electricsheepasia/asia-ilo-ear-pmta-sex-cur-nb-average-monthly-earnings-of-public-sector-employee

该数据集包含亚洲25个国家公共部门员工按性别和货币划分的月平均收入数据，涵盖1997年至2025年期间，共1,803个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤了亚洲国家。数据集包含国家代码、年份、性别分类、货币类型、观测值等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains 1,803 observations of average monthly earnings of public sector employees by sex and currency across 25 Asia countries, spanning 1997–2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for Asian countries. It includes columns such as country code, year, sex classification, currency type, and observed values, 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）的ILOSTAT核心统计数据库，聚焦于亚洲地区公共部门雇员的平均月收入。数据通过ILOSTAT的REST API直接抽取，限定于亚洲国家ISO3编码范围，并经过Electric Sheep Asia的重新封装与标准化处理。ILOSTAT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协调，来源信息在source.label字段中可追溯，确保了数据来源的透明性与可验证性。

特点

数据集包含1,803条观测记录，覆盖25个亚洲国家，时间跨度从1997年至2025年，核心指标为按性别和货币分类的公共部门雇员平均月收入。数据提供性别的三重分类（总计、男性、女性），并附有观测状态标志（如序列中断）及详细注释，便于用户识别数据质量。此外，数据集保留了国家编码、来源标签、分类变量等丰富维度，为多角度分析提供了坚实基础。

使用方法

用户可通过HuggingFace的datasets库快速加载数据，使用load_dataset函数即可获取训练集并转换为pandas DataFrame。支持按国家代码筛选特定国家的子集，或对单一指标进行时间序列可视化。数据还支持透视操作，将原始长格式转换为以年份为行、国家为列的矩阵，便于进行国别间比较与面板数据分析，适用于回归分析、分类任务及时间序列预测等多种场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年构建，并经Electric Sheep Asia团队重新打包发布，聚焦于亚洲25个国家1997至2025年间公共部门雇员按性别和货币划分的平均月收入问题。在劳动经济学与公共政策研究领域，公共部门薪酬水平不仅是衡量劳动力市场公平性的关键指标，更直接影响政府人力资本配置与财政可持续性。ILOSTAT作为全球劳动统计的权威数据库，通过整合各国劳动力调查与行政记录，为这一核心议题提供了标准化、跨国的可比数据。该数据集共收录1803条观测值，覆盖东南亚、中亚及西亚等多元经济体，其发布填补了亚洲区域公共部门薪酬比较研究的系统性数据空白，显著推动了性别收入差异、公共部门效率及国际劳动力流动等议题的实证探索。

当前挑战

该数据集面临多重挑战。首先，在领域问题层面，公共部门薪酬的跨国比较受限于各国统计口径差异（如货币种类、调查方法与指标定义），导致数据可比性存在固有障碍；同时，性别、职业分类等维度的缺失或非统一编码，限制了精细化分析，如深入探究特定岗位或教育水平的薪酬差异。其次，在构建过程中，数据整合面临数据质量挑战：部分国家年份数据源于不同调查（如劳动力调查与行政记录），ILO虽筛选“最佳来源”，但序列断裂（Break in series）标记需谨慎处理；此外，亚洲国家数据覆盖不均（如菲律宾198条观测值位居前列，而缅甸不足50条），时空稀疏性对时间序列建模与泛化推断构成显著限制。

常用场景

经典使用场景

在劳动经济学与发展经济学的研究版图中，亚洲地区公共部门雇员的薪酬结构一直是学术界和政策制定者关注的焦点。该数据集汇集了来自国际劳工组织ILOSTAT数据库的1803条观测记录，覆盖25个亚洲国家长达近三十年的时间跨度（1997-2025年），为系统性分析亚洲公共部门雇员的性别薪酬差异及其货币价值波动提供了极为珍贵的纵向微观数据。研究者可依托该数据构建面板数据模型，运用固定效应或随机效应估计方法，深入探究不同国家制度背景下公共部门薪酬的决定机制与演变规律。

衍生相关工作

基于该数据集，已衍生出一系列围绕ILOSTAT数据库整合与亚洲劳动力市场分析的经典工作。Electric Sheep Asia团队完成了数据从ILO官方API到HuggingFace平台的标准化重打包工作，建立了统一的Parquet格式存储与数据集卡片规范，极大降低了使用门槛。这一工作范式启发了后续多个区域性劳动力数据集的构建，推动了跨数据源整合方法的创新。研究者亦在此基础上发展出针对多国面板数据的可视化分析工具包与预测模型，进一步拓展了公共部门薪酬研究的深度与广度，成为连接原始统计资料与前沿数据科学应用的桥梁。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲25个国家1997至2025年间公共部门雇员按性别与货币分类的平均月收入，为劳动经济学与性别平等研究提供了关键时序面板数据。前沿研究方向涵盖公共部门薪酬结构的跨国比较、性别工资差距的演化轨迹，以及宏观经济政策对公务员收入的影响评估。结合ILO对体面劳动目标的全球监测，该数据可支撑亚洲发展中经济体在正式与非正式就业转型中的薪酬公平性分析，并为机器学习模型在劳动力市场预测与时序回归任务中提供高质量训练样本。其跨年度、多国别的粒度特征，使其成为研究亚洲区域经济一体化背景下劳动制度趋同性的重要实证基础。