electricsheepasia/asia-ilo-ged-pear-sex-hht-geo-nb-average-monthly-earnings-of-prime-age-employees-by

该数据集包含亚洲14个国家从2000年至2025年主要年龄段员工按性别、家庭类型和城乡区域划分的平均月收入统计信息，共3,141个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤亚洲国家代码。核心指标为“GED_PEAR_SEX_HHT_GEO_NB”，表示以当地货币计算的平均月收入。数据集提供多维度细分，包括国家、数据来源、性别、家庭类型、城乡区域、观测年份、观测值及数据状态标志等列，适用于表格分类、回归和时间序列预测任务。数据为年度频率，并包含ILO对原始调查数据的标准化处理。This dataset contains 3,141 observations of average monthly earnings of prime-age employees in 14 Asian countries from 2000 to 2025, disaggregated by sex, household type, and rural/urban areas. The data is sourced from the International Labour Organization (ILO) ILOSTAT database via API, filtered for Asian ISO3 country codes. The primary indicator is GED_PEAR_SEX_HHT_GEO_NB, representing average monthly earnings in local currency. The dataset includes columns for country, source, sex, household type, geographic area, year, observed value, and observation status flags, supporting tabular classification, regression, and time-series forecasting tasks. Data is annual frequency and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions.

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中央统计数据库，通过调用其REST API接口，直接提取了标识符为GED_PEAR_SEX_HHT_GEO_NB的指标数据。原始数据经ILO依据国际劳工统计学家会议的定义进行统一化处理，随后筛选出亚洲地区ISO3国家代码对应的观测记录，最终由Electric Sheep Asia团队进行重组与封装。数据集共包含3,141条观测值，覆盖2000年至2025年间14个亚洲国家的平均月收入信息。

特点

该数据集聚焦于壮年雇员的平均月收入，按性别、家庭类型及城乡地域进行精细解构，提供了多维度的分列变量。数据以本地货币计价，并附有观测状态标记及来源追踪字段，确保可溯源性。其时间跨度涵盖25年，空间上囊括了从亚美尼亚到阿富汗等多样化的亚洲经济体，为劳动经济学与区域比较研究提供了丰富且权威的微观数据基础。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载该数据集，并将其转换为Pandas DataFrame进行后续分析。例如，可依照国家代码过滤出特定国家的数据子集，或针对单一指标按时间排序绘制趋势图。此外，支持通过数据透视表操作，将数据重塑为以年份为行、国家为列的矩阵形式，便于进行面板数据分析或时间序列建模。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT编制，并由Electric Sheep Asia于2025年重新打包发布，专注于亚洲14个国家2000至2025年间适龄劳动者月均收入的系统记录。其核心研究问题在于揭示性别、家庭类型与城乡区位对收入水平的驱动效应，为区域劳动经济学提供了多维度的微观实证基础。鉴于ILOSTAT在全球劳动统计领域的权威性，该数据集的构建不仅强化了亚洲地区劳动力市场研究的可溯源性，还为评估区域内的可持续发展目标（SDG）中体面工作指标的实现进展奠定了量化基石，对发展经济学与公共政策分析具有显著学术影响力。

当前挑战

该数据集面临的核心挑战之一在于劳动经济学领域长期存在的可比性困境——各国劳动调查在问卷设计、收入定义及时频差异（年度为主）导致跨时期归并分析面临系统性偏差。构建过程中，ILOSTAT虽通过国际劳工统计学家会议（ICLS）标准进行数据协调，但多源异构数据的融合仍需处理加权逻辑、最佳来源遴选与异常标志（如'U'不可靠标识）等难题，同时14个亚洲经济体在统计体系成熟度上的悬殊（如亚美尼亚731条观测 vs 阿富汗46条）造成样本分布极不均质，进一步限制了跨国家面板分析的稳健性与泛化能力。

常用场景

经典使用场景

该数据集聚焦于亚洲14个国家2000至2025年间壮年雇员的月平均收入水平，按性别、家庭类型及城乡地理区域进行精细分层。研究者常将其用于构建面板数据模型，以探究亚洲劳动力市场中收入分配的异质性特征。通过整合ILOSTAT提供的权威调查数据，该数据集为跨国比较不同社会经济群体收入差距提供了标准化基准。典型应用包括绘制收入随时间演变的趋势图，或通过透视表分析各国收入水平的横向差异，从而揭示亚洲经济体在劳动报酬领域的发展轨迹。

衍生相关工作

基于该数据集，衍生出一系列聚焦亚洲劳动力市场的计量经济学研究，包括采用分位数回归方法识别低收入群体的特征变量，以及运用时间序列分解技术预测收入波动趋势。部分工作将其与教育水平、产业结构等其他ILOSTAT指标融合，构建多维人力资本回报模型。在机器学习领域，研究者利用其分类与回归标签开发了收入预测算法，用于检测欠发达地区的劳动报酬异常值。此外，该数据还催生了亚洲各国收入不平等指数的对比分析，深化了对亚洲经济体发展模式多样性的理解。

数据集最近研究

最新研究方向

当前，亚洲地区劳动力市场的不平等问题日益成为国际关注焦点，尤其是性别、家庭结构与城乡差异对劳动者收入的深刻影响。该数据集基于国际劳工组织ILOSTAT官方统计，整合了2000至2025年间14个亚洲国家的3,141条观测记录，聚焦壮年雇员的平均月收入，并按性别、家庭类型及城乡区域进行细致分层。其前沿研究方向主要体现在：利用高分辨率面板数据构建时空统计模型，揭示亚洲各国收入差距的演变轨迹与收敛趋势；借助机器学习方法识别影响收入的多维结构性因素，为制定精准化劳工政策提供数据支撑；同时，结合联合国可持续发展目标中的体面劳动指标，评估新冠疫情后亚洲就业复苏的异质性。该数据的发布填补了亚洲地区标准化、多维度收入微观数据的空白，为经济学家、社会政策研究者及国际组织提供了可靠的分析基础，推动了从描述性统计向因果推断与预测建模的范式跃迁。