knitr::opts_chunk$set(dev = "ragg_png")
library(dplyr)
library(tidyr)
library(janitor)
library(ggplot2)
# library(extrafont)
library(arrow)
library(gt)
options(scipen = 999)Jaune pondération
1- Package
2- Création base
poids <- read_parquet("P:/production_efe_2024/data/base_intermediaire/quatre_poids.parquet")
bds24 <- read_parquet("P:/production_efe_2024/data/base_externe/bds2024.parquet")
data24 <- read_parquet("P:/production_efe_2024/data/base_externe/base_2024_jaune_vf.parquet") %>%
mutate(formatrice = if_else(b1a == "1"| b1b == "1",1,0)) %>%
select(sirus_id, weight, formatrice,
a2tot, a6, a5, a4,
c1tot, c3tot, c4af, c4hs, ind_c1tot, ind_c3tot, ind_c4af, ind_c4hs,
c7sub, ind_c7sub,
b5am, b5ad, b5amcdd, b5acm, b5abm,
b6bsom, b6dsom, ind_b6bsom, ind_b6dsom,
b1cflag) %>%
mutate(annee = "2024") %>%
left_join(bds24, by="sirus_id")
data <- poids |>
left_join(data24, by="sirus_id") |>
filter(annee=="2024")
data <- data %>%
rename(secteur_jaune=secteur12_2024) |>
mutate(
taille_jaune = case_when(
a2tot < 50 ~ "Moins de 50 salariés",
a2tot > 49 & a2tot < 250 ~ "De 50 à 249 salariés",
a2tot > 249 & a2tot < 1000 ~ "De 250 à 999 salariés",
a2tot >= 1000 ~ "1000 salariés ou plus"
),
taille_jaune = factor(taille_jaune, levels = c(
"Moins de 50 salariés",
"De 50 à 249 salariés",
"De 250 à 999 salariés",
"1000 salariés ou plus")
),
secteur_jaune_lib = case_when(
secteur_jaune == "01" ~ "Agriculture",
secteur_jaune == "02" ~ "Industrie",
secteur_jaune == "03" ~ "Construction",
secteur_jaune == "04" ~ "Commerce et réparation d'automobiles",
secteur_jaune == "05" ~ "Transports et entreposage",
secteur_jaune == "06" ~ "Hébergement et restauration",
secteur_jaune == "07" ~ "Information et communication",
secteur_jaune == "08" ~ "Activités financières et d'assurance",
secteur_jaune == "09" ~ "Activités immobilières et scientifiques",
secteur_jaune == "10" ~ "Services administratifs et de soutien",
secteur_jaune == "11" ~ "Arts et spectacles",
secteur_jaune == "12" ~ "Enseignement et santé"
),
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé")
),
tertiaire = if_else(!secteur_jaune %in% c("01","02","03"), 1, 0)
)
# NC & NR ---------------------------------------------------------------------
data <- data %>%
mutate(
across(c(b6dsom,b6bsom, b5am, b5abm, b5acm, c7sub, c3tot, c4hs, c4af),
~ if_else(. %in% c(99999999998,
99999999999,
9999999999,
9999999998), 0, .)
),
c1tot = if_else(c1tot == 999998, 0, c1tot),
b1cflag = if_else(b1cflag %in% c("8","9"), "0", b1cflag),
b1cflag = as.numeric(b1cflag)
)3 - Calcul indicateur
3.1 Dépenses et heures de formation
data <- data %>%
mutate(
PAC = (a5/a4)*c3tot,
dep_directes = c7sub + PAC,
dep_interm = b5am + b5ad + b5amcdd + b5abm + b5acm,
remb_aides = b6bsom + b6dsom,
# NB on a accepté des cas de c4hs + c4af > c3tot (avec c4hs < c3tot & c4af < c3tot)
# car certaines formations pouvaient potentiellement tomber dans les deux catégories
# mais il faut le prendre en compte ici
heures_oblig = if_else(c4hs + c4af > c3tot, c3tot, c4hs + c4af)
)3.1.1 Tableau 1 : Dépenses
# Tableau 1 --------------------------------------------------------------------
# Série: dépenses par année
tableau1_old <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes,tot_ms),
~ ./1e9
)
)
tableau1_inter <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes,tot_ms),
~ ./1e9
)
)
tableau1_new <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes,tot_ms),
~ ./1e9
)
)
tableau1_new_sans_icarus <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes,tot_ms),
~ ./1e9
)
) tableau1 <- bind_rows(tableau1_old |> mutate(poids="old"),
tableau1_inter |> mutate(poids="inter"),
tableau1_new_sans_icarus |> mutate(poids="new_sans_icarus"),
tableau1_new |> mutate(poids="new") )
tableau1 <- tableau1 |>
select(poids,everything()) |>
rename(ponderation=poids)tableau1 <- tableau1 |>
mutate(
ponderation = recode(ponderation,
old = "Ancien",
inter = "Intermédiaire",
new_sans_icarus = "Nouveau sans Icarus",
new = "Nouveau")
)
gt_table1 <- tableau1 |>
gt(rowname_col = "ponderation") |>
# Titre et sous-titre
tab_header(
title = md("**Dépenses et remboursements – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
# Labels des colonnes en toutes lettres
cols_label(
tot_dep_directes = "Tot. Dép. Directes",
tot_dep_interm = "Tot. Dép. Intermédiaires",
tot_remb_aides = "Tot. Remb. Aides",
tot_ms = "Tot. MS",
tot_dep_brutes = "Tot. Dép. Brutes",
tx_remb_aides = "Tx Remb. Aides",
tot_dep_nettes = "Tot. Dép. Nettes"
) |>
# Centrage de toutes les colonnes
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
# Largeur identique pour toutes les colonnes
cols_width(
everything() ~ px(120)
) |>
# Couleurs alternées pour les lignes
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(rows = ponderation == "Ancien")
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(rows = ponderation == "Intermédiaire")
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(rows = ponderation == "Nouveau sans Icarus")
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(rows = ponderation == "Nouveau")
) |>
# Texte en blanc sur les couleurs
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table1| Dépenses et remboursements – EFE 2024 | |||||||
|---|---|---|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | |||||||
| Tot. Dép. Directes | Tot. Dép. Intermédiaires | Tot. Remb. Aides | Tot. MS | Tot. Dép. Brutes | Tx Remb. Aides | Tot. Dép. Nettes | |
| Ancien | 16.37485 | 12.79964 | 1.198127 | 749.3117 | 29.17448 | 4% | 27.97636 |
| Intermédiaire | 16.52724 | 12.84248 | 1.187390 | 752.2837 | 29.36972 | 4% | 28.18233 |
| Nouveau sans Icarus | 16.33406 | 12.79894 | 1.156809 | 750.2195 | 29.13300 | 4% | 27.97619 |
| Nouveau | 15.97291 | 12.74869 | 1.131534 | 747.8990 | 28.72160 | 4% | 27.59007 |
3.1.2 Tableau 2 Dépenses et taux d’effort par taille en 2024
tableau24_old <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_old <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_inter <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_inter <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_new_sans_icarus <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_new_sans_icarus <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_new <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_new <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_old <- bind_rows(tableau24_old, tableau24_b_old)
tableau24_inter <- bind_rows(tableau24_inter, tableau24_b_inter)
tableau24_new_sans_icarus <- bind_rows(tableau24_new_sans_icarus, tableau24_b_new_sans_icarus)
tableau24_new <- bind_rows(tableau24_new, tableau24_b_new)
#
# tableau24_old
# tableau24_inter
# tableau24_new
# tableau24_new_sans_icarus tableau24_old <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_old <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_inter <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_inter <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_new_sans_icarus <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_new_sans_icarus <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_new <- data %>%
group_by(taille_jaune) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_b_new <- data %>%
filter(annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
taille_jaune = "Ensemble",
tot_dep_brutes = tot_dep_directes + tot_dep_interm,
tx_remb_aides = paste0(round(tot_remb_aides*100/tot_dep_brutes,0),"%"),
tot_dep_nettes = tot_dep_brutes - tot_remb_aides,
tx_dep_dir_ms = paste0(round(tot_dep_directes*100/tot_ms,1),"%"),
tx_dep_interm_ms = paste0(round(tot_dep_interm*100/tot_ms,1),"%"),
tx_remb_aides_ms = paste0(round(tot_remb_aides*100/tot_ms,1),"%"),
tx_particip_ms = paste0(round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),"%"),
across(c(tot_dep_directes,tot_dep_interm,tot_dep_brutes,tot_remb_aides,tot_dep_nettes),
~ round(./1e9, 1)
)
)
tableau24_old <- bind_rows(tableau24_old, tableau24_b_old)
tableau24_inter <- bind_rows(tableau24_inter, tableau24_b_inter)
tableau24_new_sans_icarus <- bind_rows(tableau24_new_sans_icarus, tableau24_b_new_sans_icarus)
tableau24_new <- bind_rows(tableau24_new, tableau24_b_new)
#
# tableau24_old
# tableau24_inter
# tableau24_new
# tableau24_new_sans_icarus tab24_old <- tableau24_old |>
gt() |>
tab_header(
title = md("**Dépenses et remboursements – EFE 2024 par taille**"),
subtitle = "Ancienne ponderation"
) |>
cols_label(
tot_dep_directes = "Tot. Dép. Directes",
tot_dep_interm = "Tot. Dép. Intermédiaires",
tot_remb_aides = "Tot. Remb. Aides",
tot_ms = "Tot. MS",
tot_dep_brutes = "Tot. Dép. Brutes",
tx_remb_aides = "Tx Remb. Aides",
tot_dep_nettes = "Tot. Dép. Nettes" )|>
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
cols_width(
everything() ~ px(160)
) |>
cols_width(
tot_ms ~ px(220) # 👈 colonne Masse salariale plus large
) |>
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(rows = everything())
) |>
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
table.layout = "auto",
table.width = pct(100),
data_row.padding = px(8)
)
tab24_old| Dépenses et remboursements – EFE 2024 par taille | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ancienne ponderation | |||||||||||
| taille_jaune | Tot. Dép. Directes | Tot. Dép. Intermédiaires | Tot. Remb. Aides | Tot. MS | Tot. Dép. Brutes | Tx Remb. Aides | Tot. Dép. Nettes | tx_dep_dir_ms | tx_dep_interm_ms | tx_remb_aides_ms | tx_particip_ms |
| Moins de 50 salariés | 3.1 | 4.0 | 0.5 | 266662597743 | 7.2 | 8% | 6.6 | 1.2% | 1.5% | 0.2% | 2.5% |
| De 50 à 249 salariés | 2.8 | 2.6 | 0.3 | 143829673813 | 5.5 | 5% | 5.2 | 2% | 1.8% | 0.2% | 3.6% |
| De 250 à 999 salariés | 3.1 | 2.4 | 0.1 | 129884852748 | 5.5 | 3% | 5.4 | 2.4% | 1.8% | 0.1% | 4.1% |
| 1000 salariés ou plus | 7.3 | 3.8 | 0.2 | 208934607722 | 11.1 | 2% | 10.8 | 3.5% | 1.8% | 0.1% | 5.2% |
| Ensemble | 16.4 | 12.8 | 1.2 | 749311732026 | 29.2 | 4% | 28.0 | 2.2% | 1.7% | 0.2% | 3.7% |
#########
tab24_inter <- tableau24_inter |>
gt() |>
tab_header(
title = md("**Dépenses et remboursements – EFE 2024 par taille**"),
subtitle = "Ponderation Intermediaire"
) |>
cols_label(
tot_dep_directes = "Tot. Dép. Directes",
tot_dep_interm = "Tot. Dép. Intermédiaires",
tot_remb_aides = "Tot. Remb. Aides",
tot_ms = "Tot. MS",
tot_dep_brutes = "Tot. Dép. Brutes",
tx_remb_aides = "Tx Remb. Aides",
tot_dep_nettes = "Tot. Dép. Nettes"
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
cols_width(
everything() ~ px(120)
) |>
cols_width(
tot_ms ~ px(220) # 👈 colonne Masse salariale plus large
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(rows = everything())
) |>
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
table.layout = "auto",
table.width = pct(100),
data_row.padding = px(8)
)
tab24_inter| Dépenses et remboursements – EFE 2024 par taille | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ponderation Intermediaire | |||||||||||
| taille_jaune | Tot. Dép. Directes | Tot. Dép. Intermédiaires | Tot. Remb. Aides | Tot. MS | Tot. Dép. Brutes | Tx Remb. Aides | Tot. Dép. Nettes | tx_dep_dir_ms | tx_dep_interm_ms | tx_remb_aides_ms | tx_particip_ms |
| Moins de 50 salariés | 3.1 | 4.0 | 0.5 | 267186780999 | 7.1 | 7% | 6.6 | 1.2% | 1.5% | 0.2% | 2.5% |
| De 50 à 249 salariés | 2.8 | 2.6 | 0.3 | 144276798120 | 5.4 | 5% | 5.2 | 1.9% | 1.8% | 0.2% | 3.6% |
| De 250 à 999 salariés | 3.1 | 2.3 | 0.1 | 127917941767 | 5.4 | 3% | 5.3 | 2.4% | 1.8% | 0.1% | 4.1% |
| 1000 salariés ou plus | 7.5 | 3.8 | 0.2 | 212902135743 | 11.4 | 2% | 11.1 | 3.5% | 1.8% | 0.1% | 5.2% |
| Ensemble | 16.5 | 12.8 | 1.2 | 752283656629 | 29.4 | 4% | 28.2 | 2.2% | 1.7% | 0.2% | 3.7% |
#########
tab24_new_sans_icarus <- tableau24_new_sans_icarus |>
gt() |>
tab_header(
title = md("**Dépenses et remboursements – EFE 2024 par taille**"),
subtitle = "Ponderation nouvelle sans Icarus"
) |>
cols_label(
tot_dep_directes = "Tot. Dép. Directes",
tot_dep_interm = "Tot. Dép. Intermédiaires",
tot_remb_aides = "Tot. Remb. Aides",
tot_ms = "Tot. MS",
tot_dep_brutes = "Tot. Dép. Brutes",
tx_remb_aides = "Tx Remb. Aides",
tot_dep_nettes = "Tot. Dép. Nettes"
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
cols_width(
everything() ~ px(120)
) |>
cols_width(
tot_ms ~ px(220) # 👈 colonne Masse salariale plus large
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(rows = everything())
) |>
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
table.layout = "auto",
table.width = pct(100),
data_row.padding = px(8)
)
tab24_new_sans_icarus| Dépenses et remboursements – EFE 2024 par taille | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ponderation nouvelle sans Icarus | |||||||||||
| taille_jaune | Tot. Dép. Directes | Tot. Dép. Intermédiaires | Tot. Remb. Aides | Tot. MS | Tot. Dép. Brutes | Tx Remb. Aides | Tot. Dép. Nettes | tx_dep_dir_ms | tx_dep_interm_ms | tx_remb_aides_ms | tx_particip_ms |
| Moins de 50 salariés | 3.1 | 4.1 | 0.5 | 267412335302 | 7.1 | 7% | 6.6 | 1.1% | 1.5% | 0.2% | 2.5% |
| De 50 à 249 salariés | 2.8 | 2.6 | 0.3 | 143537163017 | 5.4 | 5% | 5.1 | 1.9% | 1.8% | 0.2% | 3.5% |
| De 250 à 999 salariés | 3.1 | 2.3 | 0.2 | 128618759754 | 5.4 | 3% | 5.3 | 2.4% | 1.8% | 0.1% | 4.1% |
| 1000 salariés ou plus | 7.4 | 3.8 | 0.2 | 210651259783 | 11.2 | 2% | 11.0 | 3.5% | 1.8% | 0.1% | 5.2% |
| Ensemble | 16.3 | 12.8 | 1.2 | 750219517855 | 29.1 | 4% | 28.0 | 2.2% | 1.7% | 0.2% | 3.7% |
tab24_new_avec_icarus <- tableau24_new|>
gt() |>
tab_header(
title = md("**Dépenses et remboursements – EFE 2024 par taille**"),
subtitle = "Ponderation nouvelle avec Icarus"
) |>
cols_label(
tot_dep_directes = "Tot. Dép. Directes",
tot_dep_interm = "Tot. Dép. Intermédiaires",
tot_remb_aides = "Tot. Remb. Aides",
tot_ms = "Tot. MS",
tot_dep_brutes = "Tot. Dép. Brutes",
tx_remb_aides = "Tx Remb. Aides",
tot_dep_nettes = "Tot. Dép. Nettes"
) |>
fmt_number(
columns = c(tot_ms),
decimals = 0,
sep_mark = " ",
dec_mark = ","
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
cols_width(
everything() ~ px(120)
) |>
cols_width(
tot_ms ~ px(220) # 👈 colonne Masse salariale plus large
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(rows = everything())
) |>
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
table.layout = "auto",
table.width = pct(100),
data_row.padding = px(8)
)
tab24_new_avec_icarus| Dépenses et remboursements – EFE 2024 par taille | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ponderation nouvelle avec Icarus | |||||||||||
| taille_jaune | Tot. Dép. Directes | Tot. Dép. Intermédiaires | Tot. Remb. Aides | Tot. MS | Tot. Dép. Brutes | Tx Remb. Aides | Tot. Dép. Nettes | tx_dep_dir_ms | tx_dep_interm_ms | tx_remb_aides_ms | tx_particip_ms |
| Moins de 50 salariés | 3.0 | 4.1 | 0.5 | 268 236 346 621 | 7.1 | 7% | 6.6 | 1.1% | 1.5% | 0.2% | 2.5% |
| De 50 à 249 salariés | 2.7 | 2.6 | 0.3 | 142 284 011 696 | 5.3 | 5% | 5.1 | 1.9% | 1.8% | 0.2% | 3.6% |
| De 250 à 999 salariés | 3.1 | 2.4 | 0.1 | 130 111 311 258 | 5.5 | 3% | 5.3 | 2.4% | 1.8% | 0.1% | 4.1% |
| 1000 salariés ou plus | 7.1 | 3.7 | 0.2 | 207 267 373 121 | 10.8 | 2% | 10.6 | 3.4% | 1.8% | 0.1% | 5.1% |
| Ensemble | 16.0 | 12.7 | 1.1 | 747 899 042 696 | 28.7 | 4% | 27.6 | 2.1% | 1.7% | 0.2% | 3.7% |
3.1.3 Tableau 3 : Taux d’effort
tableau3_old <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
dep_dir_ms = tot_dep_directes*100/tot_ms,
dep_interm_ms = tot_dep_interm*100/tot_ms,
remb_aides_ms = tot_remb_aides*100/tot_ms,
tx_particip = (tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,
) %>%
select( dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau3_inter<- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
dep_dir_ms = tot_dep_directes*100/tot_ms,
dep_interm_ms = tot_dep_interm*100/tot_ms,
remb_aides_ms = tot_remb_aides*100/tot_ms,
tx_particip = (tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,
) %>%
select( dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau3_new <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
dep_dir_ms = tot_dep_directes*100/tot_ms,
dep_interm_ms = tot_dep_interm*100/tot_ms,
remb_aides_ms = tot_remb_aides*100/tot_ms,
tx_particip = (tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,
) %>%
select( dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau3_new_sans_icarus <- data %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
dep_dir_ms = tot_dep_directes*100/tot_ms,
dep_interm_ms = tot_dep_interm*100/tot_ms,
remb_aides_ms = tot_remb_aides*100/tot_ms,
tx_particip = (tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,
) %>%
select( dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
# tableau3_old
# tableau3_inter
# tableau3_new
# tableau3_new_sans_icarus
tableau3 <- rbind(tableau3_old |> mutate(ponderation="Ancienne"),
tableau3_inter |> mutate(ponderation="Intermediaire"),
tableau3_new_sans_icarus|> mutate(ponderation="Nouvelle sans Icarus"),
tableau3_new |> mutate(ponderation="Nouvelle")
) |>
select(ponderation, everything())
#tableau3gt_table3 <- tableau3 |>
gt(rowname_col = "ponderation") |>
# Titre et sous-titre
tab_header(
title = md("**Dépenses et taux de participation en fonction de la masse salariale – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
# Labels des colonnes en toutes lettres
cols_label(
dep_dir_ms = "Dép. Directes",
dep_interm_ms = "Dép. Intermédiaires",
remb_aides_ms = "Remb. Aides",
tx_particip = "Taux de participation"
) |>
# Centrage de toutes les colonnes
tab_style(
style = cell_text(align = "center"),
locations = cells_column_labels(columns = everything())
) |>
tab_style(
style = cell_text(align = "center"),
locations = cells_body(columns = everything())
) |>
# Largeur identique pour toutes les colonnes
cols_width(
everything() ~ px(120)
) |>
# Couleurs alternées pour les lignes
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(rows = ponderation == "Ancienne")
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(rows = ponderation == "Intermediaire")
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(rows = ponderation == "Nouvelle sans Icarus")
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(rows = ponderation == "Nouvelle")
) |>
# Texte en blanc sur les couleurs
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table3| Dépenses et taux de participation en fonction de la masse salariale – EFE 2024 | ||||
|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | ||||
| Dép. Directes | Dép. Intermédiaires | Remb. Aides | Taux de participation | |
| Ancienne | 2.185318 | 1.708186 | 0.1598970 | 3.733607 |
| Intermediaire | 2.196942 | 1.707132 | 0.1578381 | 3.746237 |
| Nouvelle sans Icarus | 2.177237 | 1.706027 | 0.1541960 | 3.729067 |
| Nouvelle | 2.135704 | 1.704601 | 0.1512951 | 3.689010 |
3.1.4 Tableau 5 : Taux d’effort par secteur en 2024
tableau5_old <- data %>%
filter(annee == "2024") %>%
group_by(secteur_jaune_lib) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_b_old <- data %>%
filter(tertiaire == 1 & annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_old),
tot_dep_interm = sum(dep_interm*poids_old),
tot_remb_aides = sum(remb_aides*poids_old),
tot_ms = sum(a6*poids_old)
) %>%
mutate(
secteur_jaune_lib = "Tertiaire",
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_old <- bind_rows(tableau5_old, tableau5_b_old) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Tertiaire",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé")
)
) %>%
arrange(secteur_jaune_lib)
tableau5_inter <- data %>%
filter(annee == "2024") %>%
group_by(secteur_jaune_lib) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_b_inter <- data %>%
filter(tertiaire == 1 & annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_inter),
tot_dep_interm = sum(dep_interm*poids_inter),
tot_remb_aides = sum(remb_aides*poids_inter),
tot_ms = sum(a6*poids_inter)
) %>%
mutate(
secteur_jaune_lib = "Tertiaire",
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_inter <- bind_rows(tableau5_inter, tableau5_b_inter) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Tertiaire",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé")
)
) %>%
arrange(secteur_jaune_lib)
tableau5_new <- data %>%
filter(annee == "2024") %>%
group_by(secteur_jaune_lib) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_b_new <- data %>%
filter(tertiaire == 1 & annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new),
tot_dep_interm = sum(dep_interm*poids_new),
tot_remb_aides = sum(remb_aides*poids_new),
tot_ms = sum(a6*poids_new)
) %>%
mutate(
secteur_jaune_lib = "Tertiaire",
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_new <- bind_rows(tableau5_new, tableau5_b_new) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Tertiaire",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé")
)
) %>%
arrange(secteur_jaune_lib)
tableau5_new_sans_icarus <- data %>%
filter(annee == "2024") %>%
group_by(secteur_jaune_lib) %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_b_new_sans_icarus <- data %>%
filter(tertiaire == 1 & annee == "2024") %>%
summarise(
tot_dep_directes = sum(dep_directes*poids_new_sans_icarus),
tot_dep_interm = sum(dep_interm*poids_new_sans_icarus),
tot_remb_aides = sum(remb_aides*poids_new_sans_icarus),
tot_ms = sum(a6*poids_new_sans_icarus)
) %>%
mutate(
secteur_jaune_lib = "Tertiaire",
dep_dir_ms = round(tot_dep_directes*100/tot_ms,1),
dep_interm_ms = round(tot_dep_interm*100/tot_ms,1),
remb_aides_ms = round(tot_remb_aides*100/tot_ms,1),
tx_particip = round((tot_dep_directes+tot_dep_interm-tot_remb_aides)*100/tot_ms,1),
) %>%
select(secteur_jaune_lib, dep_dir_ms, dep_interm_ms, remb_aides_ms,tx_particip)
tableau5_new_sans_icarus <- bind_rows(tableau5_new_sans_icarus, tableau5_b_new_sans_icarus) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Tertiaire",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé")
)
) %>%
arrange(secteur_jaune_lib)
tableau5 <- tableau5_old |>
rename_with(~ paste0(.x, "_old"), -secteur_jaune_lib) |>
left_join(
tableau5_inter |>
rename_with(~ paste0(.x, "_inter"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
) |>
left_join(
tableau5_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
) |>
left_join(
tableau5_new |>
rename_with(~ paste0(.x, "_new"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
)gt_table_5 <- tableau5 |>
gt(rowname_col = "secteur_jaune_lib") |>
tab_header(
title = md("**Dépenses et taux de participation par secteur – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
cols_label(
dep_dir_ms_old = "Dép. Directes",
dep_interm_ms_old = "Dép. Intermédiaires",
remb_aides_ms_old = "Remb. Aides",
tx_particip_old = "Taux de participation",
dep_dir_ms_inter = "Dép. Directes",
dep_interm_ms_inter = "Dép. Intermédiaires",
remb_aides_ms_inter = "Remb. Aides",
tx_particip_inter = "Taux de participation",
dep_dir_ms_new_sans_icarus = "Dép. Directes",
dep_interm_ms_new_sans_icarus = "Dép. Intermédiaires",
remb_aides_ms_new_sans_icarus = "Remb. Aides",
tx_particip_new_sans_icarus = "Taux de participation",
dep_dir_ms_new = "Dép. Directes",
dep_interm_ms_new = "Dép. Intermédiaires",
remb_aides_ms_new = "Remb. Aides",
tx_particip_new = "Taux de participation"
) |>
# Spanners
tab_spanner("Ancienne", ends_with("_old")) |>
tab_spanner("Intermédiaire", ends_with("_inter")) |>
tab_spanner("Nouvelle sans Icarus", ends_with("_new_sans_icarus")) |>
tab_spanner("Nouvelle", ends_with("_new")) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
cols_width(everything() ~ px(120)) |>
# === COULEURS PAR PONDÉRATION ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(columns = ends_with("_old"))
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(columns = ends_with("_inter"))
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(columns = ends_with("_new_sans_icarus"))
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(columns = ends_with("_new"))
) |>
# Texte blanc et gras sur fond coloré
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_5| Dépenses et taux de participation par secteur – EFE 2024 | ||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | ||||||||||||||||
Ancienne
|
Intermédiaire
|
Nouvelle sans Icarus
|
Nouvelle
|
|||||||||||||
| Dép. Directes | Dép. Intermédiaires | Remb. Aides | Taux de participation | Dép. Directes | Dép. Intermédiaires | Remb. Aides | Taux de participation | Dép. Directes | Dép. Intermédiaires | Remb. Aides | Taux de participation | Dép. Directes | Dép. Intermédiaires | Remb. Aides | Taux de participation | |
| Agriculture | 0.8 | 1.2 | 0.1 | 1.8 | 0.8 | 1.2 | 0.1 | 1.8 | 0.8 | 1.2 | 0.1 | 1.8 | 0.8 | 1.2 | 0.1 | 1.8 |
| Industrie | 2.9 | 1.8 | 0.1 | 4.6 | 2.9 | 1.8 | 0.1 | 4.6 | 3.0 | 1.8 | 0.1 | 4.6 | 2.9 | 1.8 | 0.1 | 4.6 |
| Construction | 1.9 | 1.7 | 0.2 | 3.3 | 1.8 | 1.7 | 0.2 | 3.3 | 1.8 | 1.7 | 0.2 | 3.2 | 1.7 | 1.6 | 0.2 | 3.1 |
| Tertiaire | 2.1 | 1.7 | 0.2 | 3.6 | 2.1 | 1.7 | 0.2 | 3.6 | 2.0 | 1.7 | 0.2 | 3.6 | 2.0 | 1.7 | 0.2 | 3.5 |
| Commerce et réparation d'automobiles | 1.4 | 1.7 | 0.1 | 2.9 | 1.3 | 1.7 | 0.1 | 2.9 | 1.3 | 1.7 | 0.1 | 2.8 | 1.2 | 1.7 | 0.1 | 2.8 |
| Transports et entreposage | 3.0 | 1.9 | 0.1 | 4.8 | 3.3 | 1.9 | 0.1 | 5.1 | 3.4 | 1.9 | 0.1 | 5.2 | 3.0 | 1.9 | 0.1 | 4.8 |
| Hébergement et restauration | 0.7 | 1.5 | 0.1 | 2.2 | 0.7 | 1.5 | 0.1 | 2.2 | 0.6 | 1.5 | 0.0 | 2.1 | 0.6 | 1.6 | 0.0 | 2.1 |
| Information et communication | 2.0 | 1.7 | 0.0 | 3.6 | 1.9 | 1.7 | 0.0 | 3.6 | 1.9 | 1.7 | 0.0 | 3.6 | 1.8 | 1.7 | 0.0 | 3.5 |
| Activités financières et d'assurance | 3.3 | 1.7 | 0.1 | 4.9 | 3.3 | 1.7 | 0.1 | 4.9 | 3.2 | 1.7 | 0.1 | 4.8 | 3.3 | 1.7 | 0.1 | 4.9 |
| Activités immobilières et scientifiques | 2.1 | 1.6 | 0.1 | 3.6 | 2.0 | 1.6 | 0.1 | 3.6 | 2.0 | 1.6 | 0.1 | 3.5 | 2.0 | 1.6 | 0.1 | 3.5 |
| Services administratifs et de soutien | 1.7 | 1.8 | 0.3 | 3.3 | 1.7 | 1.8 | 0.3 | 3.2 | 1.7 | 1.8 | 0.3 | 3.2 | 1.7 | 1.8 | 0.3 | 3.3 |
| Arts et spectacles | 2.2 | 1.7 | 0.3 | 3.5 | 2.2 | 1.6 | 0.3 | 3.5 | 2.1 | 1.6 | 0.3 | 3.4 | 2.1 | 1.7 | 0.3 | 3.4 |
| Enseignement et santé | 2.7 | 1.7 | 0.4 | 4.0 | 2.7 | 1.7 | 0.5 | 4.0 | 2.8 | 1.7 | 0.5 | 4.0 | 2.8 | 1.7 | 0.4 | 4.1 |
3.2 Contribution
3.2.1 Tableau Contribution
# évolution par contribution
supp_old <- data %>%
summarise(
tot_b5am = sum(b5am*poids_old)/1000000000,
tot_b5ad = sum(b5ad*poids_old)/1000000000,
tot_b5amcdd = sum(b5amcdd*poids_old)/1000000000,
tot_b5abm = sum(b5abm*poids_old)/1000000000,
tot_b5acm = sum(b5acm*poids_old)/1000000000
)
supp_inter <- data %>%
summarise(
tot_b5am = sum(b5am*poids_inter)/1000000000,
tot_b5ad = sum(b5ad*poids_inter)/1000000000,
tot_b5amcdd = sum(b5amcdd*poids_inter)/1000000000,
tot_b5abm = sum(b5abm*poids_inter)/1000000000,
tot_b5acm = sum(b5acm*poids_inter)/1000000000
)
supp_new_sans_icarus <- data %>%
summarise(
tot_b5am = sum(b5am*poids_new_sans_icarus)/1000000000,
tot_b5ad = sum(b5ad*poids_new_sans_icarus)/1000000000,
tot_b5amcdd = sum(b5amcdd*poids_new_sans_icarus)/1000000000,
tot_b5abm = sum(b5abm*poids_new_sans_icarus)/1000000000,
tot_b5acm = sum(b5acm*poids_new_sans_icarus)/1000000000
)
supp_new <- data %>%
summarise(
tot_b5am = sum(b5am*poids_new)/1000000000,
tot_b5ad = sum(b5ad*poids_new)/1000000000,
tot_b5amcdd = sum(b5amcdd*poids_new)/1000000000,
tot_b5abm = sum(b5abm*poids_new)/1000000000,
tot_b5acm = sum(b5acm*poids_new)/1000000000
)
contrib <- rbind(
supp_old |> mutate(ponderation="Ancienne"),
supp_inter|> mutate(ponderation="Intermediare"),
supp_new_sans_icarus|> mutate(ponderation="Nouvelle sans Icarus"),
supp_new|> mutate(ponderation="Nouvelle avec Icarus")) |> select(ponderation, everything()) gt_table_contrib <- contrib |>
gt(rowname_col = "ponderation") |>
# Titre
tab_header(
title = md("**Contribution selon la pondération – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes et nouvelles")
) |>
# Labels des colonnes
cols_label(
tot_b5am = "Contribution à la formation professionnelle",
tot_b5ad = "Part principale de la taxe d’apprentissage",
tot_b5amcdd = "Contribution CPF-CDD",
tot_b5abm = "Contribution conventionnelle",
tot_b5acm = "Versements volontaires"
) |>
# Format numérique
fmt_number(
columns = everything(),
decimals = 2
) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
# Largeur des colonnes
cols_width(
everything() ~ px(140)
) |>
# === COULEURS PAR PONDÉRATION (LIGNES) ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(rows = ponderation == "Ancienne")
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(rows = ponderation == "Intermediare")
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(rows = ponderation == "Nouvelle sans Icarus")
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(rows = ponderation == "Nouvelle avec Icarus")
) |>
# Texte blanc et gras
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_contrib| Contribution selon la pondération – EFE 2024 | |||||
|---|---|---|---|---|---|
| Comparaison pondérations anciennes et nouvelles | |||||
| Contribution à la formation professionnelle | Part principale de la taxe d’apprentissage | Contribution CPF-CDD | Contribution conventionnelle | Versements volontaires | |
| Ancienne | 6.68 | 4.67 | 0.30 | 0.85 | 0.31 |
| Intermediare | 6.70 | 4.68 | 0.30 | 0.85 | 0.31 |
| Nouvelle sans Icarus | 6.69 | 4.68 | 0.30 | 0.83 | 0.30 |
| Nouvelle avec Icarus | 6.66 | 4.67 | 0.29 | 0.81 | 0.31 |
3.2.2 Tableau Contribution par OPCO
# évolution conventionnelle par opco
conv_old <- data %>%
group_by( opco2024) %>%
summarise(
tot_b5abm = sum(b5abm*poids_old)/1000000000,
)
conv_inter <- data %>%
group_by( opco2024) %>%
summarise(
tot_b5abm = sum(b5abm*poids_inter)/1000000000,
)
conv_new_sans_icarus <- data %>%
group_by( opco2024) %>%
summarise(
tot_b5abm = sum(b5abm*poids_new_sans_icarus)/1000000000,
)
conv_new <- data %>%
group_by( opco2024) %>%
summarise(
tot_b5abm = sum(b5abm*poids_new)/1000000000,
)
opco <- conv_old |>
left_join(
conv_inter,
by = "opco2024",
suffix = c("_old", "_inter")
) |>
left_join(
conv_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -opco2024),
by = "opco2024"
) |>
left_join(
conv_new |>
rename_with(~ paste0(.x, "_new"), -opco2024),
by = "opco2024"
)gt_table_opco <- opco |>
gt(rowname_col = "opco2024") |>
# Titre
tab_header(
title = md("**Répartition Contribution Conventionnelle par OPCO – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
# Labels des colonnes
cols_label(
tot_b5abm_old = "Ancienne",
tot_b5abm_inter = "Intermédiaire",
tot_b5abm_new_sans_icarus = "Nouvelle sans Icarus",
tot_b5abm_new = "Nouvelle"
) |>
# Format numérique
fmt_number(
columns = everything(),
decimals = 3
) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
# Largeur
cols_width(
everything() ~ px(140)
) |>
# === COULEURS PAR PONDÉRATION (COLONNES) ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(columns = tot_b5abm_old)
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(columns = tot_b5abm_inter)
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(columns = tot_b5abm_new_sans_icarus)
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(columns = tot_b5abm_new)
) |>
# Texte blanc et gras
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_opco| Répartition Contribution Conventionnelle par OPCO – EFE 2024 | ||||
|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | ||||
| Ancienne | Intermédiaire | Nouvelle sans Icarus | Nouvelle | |
| AFDAS | 0.039 | 0.040 | 0.037 | 0.032 |
| AKTO | 0.137 | 0.136 | 0.131 | 0.133 |
| ATLAS | 0.053 | 0.054 | 0.053 | 0.057 |
| Constructys | 0.047 | 0.048 | 0.043 | 0.038 |
| L'Opcommerce | 0.013 | 0.013 | 0.012 | 0.013 |
| NA | 0.001 | 0.001 | 0.001 | 0.001 |
| OCAPIAT | 0.012 | 0.012 | 0.012 | 0.011 |
| OPCO EP | 0.089 | 0.091 | 0.090 | 0.081 |
| OPCO2i | 0.024 | 0.024 | 0.025 | 0.025 |
| OpcoCohesion | 0.148 | 0.142 | 0.140 | 0.148 |
| OpcoMobilites | 0.176 | 0.174 | 0.171 | 0.168 |
| OpcoSante | 0.108 | 0.112 | 0.111 | 0.102 |
4- Taux accès
4.1 Taux accès et heure pas formé
# Tableau 1: série taux d'accès et heures/salarié --------------
tableau1_old <- data %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
) %>%
mutate(
tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1)
) %>%
select(-starts_with("nb"))
tableau1_inter <- data %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
) %>%
mutate(
tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1)
) %>%
select(-starts_with("nb"))
tableau1_new_sans_icarus <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
) %>%
mutate(
tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1)
) %>%
select(-starts_with("nb"))
tableau1_new <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
) %>%
mutate(
tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1)
) %>%
select(-starts_with("nb"))
# tableau1_old
# tableau1_new
# tableau1_inter
# tableau1_new_sans_icarus
tx_acces_h_form <- rbind(
tableau1_old |> mutate(ponderation="Ancienne"),
tableau1_inter|> mutate(ponderation="Intermediare"),
tableau1_new_sans_icarus|> mutate(ponderation="Nouvelle sans Icarus"),
tableau1_new|> mutate(ponderation="Nouvelle avec Icarus")) |> select(ponderation, everything()) gt_table_tx <- tx_acces_h_form |>
gt(rowname_col = "ponderation") |>
tab_header(
title = md("**Taux d’accès et durée de formation selon la pondération – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes et nouvelles")
) |>
cols_label(
tx_acces = "Taux d’accès (%)",
heures_par_forme = "Heures par formation"
) |>
fmt_number(
columns = c(tx_acces, heures_par_forme),
decimals = 1
) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
cols_width(
everything() ~ px(160)
) |>
# === COULEURS PAR PONDÉRATION (LIGNES) ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(rows = ponderation == "Ancienne")
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(rows = ponderation == "Intermediare")
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(rows = ponderation == "Nouvelle sans Icarus")
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(rows = ponderation == "Nouvelle avec Icarus")
) |>
# Texte blanc et gras
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything())
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_tx| Taux d’accès et durée de formation selon la pondération – EFE 2024 | ||
|---|---|---|
| Comparaison pondérations anciennes et nouvelles | ||
| Taux d’accès (%) | Heures par formation | |
| Ancienne | 43.7 | 31.6 |
| Intermediare | 43.8 | 31.3 |
| Nouvelle sans Icarus | 43.5 | 31.2 |
| Nouvelle avec Icarus | 43.2 | 31.2 |
4.2 Taux d’accès par taille en 2024
# Tableau 2: taux d'accès par taille en 2024 ----------------------------------------
tableau2_a_old <- data %>%
group_by(taille_jaune) %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
)
tableau2_a_inter <- data %>%
group_by(taille_jaune) %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
)
tableau2_a_new_sans_icarus <- data %>%
group_by(taille_jaune) %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
)
tableau2_a_new <- data %>%
group_by(taille_jaune) %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
)
tableau2_b_old <- data %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
) %>%
mutate(taille_jaune = "Ensemble")
tableau2_b_inter <- data %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
) %>%
mutate(taille_jaune = "Ensemble")
tableau2_b_new_sans_icarus <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
) %>%
mutate(taille_jaune = "Ensemble")
tableau2_b_new <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
) %>%
mutate(taille_jaune = "Ensemble")
tableau2a <- tableau2_a_old |>
left_join(
tableau2_a_inter,
by = "taille_jaune",
suffix = c("_old", "_inter")
) |>
left_join(
tableau2_a_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -taille_jaune),
by = "taille_jaune"
) |>
left_join(
tableau2_a_new |>
rename_with(~ paste0(.x, "_new"), -taille_jaune),
by = "taille_jaune"
)
tableau2b <- tableau2_b_old |>
left_join(
tableau2_b_inter,
by = "taille_jaune",
suffix = c("_old", "_inter")
) |>
left_join(
tableau2_b_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -taille_jaune),
by = "taille_jaune"
) |>
left_join(
tableau2_b_new |>
rename_with(~ paste0(.x, "_new"), -taille_jaune),
by = "taille_jaune"
)
tableau2 <- bind_rows(tableau2a, tableau2b) %>%
mutate(
tx_acces_old = round(nb_formes_old*100/nb_salaries_old,1),
heures_par_forme_old = round(nb_heures_old/nb_formes_old,1),
tx_acces_inter = round(nb_formes_inter*100/nb_salaries_inter,1),
heures_par_forme_inter = round(nb_heures_inter/nb_formes_inter,1),
tx_acces_new_sans_icarus = round(nb_formes_new_sans_icarus*100/nb_salaries_new_sans_icarus,1),
heures_par_forme_new_sans_icarus = round(nb_heures_new_sans_icarus/nb_formes_new_sans_icarus,1),
tx_acces_new = round(nb_formes_new*100/nb_salaries_new,1),
heures_par_forme_new = round(nb_heures_new/nb_formes_new,1),
taille_jaune = factor(taille_jaune, levels = c(
"Moins de 50 salariés",
"De 50 à 249 salariés",
"De 250 à 999 salariés",
"1000 salariés ou plus",
"Ensemble")
)
) %>%
arrange(taille_jaune) %>%
select(-starts_with("nb"))
# tableau2gt_table_taille <- tableau2 |>
gt(rowname_col = "taille_jaune") |>
# Titre et sous-titre
tab_header(
title = md("**Taux d’accès et durée de formation selon la taille d’entreprise – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
# Labels des colonnes
cols_label(
tx_acces_old = "Taux d’accès (Ancienne)",
heures_par_forme_old = "Heures par formation (Ancienne)",
tx_acces_inter = "Taux d’accès (Intermédiaire)",
heures_par_forme_inter = "Heures par formation (Intermédiaire)",
tx_acces_new_sans_icarus = "Taux d’accès (Nouvelle sans icarus)",
heures_par_forme_new_sans_icarus = "Heures par formation (Nouvelle sans icarus)",
tx_acces_new = "Taux d’accès (Nouvelle)",
heures_par_forme_new = "Heures par formation (Nouvelle)"
) |>
# Format numérique
fmt_number(
columns = everything() |> setdiff("taille_jaune"),
decimals = 1
) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
# Largeur des colonnes
cols_width(
everything() ~ px(140)
) |>
# === COULEURS PAR PONDÉRATION (COLONNES) ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(columns = c(tx_acces_old, heures_par_forme_old))
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(columns = c(tx_acces_inter, heures_par_forme_inter))
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(columns = c(tx_acces_new_sans_icarus, heures_par_forme_new_sans_icarus))
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(columns = c(tx_acces_new, heures_par_forme_new))
) |>
# Texte blanc et gras
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything() |> setdiff("taille_jaune"))
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_taille| Taux d’accès et durée de formation selon la taille d’entreprise – EFE 2024 | ||||||||
|---|---|---|---|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | ||||||||
| Taux d’accès (Ancienne) | Heures par formation (Ancienne) | Taux d’accès (Intermédiaire) | Heures par formation (Intermédiaire) | Taux d’accès (Nouvelle sans icarus) | Heures par formation (Nouvelle sans icarus) | Taux d’accès (Nouvelle) | Heures par formation (Nouvelle) | |
| Moins de 50 salariés | 22.1 | 42.8 | 21.9 | 41.9 | 21.4 | 43.0 | 21.1 | 43.9 |
| De 50 à 249 salariés | 44.3 | 30.8 | 44.0 | 30.9 | 43.9 | 30.6 | 44.5 | 29.8 |
| De 250 à 999 salariés | 59.9 | 26.9 | 60.4 | 26.7 | 60.1 | 26.4 | 59.9 | 26.5 |
| 1000 salariés ou plus | 70.6 | 28.3 | 70.7 | 28.2 | 70.8 | 27.9 | 69.7 | 27.9 |
| Ensemble | 43.7 | 31.6 | 43.8 | 31.3 | 43.5 | 31.2 | 43.2 | 31.2 |
4.3 Taux d’accès par secteur
# Tableau 3: taux d'accès par secteur en 2024 ----------------------------------------
tableau3_a_old <- data %>%
group_by(secteur_jaune_lib) %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
) |>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_a_inter <- data %>%
group_by(secteur_jaune_lib) %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
) |>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_a_new_sans_icarus <- data %>%
group_by(secteur_jaune_lib) %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
) |>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_a_new <- data %>%
group_by(secteur_jaune_lib) %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
) |>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_a <- tableau3_a_old |>
left_join(
tableau3_a_inter,
by = "secteur_jaune_lib",
suffix = c("_old", "_inter")
) |>
left_join(
tableau3_a_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
) |>
left_join(
tableau3_a_new |>
rename_with(~ paste0(.x, "_new"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
)
tableau3_b_old <- data %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
) %>%
mutate(secteur_jaune_lib = "Ensemble") |>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_b_inter <- data %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
) %>%
mutate(secteur_jaune_lib = "Ensemble")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_b_new_sans_icarus <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
) %>%
mutate(secteur_jaune_lib = "Ensemble")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_b_new <- data %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
) %>%
mutate(secteur_jaune_lib = "Ensemble")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_b <- tableau3_b_old |>
left_join(
tableau3_b_inter,
by = "secteur_jaune_lib",
suffix = c("_old", "_inter")
) |>
left_join(
tableau3_b_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
) |>
left_join(
tableau3_b_new |>
rename_with(~ paste0(.x, "_new"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
)
tableau3_c_old <- data %>%
filter(tertiaire == 1 ) %>%
summarise(
nb_formes = sum(c1tot*poids_old),
nb_salaries = sum(a2tot*poids_old),
nb_heures = sum(c3tot*poids_old)
) %>%
mutate(secteur_jaune_lib = "Tertiaire, dont:")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_c_inter <- data %>%
filter(tertiaire == 1 ) %>%
summarise(
nb_formes = sum(c1tot*poids_inter),
nb_salaries = sum(a2tot*poids_inter),
nb_heures = sum(c3tot*poids_inter)
) %>%
mutate(secteur_jaune_lib = "Tertiaire, dont:")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_c_new_sans_icarus <- data %>%
filter(tertiaire == 1 ) %>%
summarise(
nb_formes = sum(c1tot*poids_new_sans_icarus),
nb_salaries = sum(a2tot*poids_new_sans_icarus),
nb_heures = sum(c3tot*poids_new_sans_icarus)
) %>%
mutate(secteur_jaune_lib = "Tertiaire, dont:")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_c_new <- data %>%
filter(tertiaire == 1 ) %>%
summarise(
nb_formes = sum(c1tot*poids_new),
nb_salaries = sum(a2tot*poids_new),
nb_heures = sum(c3tot*poids_new)
) %>%
mutate(secteur_jaune_lib = "Tertiaire, dont:")|>
mutate( tx_acces = round(nb_formes*100/nb_salaries,1),
heures_par_forme = round(nb_heures/nb_formes,1))
tableau3_c <- tableau3_c_old |>
left_join(
tableau3_c_inter,
by = "secteur_jaune_lib",
suffix = c("_old", "_inter")
) |>
left_join(
tableau3_c_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
) |>
left_join(
tableau3_c_new |>
rename_with(~ paste0(.x, "_new"), -secteur_jaune_lib),
by = "secteur_jaune_lib"
)
tableau3 <- bind_rows(tableau3_a, tableau3_b) %>%
bind_rows(tableau3_c) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Agriculture",
"Industrie",
"Construction",
"Tertiaire, dont:",
"Commerce et réparation d'automobiles",
"Transports et entreposage",
"Hébergement et restauration",
"Information et communication",
"Activités financières et d'assurance",
"Activités immobilières et scientifiques",
"Services administratifs et de soutien",
"Arts et spectacles",
"Enseignement et santé",
"Ensemble")
)
) %>%
arrange(secteur_jaune_lib) %>%
select(-starts_with("nb"))
# tableau3gt_table_secteur_tx <- tableau3 |>
gt(rowname_col = "secteur_jaune_lib") |>
# Titre et sous-titre
tab_header(
title = md("**Taux d’accès et durée de formation par secteur – EFE 2024**"),
subtitle = md("Comparaison pondérations anciennes, intermédiaires et nouvelles")
) |>
# Labels des colonnes
cols_label(
tx_acces_old = "Taux d’accès",
heures_par_forme_old = "Heures/formation",
tx_acces_inter = "Taux d’accès",
heures_par_forme_inter = "Heures/formation",
tx_acces_new_sans_icarus = "Taux d’accès",
heures_par_forme_new_sans_icarus = "Heures/formation",
tx_acces_new = "Taux d’accès",
heures_par_forme_new = "Heures/formation"
) |>
# Spanners par pondération
tab_spanner("Ancienne", c(tx_acces_old, heures_par_forme_old)) |>
tab_spanner("Intermédiaire", c(tx_acces_inter, heures_par_forme_inter)) |>
tab_spanner("Nouvelle sans Icarus", c(tx_acces_new_sans_icarus, heures_par_forme_new_sans_icarus)) |>
tab_spanner("Nouvelle", c(tx_acces_new, heures_par_forme_new)) |>
# Format numérique
fmt_number(
columns = everything() |> setdiff("secteur_jaune_lib"),
decimals = 1
) |>
# Centrage
tab_style(
style = cell_text(align = "center"),
locations = list(
cells_column_labels(everything()),
cells_body(everything())
)
) |>
# Largeur des colonnes
cols_width(
everything() ~ px(140)
) |>
# === COULEURS PAR PONDÉRATION (COLONNES) ===
tab_style(
style = cell_fill(color = "#7fb7df"),
locations = cells_body(columns = c(tx_acces_old, heures_par_forme_old))
) |>
tab_style(
style = cell_fill(color = "#328ccc"),
locations = cells_body(columns = c(tx_acces_inter, heures_par_forme_inter))
) |>
tab_style(
style = cell_fill(color = "#1f6fa3"),
locations = cells_body(columns = c(tx_acces_new_sans_icarus, heures_par_forme_new_sans_icarus))
) |>
tab_style(
style = cell_fill(color = "#0b4f6c"),
locations = cells_body(columns = c(tx_acces_new, heures_par_forme_new))
) |>
# Texte blanc et gras
tab_style(
style = cell_text(color = "white", weight = "bold"),
locations = cells_body(columns = everything() |> setdiff("secteur_jaune_lib"))
) |>
tab_options(
data_row.padding = px(8)
)
gt_table_secteur_tx| Taux d’accès et durée de formation par secteur – EFE 2024 | ||||||||
|---|---|---|---|---|---|---|---|---|
| Comparaison pondérations anciennes, intermédiaires et nouvelles | ||||||||
Ancienne
|
Intermédiaire
|
Nouvelle sans Icarus
|
Nouvelle
|
|||||
| Taux d’accès | Heures/formation | Taux d’accès | Heures/formation | Taux d’accès | Heures/formation | Taux d’accès | Heures/formation | |
| Agriculture | 20.6 | 29.7 | 20.8 | 27.3 | 22.8 | 24.2 | 22.9 | 24.5 |
| Industrie | 55.7 | 33.9 | 55.8 | 33.8 | 56.5 | 35.1 | 56.5 | 34.9 |
| Construction | 32.4 | 35.3 | 32.0 | 34.8 | 31.4 | 32.8 | 30.2 | 33.4 |
| Tertiaire, dont: | 43.1 | 30.7 | 43.2 | 30.4 | 42.6 | 30.1 | 42.3 | 30.2 |
| Commerce et réparation d'automobiles | 39.7 | 23.5 | 39.1 | 23.3 | 37.8 | 22.0 | 37.6 | 22.1 |
| Transports et entreposage | 53.7 | 28.4 | 55.7 | 29.1 | 55.4 | 29.2 | 53.8 | 28.2 |
| Hébergement et restauration | 19.4 | 27.3 | 19.0 | 27.5 | 18.2 | 26.1 | 18.6 | 25.8 |
| Information et communication | 52.8 | 27.5 | 52.9 | 26.6 | 52.3 | 26.4 | 50.6 | 27.5 |
| Activités financières et d'assurance | 76.0 | 33.2 | 76.3 | 33.4 | 76.2 | 33.1 | 77.5 | 32.8 |
| Activités immobilières et scientifiques | 46.7 | 29.5 | 46.4 | 29.0 | 46.1 | 28.2 | 45.1 | 28.6 |
| Services administratifs et de soutien | 32.7 | 31.8 | 32.0 | 30.9 | 32.4 | 31.1 | 33.0 | 29.5 |
| Arts et spectacles | 33.9 | 39.5 | 34.6 | 38.8 | 32.9 | 39.0 | 34.1 | 38.6 |
| Enseignement et santé | 49.4 | 38.8 | 50.0 | 37.6 | 49.3 | 38.5 | 48.4 | 39.9 |
| Ensemble | 43.7 | 31.6 | 43.8 | 31.3 | 43.5 | 31.2 | 43.2 | 31.2 |
5- Taux de recours à la formation à distance des structures formatrices, selon la taille
tableau_graphe1_a_old <- data %>%
filter(formatrice == 1) %>%
group_by( taille_jaune) %>%
summarise(
nb_entreprises = sum(poids_old),
nb_recours_distance = sum(b1cflag*poids_old)
) |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_a_inter <- data %>%
filter(formatrice == 1) %>%
group_by( taille_jaune) %>%
summarise(
nb_entreprises = sum(poids_inter),
nb_recours_distance = sum(b1cflag*poids_inter)
) |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_a_new_sans_icarus <- data %>%
filter(formatrice == 1) %>%
group_by( taille_jaune) %>%
summarise(
nb_entreprises = sum(poids_new_sans_icarus),
nb_recours_distance = sum(b1cflag*poids_new_sans_icarus)
) |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_a_new <- data %>%
filter(formatrice == 1) %>%
group_by( taille_jaune) %>%
summarise(
nb_entreprises = sum(poids_new),
nb_recours_distance = sum(b1cflag*poids_new)
) |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_a <- tableau_graphe1_a_old |>
left_join(
tableau_graphe1_a_inter,
by = "taille_jaune",
suffix = c("_old", "_inter")
) |>
left_join(
tableau_graphe1_a_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -taille_jaune),
by = "taille_jaune"
) |>
left_join(
tableau_graphe1_a_new |>
rename_with(~ paste0(.x, "_new"), -taille_jaune),
by = "taille_jaune"
)
# tableau_graphe1_a
tableau_graphe1_b_old <- data %>%
filter(formatrice == 1) %>%
summarise(
nb_entreprises = sum(poids_old),
nb_recours_distance = sum(b1cflag*poids_old)
) %>%
mutate(taille_jaune = "Ensemble")|>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_b_inter <- data %>%
filter(formatrice == 1) %>%
summarise(
nb_entreprises = sum(poids_inter),
nb_recours_distance = sum(b1cflag*poids_inter)
) %>%
mutate(taille_jaune = "Ensemble")|>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_b_new_sans_icarus <- data %>%
filter(formatrice == 1) %>%
summarise(
nb_entreprises = sum(poids_new_sans_icarus),
nb_recours_distance = sum(b1cflag*poids_new_sans_icarus)
) %>%
mutate(taille_jaune = "Ensemble") |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_b_new <- data %>%
filter(formatrice == 1) %>%
summarise(
nb_entreprises = sum(poids_new),
nb_recours_distance = sum(b1cflag*poids_new)
) %>%
mutate(taille_jaune = "Ensemble") |>
mutate(
tx_recours_distance = nb_recours_distance*100/nb_entreprises)
tableau_graphe1_b <- tableau_graphe1_b_old |>
left_join(
tableau_graphe1_b_inter,
by = "taille_jaune",
suffix = c("_old", "_inter")
) |>
left_join(
tableau_graphe1_b_new_sans_icarus |>
rename_with(~ paste0(.x, "_new_sans_icarus"), -taille_jaune),
by = "taille_jaune"
) |>
left_join(
tableau_graphe1_b_new |>
rename_with(~ paste0(.x, "_new"), -taille_jaune),
by = "taille_jaune"
)
# tableau_graphe1_b
tableau_graphe1 <- bind_rows(tableau_graphe1_a, tableau_graphe1_b) %>%
mutate(
taille_jaune = factor(taille_jaune, levels = c(
"Moins de 50 salariés",
"De 50 à 249 salariés",
"De 250 à 999 salariés",
"1000 salariés ou plus",
"Ensemble")
)
)
# tableau_graphe1
graphe1 <- ggplot(tableau_graphe1,
aes(x = taille_jaune,
y = round(tx_recours_distance_old/100,2),
label = round(tx_recours_distance_old,0)
)) +
geom_col(width = 0.7, position = position_dodge(0.8)) +
geom_text(position = position_dodge(.8), vjust = -0.5, color = "grey30", size = 3) +
theme_minimal() +
xlab("") +
ylab("") +
theme(
#text=element_text(family="Marianne"),
legend.title=element_blank(),
panel.grid.minor.y = element_blank(),
panel.grid.major.x = element_blank()
) +
scale_y_continuous(
limits = c(0,1),
breaks = c(0, 0.2, 0.4, 0.6, 0.8, 1),
labels = scales::percent
) +
scale_x_discrete(labels = scales::label_wrap(15)) +
scale_fill_manual(values=c("#7fb7df", "#328ccc")) tableau_graphe1_long <- tableau_graphe1 |>
pivot_longer(
cols = c(
tx_recours_distance_old,
tx_recours_distance_inter,
tx_recours_distance_new_sans_icarus,
tx_recours_distance_new
),
names_to = "periode",
values_to = "tx"
)
tableau_graphe1_long <- tableau_graphe1_long |>
mutate(
periode = factor(
periode,
levels = c(
"tx_recours_distance_old",
"tx_recours_distance_inter",
"tx_recours_distance_new_sans_icarus",
"tx_recours_distance_new"
),
labels = c("Ancien", "Intermédiaire","Nouveau sans Icarus", "Nouveau")
)
)
graphe1 <- ggplot(
tableau_graphe1_long,
aes(
x = taille_jaune,
y = round(tx / 100, 2),
fill = periode,
label = round(tx, 0)
)
) +
geom_col(
width = 0.7,
position = position_dodge(0.8)
) +
geom_text(
position = position_dodge(0.8),
vjust = -0.5,
color = "grey30",
size = 3,
#family = "Marianne"
) +
theme_minimal() +
xlab("") +
ylab("") +
theme(
# text = element_text(family = "Marianne"),
legend.title = element_blank(),
panel.grid.minor.y = element_blank(),
panel.grid.major.x = element_blank()
) +
scale_y_continuous(
limits = c(0, 1),
breaks = c(0, 0.2, 0.4, 0.6, 0.8, 1),
labels = scales::percent
) +
scale_x_discrete(labels = scales::label_wrap(15)) +
scale_fill_manual(
values = c(
"Ancien" = "#7fb7df",
"Intermédiaire" = "#328ccc",
"Nouveau sans Icarus" = "#1f6fa3",
"Nouveau" = "#0b4f6c"
)
)
###############
graphe1 <- graphe1 + labs( title = "Taux de recours à la formation par taille")
graphe1
6- Part d’heures de formation relevant de formations obligatoires selon le secteur de l’entreprise formatrice
# Graphe 2 ---------------------------------------------------------------------
# Part d’heures de formation relevant de formations obligatoires selon le secteur de l’entreprise formatrice
# en 2024
tableau_graphe2_a <- data %>%
filter(formatrice == 1 ) %>%
group_by(secteur_jaune_lib) %>%
summarise(
tot_heures_old = sum(c3tot*poids_old),
tot_heures_oblig_old = sum(heures_oblig*poids_old),
tot_heures_inter = sum(c3tot*poids_inter),
tot_heures_oblig_inter = sum(heures_oblig*poids_inter),
tot_heures_new_sans_icarus = sum(c3tot*poids_new_sans_icarus),
tot_heures_oblig_new_sans_icarus = sum(heures_oblig*poids_new_sans_icarus),
tot_heures_new = sum(c3tot*poids_new),
tot_heures_oblig_new = sum(heures_oblig*poids_new),
part_oblig_old = tot_heures_oblig_old*100/tot_heures_old,
part_oblig_inter = tot_heures_oblig_inter*100/tot_heures_inter,
part_oblig_new_sans_icarus = tot_heures_oblig_new_sans_icarus*100/tot_heures_new_sans_icarus,
part_oblig_new = tot_heures_oblig_new*100/tot_heures_new,
)
# tableau_graphe2_a
tableau_graphe2_b <- data %>%
filter(formatrice == 1 ) %>%
summarise(
tot_heures_old = sum(c3tot*poids_old),
tot_heures_oblig_old = sum(heures_oblig*poids_old),
tot_heures_inter = sum(c3tot*poids_inter),
tot_heures_oblig_inter = sum(heures_oblig*poids_inter),
tot_heures_new_sans_icarus = sum(c3tot*poids_new_sans_icarus),
tot_heures_oblig_new_sans_icarus = sum(heures_oblig*poids_new_sans_icarus),
tot_heures_new = sum(c3tot*poids_new),
tot_heures_oblig_new = sum(heures_oblig*poids_new),
part_oblig_old = tot_heures_oblig_old*100/tot_heures_old,
part_oblig_inter = tot_heures_oblig_inter*100/tot_heures_inter,
part_oblig_new_sans_icarus = tot_heures_oblig_new_sans_icarus*100/tot_heures_new_sans_icarus,
part_oblig_new = tot_heures_oblig_new*100/tot_heures_new,
) %>%
mutate(secteur_jaune_lib = "Ensemble")
tableau_graphe2 <- bind_rows(tableau_graphe2_a, tableau_graphe2_b) %>%
mutate(
secteur_jaune_lib = factor(secteur_jaune_lib, levels = c(
"Construction",
"Transports et entreposage",
"Hébergement et restauration",
"Agriculture",
"Industrie",
"Commerce et réparation d'automobiles",
"Arts et spectacles",
"Activités financières et d'assurance",
"Services administratifs et de soutien",
"Activités immobilières et scientifiques",
"Enseignement et santé",
"Information et communication",
"Ensemble")
)
) %>%
arrange(secteur_jaune_lib)
# tableau_graphe2
tableau_graphe2_long <- tableau_graphe2 |>
pivot_longer(
cols = c(
part_oblig_old,
part_oblig_inter,
part_oblig_new_sans_icarus,
part_oblig_new
),
names_to = "periode",
values_to = "part"
) |>
mutate(
periode = factor(
periode,
levels = c(
"part_oblig_old",
"part_oblig_inter",
"part_oblig_new_sans_icarus",
"part_oblig_new"
),
labels = c("Ancien", "Intermédiaire", "Nouveau sans Icarus", "Nouveau")
)
)
graphe2 <- ggplot(
tableau_graphe2_long,
aes(
x = secteur_jaune_lib,
y = round(part / 100, 2),
fill = periode,
label = round(part, 0)
)
) +
geom_col(
width = 0.7,
position = position_dodge(0.8)
) +
coord_flip() +
geom_text(
position = position_dodge(0.8),
hjust = -0.2,
vjust = 0.5,
color = "grey30",
size = 3,
#family = "Marianne"
) +
theme_minimal() +
xlab("") +
ylab("") +
theme(
# text = element_text(family = "Marianne"),
legend.title = element_blank(),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
axis.text.y = element_text(size = 10)
) +
scale_y_continuous(
limits = c(0, 0.45),
breaks = c(0, 0.1, 0.2, 0.3, 0.4),
labels = scales::percent
) +
scale_x_discrete(limits = rev) +
scale_fill_manual(
values = c(
"Ancien" = "#7fb7df",
"Intermédiaire" = "#328ccc",
"Nouveau sans Icarus" = "#1f6fa3",
"Nouveau" = "#0b4f6c"
)
)
graphe2 <- graphe2 +
guides(fill = guide_legend(reverse = TRUE))
graphe2 <- graphe2 +
labs(
title = "Taux de recours à la formation par secteur") +
theme(
legend.position = "bottom"
)
graphe2
######