Évolution du revenu disponible brut et du pouvoir d’achat - Données trimestrielles

Data - Insee

Author

François Geerolf

Info

source dataset .html .RData
insee reve-niv-vie-pouv-achat-trim 2024-11-09 2024-09-05

Données sur le pouvoir d’achat

source dataset .html .RData
insee CNA-2014-RDB 2024-11-22 2024-11-22
insee CNT-2014-CSI 2024-11-22 2024-11-21
insee conso-eff-fonction 2024-11-22 2022-06-14
insee econ-gen-revenu-dispo-pouv-achat-2 2024-11-22 2024-07-05
insee reve-conso-evo-dep-pa 2024-11-22 2024-09-05
insee reve-niv-vie-individu-activite 2024-11-22 NA
insee reve-niv-vie-pouv-achat-trim 2024-11-09 2024-09-05
insee T_7401 2024-10-18 2024-10-18
insee t_men_val 2024-11-22 2024-09-02
insee t_pouvachat_val 2024-11-22 2024-09-04
insee t_recapAgent_val 2024-11-09 2024-09-02
insee t_salaire_val 2024-11-09 2024-09-02
oecd HH_DASH 2024-09-15 2023-09-09

LAST_COMPILE

LAST_COMPILE
2024-11-22

Bibliographie en lien

Français

  • “Mesurer le pouvoir d’achat”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

  • “Inflation en France: IPC ou IPCH ?”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

  • “La taxe inflationniste, le pouvoir d’achat, le taux d’épargne et le déficit public”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

Info

  • Évolution du revenu disponible brut et du pouvoir d’achat. Données trimestrielles du T1-1949 au T2-2023. html / xlsx

Revenu disponible brut. Il s’agit de la part du revenu qui reste à la disposition du ménage pour consommer et épargner, une fois déduits les prélèvements sociaux et les impôts.

Les ressources comprennent : - les revenus d’activité (salaires, revenus des entrepreneurs individuels…), - les revenus du patrimoine (dividendes, intérêts, loyers), - les prestations sociales (y compris les pensions de retraite et les indemnités de chômage), - les transferts courants (notamment les indemnités d’assurance nette des primes). Les charges comprennent notamment les impôts directs (impôt sur le revenu, taxe d’habitation, CSG…).

Variable

Code 
`reve-niv-vie-pouv-achat-trim` %>%
  group_by(Variable) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional
Variable Nobs
Pouvoir d'achat du RDB 302
Pouvoir d'achat du RDB par UC 302
RDB par unité de consommation (UC) 302
Revenu disponible brut (RDB) 302
Taux d'épargne 302
Taux d'épargne financière 302

date

Code 
`reve-niv-vie-pouv-achat-trim` %>%
  group_by(date) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(date)) %>%
  print_table_conditional

Evolution

2017T2-

% change

Code 
`reve-niv-vie-pouv-achat-trim` %>%
  filter(date %in% c(max(date), as.Date("2017-04-01"))) %>%
  spread(date, value) %>%
  print_table_conditional(.)
Variable vintage 2017-04-01 2024-04-01
Pouvoir d'achat du RDB 2024T1 0.61811033 0.34411495
Pouvoir d'achat du RDB par UC 2024T1 0.4729092 0.21403967
RDB par unité de consommation (UC) 2024T1 0.4666445 0.4412231
Revenu disponible brut (RDB) 2024T1 0.61183657 0.57159326
Taux d'épargne 2024T1 14.16476591 17.8970874
Taux d'épargne financière 2024T1 4.16429987 8.49189916

Evolution pouvoir d’achat par UC

Tous

Linear

Code 
plot_linear <- `reve-niv-vie-pouv-achat-trim` %>%
  filter(grepl(pouvoir_achat_RDB_UC, Variable)) %>%
  arrange(date) %>%
  mutate(value = as.numeric(value)) %>%
  filter(!is.na(value)) %>%
  mutate(value = ifelse(date == min(date), 0, value)) %>%
  mutate(index = 100*cumprod(1+value/100)) %>%
  ggplot + geom_line(aes(x = date, y = index)) +
  scale_y_continuous(breaks = seq(100, 1000, 10)) +
  scale_x_date(breaks = seq(1950, 2100, 10) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme_minimal() + xlab("") + ylab("Pouvoir d'achat du RDB par UC (Base 100 = 1980)")

plot_linear

Log

Code 
plot_log <- plot_linear +
  scale_y_log10(breaks = seq(100, 900, 10))

plot_log

Linear, Log

Code 
ggarrange(plot_linear, plot_log + ylab(""))

1980-

Linear

Code 
plot_linear <- `reve-niv-vie-pouv-achat-trim` %>%
  filter(grepl(pouvoir_achat_RDB_UC, Variable),
         date >= as.Date("1980-01-01")) %>%
  arrange(date) %>%
  mutate(value = as.numeric(value),
         value = ifelse(date == min(date), 0, value)) %>%
  mutate(index = 100*cumprod(1+value/100)) %>%
  ggplot + geom_line(aes(x = date, y = index)) +
  scale_y_continuous(breaks = seq(100, 1000, 10)) +
  scale_x_date(breaks = seq(1950, 2100, 10) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme_minimal() + xlab("") + ylab("Pouvoir d'achat du RDB par UC (Base 100 = 1980)")

plot_linear

Log

Code 
plot_log <- plot_linear +
  scale_y_log10(breaks = seq(100, 900, 10))

plot_log

Linear, Log

Code 
ggarrange(plot_linear, plot_log + ylab(""))

Evolution pouvoir d’achat

Tous

Linear

Code 
plot_linear <- `reve-niv-vie-pouv-achat-trim` %>%
  filter(Variable == "Pouvoir d'achat du RDB") %>%
  arrange(date) %>%
  mutate(value = as.numeric(value),
         value = ifelse(date == min(date), 0, value)) %>%
  mutate(index = 100*cumprod(1+value/100)) %>%
  ggplot + geom_line(aes(x = date, y = index)) +
  scale_y_continuous(breaks = seq(100, 1000, 100)) +
  scale_x_date(breaks = seq(1950, 2100, 10) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme_minimal() + xlab("") + ylab("Pouvoir d'achat du RDB (Base 100 = 1949)")

plot_linear

Log

Code 
plot_log <- plot_linear +
  scale_y_log10(breaks = seq(100, 900, 100))

plot_log

Linear, Log

Code 
ggarrange(plot_linear, plot_log + ylab(""))

1960-

Linear

Code 
plot_linear <- `reve-niv-vie-pouv-achat-trim` %>%
  filter(Variable == "Pouvoir d'achat du RDB",
         date >= as.Date("1960-01-01")) %>%
  arrange(date) %>%
  mutate(value = as.numeric(value),
         value = ifelse(date == min(date), 0, value)) %>%
  mutate(index = 100*cumprod(1+value/100)) %>%
  ggplot + geom_line(aes(x = date, y = index)) +
  scale_y_continuous(breaks = seq(100, 1000, 100)) +
  scale_x_date(breaks = seq(1950, 2100, 10) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme_minimal() + xlab("") + ylab("Pouvoir d'achat du RDB (Base 100 = 1960)")

plot_linear

Log

Code 
plot_log <- plot_linear +
  scale_y_log10(breaks = seq(100, 900, 100))

plot_log

Linear, Log

Code 
ggarrange(plot_linear, plot_log + ylab(""))

1980-

Linear

Code 
plot_linear <- `reve-niv-vie-pouv-achat-trim` %>%
  filter(Variable == "Pouvoir d'achat du RDB",
         date >= as.Date("1980-01-01")) %>%
  arrange(date) %>%
  mutate(value = as.numeric(value),
         value = ifelse(date == min(date), 0, value)) %>%
  mutate(index = 100*cumprod(1+value/100)) %>%
  ggplot + geom_line(aes(x = date, y = index)) +
  scale_y_continuous(breaks = seq(100, 1000, 10)) +
  scale_x_date(breaks = seq(1950, 2100, 10) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme_minimal() + xlab("") + ylab("Pouvoir d'achat du RDB (Base 100 = 1980)")

plot_linear

Log

Code 
plot_log <- plot_linear +
  scale_y_log10(breaks = seq(100, 900, 10))

plot_log

Linear, Log

Code 
ggarrange(plot_linear, plot_log + ylab(""))