electricsheepasia/asia-ilo-cpi-xcpi-coi-rt-national-consumer-price-index-cpi-by-coicop-2017-1

该数据集包含亚洲46个国家从1952年至2025年的国家消费者价格指数（CPI）数据，使用COICOP分类（2017年=100）。数据集共有9,012个观测值，涵盖1个独特指标（CPI_XCPI_COI_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Asia重新打包为机器学习就绪格式，包括国家代码、年份、观测值等字段，适用于表格分类、回归和时间序列预测任务。This dataset contains 9,012 observations of National consumer price index (CPI) by COICOP (2017 = 100) data across 46 Asia countries, spanning 1952–2025, covering 1 distinct indicator (CPI_XCPI_COI_RT). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, repackaged by Electric Sheep Asia into a machine-learning-ready format with fields such as country code, year, observed value, etc., suitable for tabular classification, regression, and time-series forecasting tasks.

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核心统计数据库，经由Electric Sheep Asia团队重新封装并发布至HuggingFace平台。构建过程首先通过ILOSTAT的REST API接口直接拉取全球消费者价格指数（CPI）原始数据，进而依据亚洲地区的ISO3国家代码进行地域筛选，最终整合为包含46个亚洲国家、跨越1952年至2025年、共计9012条观测记录的结构化表格。数据采用年度频率，并经过ILO基于国际劳工统计学家会议（ICLS）定义的统一协调处理，同时保留来源标签以保障数据溯源能力。

特点

本数据集的核心特点在于其聚焦亚洲区域的消费者价格指数（CPI）数据，以2017年为基期（2017=100）并按COICOP分类体系进行划分，涵盖一个关键指标。其时空覆盖范围宽广，时间跨度长达73年，空间上囊括韩国、以色列、巴勒斯坦等46个亚洲国家与地区，观测密度不均，其中韩国以566条记录位居首位。数据集以Parquet格式封装，具备机器学习的即用性，包含国家代码、指标值、分类变量及数据来源等完整字段，且全部数据遵循CC-BY-4.0许可协议，便于学术研究与商业应用。

使用方法

用户可通过HuggingFace的`datasets`库快速加载该数据集，仅需一行Python代码：`load_dataset("electricsheepasia/asia-ilo-cpi-xcpi-coi-rt-national-consumer-price-index-cpi-by-coicop-2017-1")`，即可获取训练集。加载后，数据可转换为Pandas DataFrame进行深入分析，例如按国家代码过滤特定国家的时间序列数据，或对单个指标进行时间趋势可视化。此外，用户还能通过透视表操作，将数据重塑为国家×年份的矩阵形式，便于进行面板数据回归或跨国家比较分析。数据集以表格形式存储，兼容时间序列预测、回归分析及分类任务等多种应用场景。

背景与挑战

背景概述

消费者价格指数（CPI）是衡量一国通货膨胀与经济稳定性的核心指标，对劳动经济学、宏观经济政策评估及国际比较研究具有基础性作用。由国际劳工组织（ILO）统计部门发布的asia-ilo-cpi-xcpi-coi-rt-national-consumer-price-index-cpi-by-coicop-2017-1数据集，经Electric Sheep Asia于2025年重新整理并托管于HuggingFace平台，聚焦亚洲46个国家自1952年至2025年间按COICOP分类的年度国家CPI数据，共计9012条观测记录。该数据集依托ILOSTAT这一全球权威劳动统计数据库，通过标准化API从各国劳动力调查、家庭收支调查等多元来源抽取并统一口径，旨在为亚洲地区通货膨胀动态、购买力变化及劳动力市场关联性研究提供高质量、可复现的基础数据资源，填补了区域精细尺度CPI面板数据的空白，尤其服务于可持续发展目标中体面劳动与经济增速指标的量化分析。

当前挑战

该数据集所解决的领域核心挑战在于：亚洲各国CPI统计体系长期存在口径差异（如基期选择、权重更新频率、COICOP分类层级不统一），且部分国家历史数据缺失或中断，导致跨时点、跨国度的通胀比较研究面临严重的可比性与完整性障碍。ILO通过统一采纳ICLS定义并筛选‘最佳来源’数据，试图缓解这一矛盾，但数据构建过程中仍面临多重挑战：其一，时间频次受限——仅提供年度观测值，而CPI的高频波动信息（如月度、季度数据）被舍弃，无法支持短期通胀预测或货币政策响应研究；其二，来源多样性导致标注复杂——同一国家不同年份可能由不同调查或行政记录提供数据，source.label字段虽追踪来源，却增加了模型训练时的噪声控制难度；其三，缺失值与分类层次不齐——分类变量（如classif1）仅在特定指标细分时填充，数据稀疏性对时间序列预测与面板模型提出特征工程与插补方法的严峻要求。

常用场景

经典使用场景

该数据集汇聚了亚洲46个国家自1952年至2025年间基于COICOP分类的居民消费价格指数（CPI）年度观测值，共计9012条记录。其经典使用场景聚焦于宏观经济领域的跨国面板数据分析与时间序列预测。研究者常借助此数据集构建多层次模型，以刻画亚洲各国通胀动态的异质性与共变性，或运用经典计量方法如固定效应回归与协整分析，探究货币政策、汇率波动及国际大宗商品价格对区域价格水平的传导效应。数据集以2017年为基期的统一标准化处理，为跨时空比较提供了坚实的统计基础，使其成为研究亚洲经济体价格行为不可或缺的基准资源。

实际应用

在实际应用层面，该数据集为国际组织、中央银行及跨国企业提供了关键的决策支持工具。各国货币当局可依据其发布的历史通胀轨迹，校准货币政策反应函数，评估物价调控措施的有效性，并前瞻性地设定通胀目标。跨国公司与投资机构则利用这些数据量化不同亚洲市场的购买力变化，优化汇率风险对冲策略与跨境定价方案。更广泛地，该数据源被整合进区域经济监测预警系统，帮助分析师识别价格异动并预判宏观脆弱性，为国际贸易谈判与区域经济合作议程设定提供实证依据，从而提升了亚洲经济体在全球供应链与资本流动中的透明度与可预测性。

衍生相关工作

围绕该数据集已衍生出多项具有影响力的经典学术工作。其一为利用其构建的亚洲各国CPI面板数据库，支撑了关于区域货币联盟可行性及最优汇率制度选择的一系列实证研究。其二，数据驱动了动态随机一般均衡模型的校准与检验，特别是针对新兴市场经济体通胀惯性特征的建模改进。此外，数据集被广泛用于训练与验证机器学习模型在时间序列预测上的表现，催生了融合统计学习与宏观经济理论的通胀预测新范式。国际劳工组织与各大高校还基于该数据开展跨国比较项目，实证检验最低工资调整、就业结构变迁与物价水平之间的复杂关联，推动了劳动经济学与宏观价格分析的知识交汇与创新。