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

该数据集包含欧洲33个国家从1991年至2025年的员工月收入基尼指数数据，共有51,414个观测值，覆盖一个主要指标：按性别和经济活动划分的员工月收入基尼指数（EAR_EMTG_SEX_ECO_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过调查和行政记录收集，并按照国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集以表格形式呈现，包含国家代码、年份、性别分类、经济活动和观测值等列，适用于表格分类、回归和时间序列预测等任务。数据以CC-BY-4.0许可证发布，由Electric Sheep Europe重新打包，便于机器学习应用。This dataset contains 51,414 observations of the Gini index of monthly earnings of employees by sex and economic activity across 33 European countries, spanning from 1991 to 2025. It covers one key indicator: EAR_EMTG_SEX_ECO_NB, which measures income inequality. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, harmonized using International Conference of Labour Statisticians (ICLS) definitions, and includes columns such as country code, year, sex disaggregation, economic activity, and observed values. It is designed for tabular classification, regression, and time-series forecasting tasks, released under the CC-BY-4.0 license, and repackaged by Electric Sheep Europe for machine learning readiness.

搜集汇总

数据集介绍

构建方式

该数据集来源于国际劳工组织（ILO）的ILOSTAT数据库，聚焦于欧洲33个国家1991年至2025年间雇员月收入按性别和经济活动分类的基尼系数。数据通过ILOSTAT的REST API直接拉取，并依据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协调处理，最终过滤出欧洲ISO3国家代码对应的观测值。数据集包含51,414条记录，每条观测值均附有来源标签以实现可追溯性，确保了数据整合的严谨与透明。

特点

数据集呈现高度结构化与多维度的特征，核心指标为单一基尼系数（EAR_EMTG_SEX_ECO_NB），但通过性别（男性、女性、总计）及经济活动等分类维度实现精细拆解。其覆盖时间跨度长达34年，囊括33个欧洲国家，样本量充裕且各国数据分布各异，如瑞士拥有最多记录（3,614条）。此外，数据质量标注详尽，包括观测状态（如不可靠性标记）及各类注释字段，为研究者提供了清晰的数据质量参照。

使用方法

使用者可通过HuggingFace的datasets库便捷加载数据集，调用`load_dataset`命令后即可将数据转化为pandas DataFrame进行后续分析。典型应用包括按国家代码筛选特定国家的时间序列数据，或针对单一指标按年份排序进行趋势可视化。研究者亦可利用透视表功能构建国家—年份矩阵，以横向比较不同国家间收入不平等的演变轨迹。数据以Parquet格式打包，便于高效存储与读取，适配各类机器学习与统计建模任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司基于其核心数据库ILOSTAT整理并发布，由Electric Sheep Europe于2025年重新封装为HuggingFace数据集。其核心研究问题聚焦于欧洲地区男女员工月收入基尼指数的分布特征，旨在揭示不同性别与经济活动部门间的收入不平等状况。数据集覆盖1991至2025年间33个欧洲国家，共计51,414条观测记录，为劳动经济学、性别不平等研究及劳动力市场政策评估提供了关键的数据支撑。作为收入与薪酬不平等主题下的重要资源，该数据集在跨国比较与时间序列分析中具有显著影响力，尤其服务于联合国可持续发展目标（SDG）中体面工作与经济增长指标的监测。

当前挑战

该数据集所解决的领域问题在于，收入不平等量化的跨性别与经济活动维度的精细测量长期面临数据碎片化与标准不一之困，ILOSTAT的整合与ILO定义的统一化有效缓解了对比分析的障碍。构建过程中，挑战来自多源异构原始调查（如劳动力调查、家庭收入调查）的清洗与标准化，需依据国际劳动统计学家会议（ICLS）定义进行数据对齐，同时对同一国家与年份的多源数据采用ILO选定的“最佳来源”策略以确保一致性。此外，部分观测值存在可靠性标记（如U表示不可靠），且分类列仅在指标公开发布时才非空，增加了数据插补与质量控制的复杂性与分析难度。

常用场景

经典使用场景

在收入不平等与劳动经济学的交叉研究中，该数据集凭借其覆盖33个欧洲国家、跨越1991至2025年的长时序观测，成为剖析区域收入分配格局演变的核心资源。研究者常利用其中的基尼系数指标，结合性别与经济活动的分类维度，构建面板数据模型，以追踪欧洲各国在全球化与政策变迁背景下收入不平等的动态轨迹。数据的高频时间跨度与跨国可比性，使其尤其适用于分析欧盟一体化进程中劳动力市场的结构性分化，以及不同性别群体在薪酬分配上的长期收敛或发散趋势。

解决学术问题

该数据集精准回应了长期困扰劳动经济学界的几个关键学术难题：其一，缺乏统一口径且覆盖广泛的跨国基尼系数面板数据，使得欧洲内部收入不平等比较研究长期受限于零散的国别报告；其二，性别维度的细粒度分解为解释薪酬差距的演化机制提供了量化基础，助力研究者分离结构性与制度性因素的影响。其三，数据源自国际劳工组织标准化流程，有效解决了跨国数据可比性难题，推动了关于最低工资制度、劳动保护法规与收入分配之间因果关系的严谨实证检验。这些贡献显著提升了欧洲社会政策评估的学术严谨性。

衍生相关工作

基于该数据集已衍生出一系列具有影响力的学术探索与工具开发。在计量方法层面，研究者构建了融合性别与经济活动交互效应的动态面板回归模型，揭示了不同产业内部不平等演变的异质性路径。数据亦被用于训练时间序列预测算法，以模拟未来十年欧洲各国基尼指数的可能演化方向。此外，可视化平台如交互式不平等仪表盘（Inequality Dashboard）借助该数据，使公众与政策专家得以直观比较各国分性别的收入分布演化，促进了数据驱动型社会对话的深化。