electricsheepeurope/europe-ilo-ear-emta-sex-cbr-cur-nb-average-monthly-earnings-of-employees-by-sex-place

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的按性别、出生地和货币划分的雇员平均月收入数据，专门针对欧洲地区。数据集共有3912个观测值，覆盖15个欧洲国家（包括瑞士、葡萄牙、法国、波黑、西班牙、希腊、意大利、英国、瑞典、马耳他、比利时、挪威、芬兰、爱沙尼亚和卢森堡），时间跨度为1998年至2025年。核心指标为EAR_EMTA_SEX_CBR_CUR_NB，即按性别、出生地和货币划分的雇员平均月收入。数据集提供了详细的结构化信息，包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（男性、女性、总计）、出生地分类、货币类型、观测年份、观测数值、数据状态标志以及相关注释。数据以年度频率提供，并经过ILO的 harmonisation 处理，使用国际劳工统计学家会议（ICLS）的定义。数据集由Electric Sheep Europe重新打包，旨在为机器学习提供统一、易于使用的欧洲数据层。This dataset contains Average monthly earnings of employees by sex, place of birth and currency data from the International Labour Organization (ILO) ILOSTAT database, specifically for Europe. It includes 3,912 observations across 15 European countries (Switzerland, Portugal, France, Bosnia and Herzegovina, Spain, Greece, Italy, United Kingdom, Sweden, Malta, Belgium, Norway, Finland, Estonia, and Luxembourg), spanning the years 1998 to 2025. The core indicator is EAR_EMTA_SEX_CBR_CUR_NB, which measures average monthly earnings of employees disaggregated by sex, place of birth, and currency. The dataset provides detailed structured information, including country codes, country names, data sources, indicator codes, indicator labels, sex disaggregation (male, female, total), place of birth classification, currency type, observation year, observed value, data status flags, and relevant notes. Data is provided at annual frequency and has been harmonized by the ILO using International Conference of Labour Statisticians (ICLS) definitions. The dataset is repackaged by Electric Sheep Europe as part of 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）的ILOSTAT数据库，通过REST API直接获取指标代码为EAR_EMTA_SEX_CBR_CUR_NB的原始数据，并依据ISO 3166-1 alpha-3标准筛选出15个欧洲国家的观测记录。数据经过ILOSTAT的标准化处理，基于国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一整合，同时在source.label列中标注数据来源以确保可追溯性。最终由Electric Sheep Europe团队重新打包为HuggingFace数据集格式，包含3912条观测、覆盖1998年至2025年的时序数据。

特点

本数据集的核心特色在于其精细的多维度解构能力。除了提供雇员平均月薪这一核心指标外，数据按性别（男性、女性、总计）和出生地（本土出生、外国出生等）进行了交叉细分，并记录了货币类型。数据结构包含丰富的元信息列，如观测状态标志（如序列中断、临时数据）、来源注释和指标注释，有助于研究者评估数据质量和进行深入分析。数据集覆盖了瑞士、葡萄牙、法国等15个欧洲国家，时间跨度和国家分布不均，为聚焦特定区域的劳动力市场研究提供了独特视角。

使用方法

研究者可通过HuggingFace的datasets库便捷加载数据：使用load_dataset函数即可将数据读取为DataFrame格式。针对时间序列分析，可依据indicator和ref_area列筛选特定指标和国家，随后按time列排序进行趋势可视化。若需构建国家×年份的面板数据，可利用pivot_table方法对obs_value进行透视。数据集的sex、classif1、classif2列提供了丰富的分组依据，支持按性别和出生地等维度进行子集分析。需要注意的是，部分分类列仅在对应细分数据存在时非空，且数据为年度频率，多来源情况下采用ILO筛选的'最佳来源'。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，并由Electric Sheep Europe重新打包发布，旨在提供欧洲15个国家1998至2025年间按性别、出生地及货币分组的雇员平均月收入数据。数据集源自ILOSTAT这一全球权威的劳工统计数据库，ILO的统计部门负责对各国劳动力调查数据进行标准化整合。其核心研究问题聚焦于揭示欧洲劳动力市场中不同性别与移民背景群体的收入差异，为经济学、社会学及公共政策研究提供可靠依据。作为劳动经济学领域的关键资源，该数据集助力学者分析工资不平等、移民融合及劳动市场动态，对推动体面工作与可持续发展目标的实证研究具有重要影响力。

当前挑战

该数据集面临的领域挑战在于解决劳动力市场中复杂的结构性不平等问题，特别是性别与移民身份叠加导致的工资差异难以量化与归因，需要精细化的分类数据支撑回归分析与政策评估。构建过程中遭遇的挑战尤为显著：其一，各国数据来源各异，包括劳动力调查、行政记录及企业调查，需通过ILO的ICLS定义进行繁琐的标准化处理以保障跨国可比性；其二，15个欧洲国家的观测年际跨度不均，部分国家数据稀疏，如卢森堡仅涵盖2017年，而瑞士与葡萄牙则覆盖二十余年，这种时间序列的不均衡增加了时序分析的难度；其三，数据质量标注复杂，存在序列断裂与指标定义差异，需通过多重分类变量与注释信息进行同步校正，以确保分析结论的稳健性。

常用场景

经典使用场景

该数据集为研究欧洲劳动力市场报酬差异提供了标准化的时间序列数据，核心应用场景聚焦于基于性别与出生地维度的月均收入建模。研究者可借助该数据集构建面板数据回归模型，系统考察不同国家、不同年份间雇员收入的动态演变规律；亦可用于时间序列预测，例如利用ARIMA或Prophet模型预判特定国家未来数年的收入走势。此外，表格分类任务中，该数据集的分类变量（如性别、出生地、货币类型）为探究收入分层的决定因素提供了天然特征集，支持分类树、随机森林等算法在劳动经济学中的实证应用。

衍生相关工作

该标准化数据集衍生出一系列重要工作方向，首先促进了计量经济学中多种因果推断方法的验证与比较，例如利用双重差分法评估2008年金融危机或2020年新冠疫情对不同群体收入的冲击异质性。其次，它推动了机器学习在劳动统计领域的融合应用，催生了基于梯度提升树收入预测模型的构建，以及使用聚类算法发现欧洲国家间收入模式的潜在类型学（如北欧高均等模型与南欧分化模型）。此外，该数据集为时态图神经网络提供了节点属性演化数据，支持对跨国劳动力流动与收入联动性的动态网络分析。Electric Sheep Europe的标准化生产流程本身也成为数据科学社会应用的范例，启发了一系列类似的高质量ILOSTAT子集打包项目。

数据集最近研究

最新研究方向

在全球劳动市场动态加剧与移民议题持续升温的背景下，该数据集为探究欧洲地区劳动者收入差异的性别与出生地交互效应提供了关键实证基础。当前研究前沿聚焦于利用该时间序列数据（1998–2025年）构建高精度预测模型，以揭示移民身份与薪酬不平等之间的结构性关联，并通过与国际劳工组织（ILO）标准化指标的耦合，深化对劳动力市场制度性歧视及政策干预效果的计量评估。这些工作不仅推动了劳动经济学中多维分层分析的量化边界，也为欧盟制定包容性就业政策提供了数据驱动的决策支撑。