electricsheepeurope/europe-ilo-ear-emtg-sex-geo-nb-gini-index-of-monthly-earnings-of-employees-by-sex

该数据集包含欧洲31个国家从2000年到2025年的5,174个观测值，专注于收入和薪酬不平等主题，具体指标为按性别和城乡地区划分的员工月收入基尼指数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过欧洲国家代码过滤。数据集采用表格格式，包含列如国家代码、国家名称、指标代码、指标标签、性别分类、年份、观测值、观测状态等，用于分析收入不平等趋势。数据以年频率发布，并包含数据来源和质量说明。This dataset contains 5,174 observations of Income and pay inequality data across 31 Europe countries, spanning 2000–2025, with the indicator Gini index of monthly earnings of employees by sex and rural / urban areas. Sourced from the ILOSTAT database of the International Labour Organization (ILO), it is retrieved via API and filtered to European country codes. The data is in tabular format, including columns such as country code, country name, indicator code, indicator label, sex disaggregation, year, observed value, and observation status, for analyzing income inequality trends. It is published at annual frequency and includes source and quality notes.

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）的ILOSTAT数据库，通过调用其REST API接口，从原始指标EAR_EMTG_SEX_GEO_NB中提取数据，并依据欧洲ISO3国家代码进行过滤与整合。ILOSTAT本身对各国劳动力调查、家庭收入调查等微观数据，依据国际劳工统计学家会议（ICLS）定义进行了标准化处理，数据集中通过source.label字段标注了每一条观测的具体数据来源，确保了溯源清晰。最终由Electric Sheep Europe团队重新封装，形成包含5174条观测、覆盖31个欧洲国家、时间跨度从2000年至2025年的结构化表格数据集。

特点

作为聚焦欧洲地区收入与薪酬不平等领域的专业数据集，其核心指标为雇员月收入的基尼系数（Gini index），并按性别（总、男性、女性）与城乡地理区域进行细粒度分解。数据集合规包含了31个欧洲国家的多年观测值，时间序列完整，部分国家数据可回溯至2000年，且所有观测均附带观测状态标识（如序列中断、临时值等），便于用户识别数据质量波动。此外，数据以Parquet格式存储，列式结构清晰，包含了国家代码、来源编码、指标定义及注释信息等多维元数据。

使用方法

用户可通过HuggingFace的datasets库直接调用load_dataset()函数加载该数据集，并利用to_pandas()方法快速转换为pandas DataFrame格式进行后续分析。典型应用包括：按国家过滤以聚焦特定区域的基尼系数演变趋势；针对单一指标进行时间序列可视化，观察收入不平等程度的年度波动；通过pivot_table构建国家×年份的矩阵，便于进行跨国横向对比或面板数据分析。数据集兼容表格分类、回归及时间序列预测任务，为研究欧洲劳动力市场不平等问题提供了即用型的数据基础。

背景与挑战

背景概述

收入不平等是经济学与社会学长期关注的核心议题，其中基尼系数作为衡量收入分配公平程度的重要指标，已被广泛应用于国家间与区域间的比较研究。国际劳工组织（ILO）下属的ILOSTAT数据库作为全球劳动统计的权威来源，自2000年起系统性地收录了欧洲31个国家雇员月收入的基尼系数数据，并按照性别与城乡地区进行细分。该数据集由Electric Sheep Europe于2025年基于ILOSTAT REST API重新整理并发布至HuggingFace平台，提供5,174条观测记录，覆盖2000年至2025年的年度数据。其核心研究问题在于揭示欧洲范围内收入不平等的时空演变趋势，以及性别与地域维度下收入差异的结构性特征，为劳动经济学、社会政策评估及可持续发展的目标监测提供了关键实证基础。

当前挑战

数据集所解决的领域问题聚焦于收入不平等量化分析中的三大挑战：其一，基尼系数作为单一指标虽能反映总体不平等程度，却难以捕捉子群体（如性别、城乡）间的内部差异，而该数据集通过多维细分变量有效提升了分析的颗粒度；其二，跨国数据因统计口径、调查方法及数据来源的差异而缺乏可比性，ILOSTAT依据国际劳工统计学家会议定义进行标准化处理，但仍存在因来源变更导致的序列断裂风险（如数据中标注的'Break in series'状态）；其三，构建过程中面临数据整合与质量控制难题，包括从多个国家调查系统（如劳动力调查、家庭收入调查）中提取一致的时间序列、处理年度频率与部分指标月度或季度发布之间的频率不匹配，以及应对某些国家特定年份数据缺失和最佳来源选择的主观性，这些均对模型的稳健性提出了高要求。

常用场景

经典使用场景

在劳动经济学与社会不平等研究领域，该数据集被广泛用于分析欧洲各国雇员月收入分配的基尼系数，揭示性别与城乡维度下的收入差距格局。研究者可借助其涵盖31个欧洲国家、跨越2000至2025年间逾五千条观测值的时间序列特性，开展跨国比较与纵向趋势分析，不仅能够追踪单一国家内部收入不平等程度的演进轨迹，还能够构建面板数据模型，解析制度变迁、劳动力市场政策与全球化冲击对收入分配结构的差异性影响。

实际应用

在实际应用中，该数据集可服务于国际组织与政府部门的政策评估与监测工作。欧洲各国劳动与社会保障部门能够利用分性别、分城乡的基尼系数变动趋势，精准定位收入分配中的弱势群体，从而制定更具靶向性的薪酬公平政策与社会转移支付方案。此外，非政府组织与学术智库也可借助这些数据撰写年度不平等报告，推动社会公众对收入分配问题的理性认知，并为跨国企业制定合乎社会责任标准的薪酬策略提供宏观参考依据。

衍生相关工作

围绕该数据集的发布，衍生了一系列专注于欧洲收入不平等预测与归因分析的经典研究工作。有学者基于其时间序列结构，构建了融合宏观经济指标的自回归移动平均与机器学习混合模型，成功预测了后金融危机时代南欧与北欧国家基尼系数的分化走势。另一些工作则利用该数据集的性别与区域分类标签，结合Shapley值分解方法，量化了产业结构升级、最低工资制度及女性劳动参与率变动对收入差距的相对贡献，推动了因果推断在劳动统计中的规范化应用。