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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计信息，专门关注亚洲地区员工小时收入中位数。数据集包含5,424个观测值，覆盖25个亚洲国家，时间跨度为1996年至2025年。核心指标为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（以本地货币计）。数据通过ILOSTAT REST API获取，并过滤为亚洲国家代码，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集提供年度频率的数据，包括国家代码、来源、指标、性别分类、观测年份、观测值等列，并包含数据质量说明，如使用ILO选择的“最佳来源”和分类列的非空条件。数据集适用于表格分类、回归和时间序列预测任务，旨在为机器学习和研究提供统一的、ML-ready的亚洲数据层。This dataset contains statistical information from the International Labour Organization (ILO) ILOSTAT database, focusing on median hourly earnings of employees in Asia. It includes 5,424 observations across 25 Asian countries, spanning the years 1996 to 2025. The core indicator is EAR_EHRM_SEX_MTS_NB, which represents the median hourly earnings of employees by sex and marital status (in local currency). Data is pulled directly from the ILOSTAT REST API and filtered to Asia ISO3 country codes, harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset provides annual frequency data, with columns such as country code, source, indicator, sex disaggregation, observation year, observed value, and includes data quality caveats like the use of ILO-selected best source and non-null conditions for disaggregation columns. It is suitable for tabular classification, regression, and time-series forecasting tasks, aiming to offer a unified, ML-ready data layer for Asia.

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数据库，通过其REST API接口直接提取了标识符为EAR_EHRM_SEX_MTS_NB的指标数据，并依据亚洲ISO3国家代码进行地理范围过滤，最终整合了来自25个亚洲国家的5424条观测记录。数据覆盖1996年至2025年的时间跨度，涉及性别与婚姻状况交叉分类下的员工小时工资中位数。ILOSTAT本身通过采用国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行标准化处理，并在数据集中以source.label字段标注数据来源，确保可追溯性。整个数据抽取与打包过程由Electric Sheep Asia完成，旨在提供机器学习就绪的标准化数据集。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数便捷加载该数据集，将其转换为Pandas DataFrame后即可进行探索性分析。典型应用包括按国家过滤数据以进行单一国家的时序分析，或针对特定指标绘制随时间变化的趋势图。研究者亦可利用透视表功能构建国家×年份的矩阵，便于进行跨国比较和面板数据分析。数据集支持分类任务（如基于特征预测性别工资差异）、回归任务（如预测小时工资中位数）以及时间序列预测任务，可灵活适配多种经济计量和机器学习工作流。官方文档提供了从基础数据加载到高级数据重塑的完整示例代码。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下的ILOSTAT数据库整理，并经Electric Sheep Asia于2025年重新打包发布，旨在系统性地提供亚洲地区按性别和婚姻状况分组的雇员时薪中位数（以当地货币计）的时序数据。数据集覆盖了25个亚洲国家，时间跨度从1996年至2025年，共计5424条观测记录。在劳动经济学与社会政策研究领域，性别与婚姻状况对薪酬水平的影响始终是核心议题，该数据集通过精细的分层维度（如性别、婚姻状况）为探究薪酬不平等、劳动力市场歧视以及家庭结构对收入的作用提供了可靠的数据基础。其权威性与标准化处理方式使其在跨国比较研究中具有重要价值，尤其为亚洲区域的可持续发展目标（SDG）中体面工作与经济增长指标的监测提供了关键支撑。

当前挑战

该数据集所解决的领域问题主要聚焦于劳动力市场中性别与婚姻状况导致的薪酬差异量化分析，这是劳动经济学和社会政策研究长期面临的挑战，即如何基于标准化、可比较的薪酬数据揭示不同群体间的结构性不平等。在构建过程中，数据集面临多重挑战：首先，原始数据源来自不同国家的劳动力调查、家庭收入调查等多种渠道，各国民调方法、统计口径与数据质量参差不齐，ILOSTAT需依据国际劳工统计学家会议（ICLS）定义进行繁杂的协调统一工作，并对不同来源进行标记以保证可追溯性。其次，数据覆盖时间跨度大，部分国家存在数据缺失、序列中断或指标定义变更的问题，如‘obs_status’列标注了‘Break in series’，影响了时序分析的连续性。此外，性别分类中仅包含四种选项（总计、男性、女性、其他），婚姻状况分类的粒度亦可能不足以捕捉复杂的社会文化背景，限制了更深入的多维度交叉分析能力。

常用场景

经典使用场景

在劳动经济学与公共政策研究领域，该数据集因其覆盖25个亚洲国家、跨越近三十年（1996–2025年）的雇员中位时薪观测值而备受青睐。研究者通常将其用于构建跨国面板数据模型，以分析性别与婚姻状况如何交互影响工资水平。该数据集的经典使用场景包括：利用固定效应模型剥离国家层面不可观测异质性，揭示婚姻溢价或婚姻惩罚在不同性别间的分布差异；或通过分位数回归，探讨工资分布尾端与顶端受婚姻状态影响的非对称性。此外，时间序列分析常被用于追踪特定国家（如印度尼西亚、菲律宾）工资趋势的转折点，从而为政策评估提供历史基准。

解决学术问题

数据集精准回应了劳动经济学中一个核心且长期悬而未决的学术问题——即婚姻状况如何通过性别角色分工、雇主歧视或自我选择效应，系统性地塑造劳动力市场的工资结构。基于该数据，研究者得以克服单一国家样本量不足与跨国可比性缺失的局限，检验婚姻工资溢价（marriage premium）与婚姻工资惩罚（marriage penalty）在不同制度环境与文化背景下的普遍性。其重要意义在于，分性别与婚姻状态的中位时薪数据不仅最小化了极端值对均值估计的干扰，还提供了更为稳健的不平等测度。该数据集直接推动了关于亚洲新兴经济体内部性别工资差距演变机制的经验研究，并为国际劳工组织（ILO）倡导的体面劳动目标提供了量化支撑。

实际应用

在实际应用中，该数据集为政府统计部门、国际发展机构及企业人力资源战略提供了实证依据。例如，各国劳动部可基于分性别与婚姻状态的时薪差异，设计针对性的反歧视政策或工资补贴计划，以缩小因婚姻状况导致的工资不平等。对于跨国企业而言，理解目标市场中已婚与未婚员工的薪酬分布，有助于在合规框架内优化本地化薪酬结构，降低因性别薪酬差距引发的法律风险。此外，非政府组织可借此数据监测特定群体（如已婚女性）在劳动力市场中的经济地位变迁，从而调整其倡导方向与援助项目的优先级。时间序列的动态特征还支持构建预警系统，用于识别薪资水平突变背后可能存在的结构性改革或经济危机信号。

数据集最近研究

最新研究方向

当前，亚洲劳动力市场的性别薪酬差异与婚姻状态交互效应成为劳动经济学的前沿焦点。基于ILOSTAT权威数据源，该数据集整合了25个亚洲国家1996至2025年间按性别与婚姻状况分类的雇员时薪中位数观测值，为跨国面板分析提供了高粒度素材。研究者可利用其剖析不同婚姻状态对男女收入差距的调节作用，并结合亚洲特有的家庭结构与劳动参与模式，探索婚姻溢价或惩罚现象在儒教、伊斯兰教及东南亚多元文化语境中的异质性表现。在联合国可持续发展目标第八项体面工作的全球议程下，该数据直接服务于政策评估，助力识别因婚姻与性别交叉歧视所导致的薪酬不平等脆弱群体。其时间跨度覆盖亚洲金融危机、后疫情复苏等结构性转折期，为探究经济冲击对特定亚群体收入韧性的影响开辟了实证路径。