!is.na(activite)) %>%
  mutate(year = as.numeric(year)) %>%
  filter(year %in% c(1996, 2008, 2019)) %>%
  spread(year, value) %>%
  transmute(activite,
            `1996-2008` = (`2008`/`1996`)^(1/12)-1,
            `2008-2019` = (`2019`/`2008`)^(1/11)-1) %>%
  gather(variable, value, -activite) %>%
  ggplot + geom_line(aes(x = activite, y = value, color = variable, group = variable)) +
  theme_minimal() +
  theme(legend.position = c(0.15, 0.55),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  xlab("") + ylab("Gain de niveau de vie en € constants/an") +
  scale_y_continuous(breaks = 0.01*seq(-30, 50, 0.2),
                     labels = percent_format(accuracy = .1)) + 
  geom_hline(yintercept = 0, linetype = "dashed",  color = "black")