electricsheepeurope/europe-ilo-ear-ehrm-sex-mts-nb-median-hourly-earnings-of-employees-by-sex-and-mar

该数据集包含欧洲7个国家（瑞士、葡萄牙、英国、摩尔多瓦、法国、波黑和希腊）关于员工小时收入中位数的统计数据，时间跨度为1991年至2025年。数据按性别（总计、男性、女性）和婚姻状况（总计）进行细分，并以本地货币计值。数据集包含3,579条观测记录，涵盖一个核心指标：EAR_EHRM_SEX_MTS_NB，即按性别和婚姻状况划分的员工小时收入中位数（本地货币）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是劳工统计的全球权威来源，通过劳动力调查、家庭收入调查等收集并标准化数据。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一、机器学习就绪的数据层。This dataset contains statistical data on the median hourly earnings of employees across 7 European countries (Switzerland, Portugal, United Kingdom, Moldova, France, Bosnia and Herzegovina, and Greece), spanning the years 1991 to 2025. The data is disaggregated by sex (total, male, female) and marital status (total), and values are expressed in local currency. It comprises 3,579 observations and covers one core indicator: EAR_EHRM_SEX_MTS_NB, which stands for Median hourly earnings of employees by sex and marital status (local currency). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), the leading global authority on labour statistics, which collects and harmonizes data from sources such as labour force surveys and household income surveys. The dataset is repackaged by Electric Sheep Europe as part of a mission to provide a unified, ML-ready data layer for Europe.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）旗下的ILOSTAT统计数据库，通过其REST API直接获取编号为EAR_EHRM_SEX_MTS_NB的指标数据，并依据欧洲ISO3国家代码进行过滤与整合。原始数据基于各国劳动力调查、家庭收入调查、企业调查及行政记录等多元来源，经ILO依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集最终由Electric Sheep Europe重新封装为Parquet格式，以统一的模式发布，确保研究者可通过`load_dataset()`快速调用。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数直接加载数据并转换为Pandas DataFrame进行探索。支持按国家代码过滤特定国家的子集，或针对单一指标进行时间序列分析。此外，可利用透视表功能将数据重塑为国家×年份的矩阵，便于进行跨国的纵向比较与建模。数据加载后，可直接应用于分类、回归及时序预测等机器学习任务。

背景与挑战

背景概述

在劳动经济学与性别平等研究领域，薪酬差异始终是政策制定与学术探讨的核心议题。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库系统性地整合了各成员国劳动力调查数据，为跨国比较提供了坚实基础。该数据集由Electric Sheep Europe于2025年重新整理并发布至HuggingFace平台，聚焦欧洲七国（瑞士、葡萄牙、英国、摩尔多瓦、法国、波黑、希腊）1991至2025年间雇员按性别与婚姻状况分组的每小时工资中位数（本币计值）。其核心研究问题在于揭示性别与婚姻状况如何交织影响劳动力市场回报，丰富了对薪酬决定机制中身份交叉性的理解，为欧洲乃至全球的性别薪酬差距研究提供了可复现的时间序列分析资料。

当前挑战

该数据集所解决的领域挑战主要来自劳动统计中薪酬数据的多维异质性。性别与婚姻状况的薪酬差异常与社会文化、法律环境、职业分隔等因素深度耦合，单纯使用平均值易掩埋细粒度不平等。构建过程中面临的挑战包括：各国劳动力调查的采样框架、定义口径和时效性差异较大（如瑞士数据包含34年跨度而希腊仅6年）；ILOSTAT对多源头数据进行最佳来源筛选与婚否分类的标准化处理，却仍存在序列断裂（如观测状态标记'B'）和注释代码嵌套等问题；部分国家样本量有限且观测值存在缺失，影响了面板回归与跨时段推断的稳健性。

常用场景

经典使用场景

在欧洲劳动经济学与性别平等研究领域，该数据集凭借其横跨1991至2025年、覆盖7个欧洲国家的3,579条观测记录，成为分析雇员性别与婚姻状况与小时工资中位数之间关系的经典工具。研究者常基于它展开时间序列分析，追踪各国工资中位数的长期演变规律，或通过面板数据模型揭示性别工资差距的跨国差异及其与婚姻状态的交互效应。其结构化表格形式还使其适用于表格分类与回归任务，为预测劳动力市场中的工资变动模式提供了可靠的数据基础。

解决学术问题

该数据集有效回应了劳动经济学中关于性别工资不平等与婚姻溢价的核心学术问题。通过提供按性别和婚姻状态细分的统一统计口径数据，它使得学者能够实证检验‘婚姻是否对男性或女性工资存在非对称影响’这一经典假说，并区分不同国家制度背景下该效应的异质性。其长期跨度也支持评估欧盟各国劳动市场政策变迁对工资结构的实际影响，从而为缩小性别收入差距的公共政策设计提供量化依据，推动相关理论从描述性分析转向因果推断。

实际应用

在实际应用层面，该数据集可服务于欧盟及国家劳动部门的政策评估与监测系统，用于量化劳动力市场上性别平等目标的实现进度。例如，通过追踪不同性别与婚姻状况雇员的工资中位数，政策制定者能够识别特定弱势群体（如已婚女性）面临的报酬歧视，并据此调整最低工资标准或反歧视法规。此外，数据集亦可用于企业薪酬审计中的外部基准比较，帮助人力资源部门识别内部薪酬结构的潜在偏差，从而促进更公平的雇佣实践。

数据集最近研究

最新研究方向

聚焦欧洲劳动力市场性别与婚姻状况导致的收入差异，该数据集通过整合ILOSTAT权威时序数据，为研究薪酬公平性、婚姻溢价及性别工资差距的动态演变提供了结构化支撑。当前前沿方向集中于利用长周期（1991-2025）跨国家面板数据，结合机器学习与因果推断模型，量化婚姻状态对时薪中位数的异质性影响，并探究欧洲不同福利体制下性别收入不平等的收敛路径。该数据集的高质量标注与细粒度分类（如性别、婚姻状态分类）使其成为检验“婚姻保护效应”假说、评估欧盟同工同酬指令成效的关键资源，对推动劳动经济学中结构性歧视的量化研究具有显著方法论价值。