2.103 – Dépense de consommation finale pré-engagée des ménages à prix courants (En milliards d’euros et %) - T_2103

Data - INSEE

Auteur

François Geerolf

VARIABLE, Variable

Code 
T_2103 %>%
  group_by(VARIABLE, Variable) %>%
  summarise(Nobs = n()) %>%
  print_table_conditional()
VARIABLE Variable Nobs
B6G Revenu disponible brut 66
CPDPE Dépense de consommation finale pré-engagée 66
CPHDPE Dépense de consommation autre que pré-engagée 66
P3 Dépense de consommation finale des ménages 66
_ASSUR_REVENU Part des assurances (hors assurance-vie) et services financiers dans le revenu disponible brut 66
_CANTINE_REVENU Part des cantines dans le revenu disponible brut 66
_DEP_CONSO Part de la dépense pré-engagée dans la dépense de consommation finale des ménages 66
_DEP_LOGT_REVENU Part de la dépense liée au logement dans le revenu disponible brut 66
_DEP_REVENU Part de la dépense pré-engagée dans le revenu disponible brut 66
_TELE_REVENU Part des services de télévision et de télécommunications dans le revenu disponible brut 66

Logement VS dépenses pré-engagées

Code 
T_2103 %>%
  filter(VARIABLE %in% c("_DEP_LOGT_REVENU", "_DEP_REVENU")) %>%
  year_to_date2 %>%
  ggplot(.) + theme_minimal() + xlab("") + ylab("% du revenu disponible brut") +
  geom_line(aes(x = date, y = value / 100, color = Variable)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.65, 0.15)) +
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 30, 2),
                     labels = scales::percent_format(accuracy = 1))

Assurances, Services de TV

Code 
T_2103 %>%
  filter(VARIABLE %in% c("_ASSUR_REVENU", "_TELE_REVENU")) %>%
  year_to_date2 %>%
  ggplot(.) + theme_minimal() + xlab("") + ylab("% du revenu disponible brut") +
  geom_line(aes(x = date, y = value / 100, color = Variable)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.65, 0.15)) +
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 30, 1),
                     labels = scales::percent_format(accuracy = 1))

Assurances, Services de TV, Cantines

Code 
T_2103 %>%
  filter(VARIABLE %in% c("_ASSUR_REVENU", "_TELE_REVENU", "_CANTINE_REVENU")) %>%
  year_to_date2 %>%
  ggplot(.) + theme_minimal() + xlab("") + ylab("% du revenu disponible brut") +
  geom_line(aes(x = date, y = value / 100, color = Variable)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.9)) +
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 30, 1),
                     labels = scales::percent_format(accuracy = 1))

Assurances, Services de TV, Cantines

Tous

Code 
T_2103 %>%
  filter(VARIABLE %in% c("_ASSUR_REVENU")) %>%
  year_to_date2 %>%
  ggplot(.) + theme_minimal() + xlab("") + ylab("% du revenu disponible brut") +
  geom_line(aes(x = date, y = value / 100, color = Variable)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.9)) +
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 30, 1),
                     labels = scales::percent_format(accuracy = 1))

2017-

Code 
T_2103 %>%
  filter(VARIABLE %in% c("_ASSUR_REVENU")) %>%
  year_to_date2 %>%
  filter(date >= as.Date("2017-01-01")) %>%
  ggplot(.) + theme_minimal() + xlab("") + ylab("% du revenu disponible brut") +
  geom_line(aes(x = date, y = value / 100, color = Variable)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.5, 0.9)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 30, .1),
                     labels = scales::percent_format(accuracy = .1))