electricsheepeurope/europe-ilo-ear-emtm-sex-eco-cur-nb-median-monthly-earnings-of-employees-by-sex-econom

该数据集包含欧洲33个国家从1991年至2025年的员工月收入中位数数据，按性别、经济活动和货币分类。数据集共有150,124个观测值，涵盖1个独特指标（EAR_EMTM_SEX_ECO_CUR_NB），即按性别、经济活动和货币分类的员工月收入中位数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，通过ILOSTAT REST API获取，并经过ILO harmonization处理以确保数据一致性。数据集包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总、男性、女性）、经济活动分类、货币分类、观测年份、观测值、观测状态等列。数据为年度频率，覆盖了欧洲多个国家，如瑞士、葡萄牙、法国、英国、摩尔多瓦、意大利、奥地利、瑞典、丹麦、挪威、波黑、爱沙尼亚、波兰、斯洛文尼亚、荷兰等。数据集由Electric Sheep Europe重新打包，以提供统一的、机器学习就绪的数据格式，便于研究人员和开发者使用。This dataset contains median monthly earnings data for employees across 33 European countries from 1991 to 2025, disaggregated by sex, economic activity, and currency. It includes 150,124 observations covering 1 distinct indicator (EAR_EMTM_SEX_ECO_CUR_NB), which represents the median monthly earnings of employees by sex, economic activity, and currency. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, a leading global source for labour statistics, retrieved via the ILOSTAT REST API and harmonized by ILO. The dataset features columns such as country code, country name, source, indicator code, indicator name, sex classification (total, male, female), economic activity classification, currency classification, observation year, observed value, and observation status. The data is annual in frequency and covers multiple European countries, including Switzerland, Portugal, France, the United Kingdom, Moldova, Italy, Austria, Sweden, Denmark, Norway, Bosnia and Herzegovina, Estonia, Poland, Slovenia, the Netherlands, and others. Repackaged by Electric Sheep Europe, the dataset is designed to provide a unified, machine learning-ready data layer for Europe, facilitating easy access and analysis for researchers and developers.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队从国际劳工组织（ILO）的ILOSTAT REST API中直接提取，通过筛选欧洲国家ISO3代码构建而成。原始数据基于各国劳动力调查、家庭收入调查及行政记录，并依照国际劳工统计学家会议（ICLS）的定义进行统一整理。数据集覆盖1991年至2025年间33个欧洲国家的15万余条观测记录，聚焦于雇员按性别、经济活动与货币分类的月收入中位数指标。数据经归一化处理后以Parquet格式打包，确保与HuggingFace Datasets库无缝兼容，研究者可通过加载函数快速获取。

特点

本数据集的核心优势在于其丰富的细粒度分类维度，涵盖性别（总、男、女）、经济活动部门及货币类型等多重标签，支持跨国家和跨时期的多维分析。数据来源的权威性由ILO统计局保障，每条记录均标注数据来源与观测状态，便于用户进行质量追溯。此外，数据集中包含三类注释字段，用于标记非标准经济活动、货币换算及来源存储库等元信息，显著增强了数据的透明度和可解释性。

使用方法

用户可借助HuggingFace Datasets库通过`load_dataset()`函数一键加载数据，并将其转换为Pandas DataFrame进行后续分析。推荐的使用路径包括：按国家代码过滤以聚焦单一经济体的时间序列；对特定指标进行年度趋势可视化；或构建国家-年份的透视矩阵以比较不同国家的收入演化。数据集可直接支撑时间序列预测、分类与回归等机器学习任务，尤其适用于欧洲劳动力市场与收入不平等领域的实证研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年整理发布，经由Electric Sheep Europe团队重新封装于HuggingFace平台，聚焦欧洲33国1991至2025年间按性别、经济活动及货币分类的雇员月收入中位数。作为ILOSTAT全球劳动统计数据库的核心子集，该数据集服务于劳动力市场不平等、性别工资差距及宏观经济政策评估等研究议题。其跨时三十余年的纵向覆盖与多维度分类特征，为实证分析欧洲就业质量演变提供了标准化、可复现的数据基础，对劳动经济学、社会政策及国际比较研究具有重要推动作用。

当前挑战

该数据集面临的核心挑战包括：第一，领域内性别工资差距的归因难题——收入中位数虽能揭示差异表象，但难以剥离教育水平、职业隔离及非正规就业等混杂因素的干扰，导致政策建议的精准性受限；第二，数据构建中跨国统计口径的协调困境——各国原始调查（如劳动力调查、家庭收支调查）在抽样设计、收入定义及货币换算上存在差异，ILO虽采用ICLS标准进行调和，但注释字段中的“非标准化经济活动”及“不可靠”状态标记仍暴露出数据一致性风险；第三，高频次缺失问题——部分国家年份的观测值被标注为“临时”或“不可靠”，可能削弱时间序列分析的稳健性，需研究者谨慎处理质量控制标记。

常用场景

经典使用场景

该数据集记录了欧洲33个国家自1991年至2025年间按性别、经济活动及货币分类的雇员月收入中位数，共包含150,124条观测，是劳动经济学与收入分配研究领域的重要结构化资源。研究者可借助这一横跨三十余年、覆盖多个发展水平国家的时间序列数据，开展跨国别、跨时期的收入动态比较分析。典型应用包括利用经典计量模型探讨性别收入差距的演变趋势，或运用面板数据方法评估经济周期、产业结构调整与制度变革对劳动者报酬的影响。数据中精细的分类维度，如经济活动类别和本地货币单位，使得微观层面的异质性分析成为可能，从而为理解欧洲劳动力市场的内在运行机制提供坚实的数据支撑。

衍生相关工作

围绕这一标准化数据集，已涌现出诸多体系化的衍生工作。其中，基于机器学习的面板数据预测模型被开发用于估算缺失年份或国家的收入水平，极大丰富了劳动统计的时空覆盖。围绕性别收入差距的跨国回归分析中，研究者将该数据与经济计量学中的分位数分解方法相结合，衍生出探讨‘天花板效应’与‘地板效应’在不同经济活动部门差异的经典范式。此外，结合自然语言处理技术对数据中附带的来源标注字段进行挖掘，已衍生出用于追踪各国劳工统计质量演变和调查方法一致性的评估工具。这些工作不仅是方法论上的延伸，更推动了从静态描述向归因解释的学术话语体系转型，成为劳动经济学家与计算社会科学家协同探索的重要平台。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲33国1991至2025年间按性别、经济活动与货币划分的员工月收入中位数，为劳动经济学中的性别薪酬差异、区域经济不平等及劳动力市场结构性变迁提供了高粒度的时间序列证据。在劳动统计领域，ILOSTAT作为国际劳工组织的权威数据库，其数据经过ICLS定义统合，确保了跨国可比性，赋能研究者追踪欧元区与东欧非欧元国家间薪酬收敛或分化趋势。当前热点方向包括结合该数据与欧盟性别平等指数，量化女性劳动参与率提升对收入中位数的因果效应，以及在绿色转型背景下，分析高碳排放行业与服务业薪酬分布的动态异质性。该数据集亦支持构建面板数据模型，识别税收、社保政策与最低工资调整对中位数薪酬的非线性传导机制，其长达34年的观测跨度与150,124条记录，为稳健性检验与政策仿真提供了稀缺的纵向基础，对欧洲社会模型的比较政治经济学研究具有显著的学术与决策意义。