electricsheepeurope/europe-ilo-ear-pmta-sex-nb-average-monthly-earnings-of-public-sector-employee

该数据集包含了欧洲公共部门员工平均月收入（以本地货币计）的统计信息，涵盖6个欧洲国家（瑞士、法国、英国、摩尔多瓦、波斯尼亚和黑塞哥维那、希腊），时间范围为1996年至2025年。数据集共有336个观测值，基于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并由Electric Sheep Europe重新打包为机器学习就绪格式。数据以表格形式组织，包括国家代码、年份、指标值、性别细分（总计、男性、女性）、数据来源和质量标志等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains statistics on the average monthly earnings of public sector employees in local currency across Europe, covering 6 countries (Switzerland, France, United Kingdom, Moldova, Bosnia and Herzegovina, Greece) from 1996 to 2025. It includes 336 observations, sourced from the International Labour Organization (ILO) ILOSTAT database via REST API and repackaged by Electric Sheep Europe for machine learning readiness. The data is in tabular format with columns such as country code, year, indicator value, sex disaggregation (total, male, female), data source, and quality flags, suitable for tasks like tabular classification, regression, and time-series forecasting.

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，经由Electric Sheep Europe重新打包以适配机器学习工作流。构建过程中，研究者通过ILOSTAT REST API直接提取核心指标EAR_PMTA_SEX_NB，筛选出欧洲六国的公共部门雇员平均月收入数据，并对原始调查微观数据依据国际劳动统计学家会议（ICLS）定义进行标准化处理。最终形成的表格包含336条观测记录，每条记录均附有来源标签与观测状态标记，确保数据的可追溯性与透明度。

使用方法

用户可通过HuggingFace Datasets库一键加载数据，调用load_dataset函数即可获取训练集切片。将数据转换为Pandas DataFrame后，能方便地按国家过滤、按时间排序绘制单指标趋势图，或通过数据透视表构建国家×年份矩阵。该数据集适用于回归分析与时间序列预测任务，尤其适合评估欧洲公共部门薪酬差异及其长期演变模式，为劳动经济学研究提供标准化、可复现的数据基础。

背景与挑战

背景概述

在欧洲一体化与公共财政透明化进程不断深化的背景下，公共部门雇员的薪酬水平不仅关乎社会公平，更是衡量国家治理效能与劳动力市场健康度的关键指标。国际劳工组织（ILO）依托其核心统计数据库ILOSTAT，整合了来自各国劳动力调查与行政记录的海量数据，并于近年经由Electric Sheep Europe团队重新封装，发布了涵盖瑞士、法国、英国、摩尔多瓦、波黑及希腊六个欧洲国家、时间跨度达1996至2025年的公共部门雇员月均收入数据集。该数据集聚焦于单一核心指标EAR_PMTA_SEX_NB，以当地货币计量，并提供按性别细分的时间序列观测值，旨在为跨国比较、劳动经济学研究及政策评估提供高信度的基准数据。其发布显著提升了欧洲公共薪酬数据的可获取性与可复现性，已成为相关领域实证分析的重要资源。

当前挑战

该数据集所面对的挑战首先源自公共部门薪酬的复杂界定与跨国可比性难题：各国公共部门涵盖范围、职位分类及福利构成存在显著差异，导致ILOSTAT虽采用国际劳工统计学家会议（ICLS）定义进行协调，但同质化处理仍难以完全消除结构性偏差。其次，构建过程中的数据稀疏性与质量标注问题尤为突出：数据集仅包含336条观测值，覆盖六国，其中希腊仅18条记录且截至于2020年，数据完整性严重不均；观测值状态字段（如“序列中断”或“初步数据”）提示部分年份来源发生更替或质量不可靠，加上货币单位与物价水平的差异未被归一化，导致跨时期与跨国的直接比较潜藏风险。此外，年度频率的限制使得高时间分辨率分析无法实现，而多重来源间的“最佳来源”选择策略也可能引入系统性偏移，对基于机器学习的时间序列预测与因果推断任务构成显著障碍。

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，该数据集为探究欧洲公共部门雇员的薪资水平提供了标准化、可跨国比较的时间序列数据。研究者常将其用于构建面板数据模型，分析公共部门薪酬随时间演变的结构性变化，以及性别、国家与年份间的差异。该数据集的年度观测频率与多维度分类变量（如性别细分），使其成为薪酬不平等研究、公共财政效率评估及国际劳动标准比较分析中的基础性数据来源。

解决学术问题

该数据集有效解决了欧洲公共部门薪酬领域长期存在的数据碎片化与统计标准不统一问题。依托国际劳工组织ILOSTAT的权威发布，研究者能够跨越国家边界，在同质化框架下考察平均月薪水平的变动趋势。它推动了关于公共部门薪酬决定因素的实证研究，例如分析经济增长、财政政策或劳动法规对公务员工资的影响，并为性别收入差距的跨国比较提供了可靠证据，从而深化了对劳动力市场治理与公平性议题的学术理解。

实际应用

在实际应用方面，该数据集为国际组织、政府智库与政策制定者提供了监测公共部门薪酬竞争力的工具。通过分析年度平均收入波动，可辅助评估公务员工资调整的合理性与财政可持续性。此外，数据集中标记的统计中断与数据来源信息，有助于提升统计报告编制的透明度，促进各国劳动统计方法的协调与改进，从而支撑欧盟层面社会政策与劳动力市场改革方案的设计。

数据集最近研究

最新研究方向

当前，该数据集聚焦于欧洲公共部门雇员平均月薪的时序建模与跨国比较研究。在宏观劳动力市场分析的前沿，研究者正利用ILOSTAT官方数据，结合性别维度（SEX_T、SEX_M、SEX_F）挖掘工资差异的演变规律。该数据集覆盖1996至2025年六个欧洲国家的336条观测，为追踪公共薪酬政策调整、评估福利制度效果及监测国际劳工组织体面工作指标（SDG Target 8.5）提供了权威的时间序列基础。随着欧洲经济体对公共部门财政可持续性及收入分配公平性的关注升温，此类标准化、可复用的数据集正成为劳动经济学、公共政策评估及机器学习预测任务中不可或缺的基石。