electricsheepeurope/europe-ilo-lac-xees-eco-nb-average-hourly-labour-cost-per-employee-by-economi

该数据集包含欧洲36个国家从1995年到2025年的劳动力成本数据，具体指标为按经济活动划分的每名员工平均每小时劳动力成本 - 已停用（本地货币），共有12,468个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和规范化，适用于表格分类、表格回归和时间序列预测等任务。数据集涵盖了国家代码、来源、指标、分类变量、时间、观测值及其状态等字段，并提供了详细的使用示例和引用信息。This dataset contains labour cost data for 36 European countries from 1995 to 2025, with the indicator Average hourly labour cost per employee by economic activity - Discontinued (local currency), totaling 12,468 observations. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, processed and normalized for use in tabular classification, tabular regression, and time-series forecasting tasks. It includes fields such as country codes, sources, indicators, classification variables, time, observed values, and status, along with detailed usage examples and citation information.

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ILOSTAT数据库的核心指标——平均每小时劳动成本（按经济活动分类，已停止更新，本地货币）。数据经由REST API从ILOSTAT官方接口拉取，并严格筛选至欧洲36个国家的ISO3国家代码范围内。ILO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，所有数据来源均在source.label字段中明确标注，以确保信息可追溯。该数据集由Electric Sheep Europe重新打包，总计包含12,468条观测记录，覆盖1995年至2025年的时间跨度。

特点

数据集聚焦于单一核心指标LAC_XEES_ECO_NB，以年频率呈现，涵盖欧洲36国，时间跨度长达30年。其数据以ISO 3166-1 alpha-3国家代码、经济活动分类、观测值及多种注释字段（如数据来源、观测状态、分类注释）构成结构化表格，便于多维度分析。值得强调的是，数据集中对同一国家-年份组合采用ILO筛选的“最佳来源”数据，同时由于该指标已停止更新，因此为历史趋势与比较研究提供了稳定且权威的基准。

使用方法

研究者可通过HuggingFace Datasets库便捷加载数据，使用`load_dataset()`函数直接获取。加载后的数据可转为Pandas DataFrame，便于进行国家筛选（如按ref_area列过滤）、特定指标的时间序列分析（按time列排序并可视化obs_value），以及构建国家×年份的透视矩阵，以支持面板数据分析。该数据集直接以Parquet格式打包，具备ML-ready特性，适合用于表格分类、回归及时序预测等下游任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库发布，并由Electric Sheep Europe团队重新整理和标准化后托管于HuggingFace平台。其核心研究问题聚焦于欧洲36个国家1995年至2025年间按经济活动划分的雇员平均小时劳动成本，旨在为劳动经济学、跨国比较研究及政策制定提供系统化的时序面板数据。由于劳动成本是反映区域经济竞争力、劳动力市场结构及社会政策效果的关键指标，该数据集通过整合各国的劳动力调查、企业调查及行政记录等多元来源，为研究者提供了统一的、可复现的跨国数据基础，有效支撑了劳动市场动态分析、欧洲一体化影响评估及国际劳工标准追踪等跨学科研究。

当前挑战

该数据集面对的领域问题挑战在于，劳动成本的跨国比较需克服统计口径差异、汇率波动及经济活动分类标准的非完全一致性，例如数据集已标注数据状态（如‘不可靠’或‘临时’）需谨慎对待。构建过程中，主要挑战包括：1) 来自ILOSTAT的原始数据经过国际劳动统计学家会议（ICLS）定义的协调处理，但不同国家的原始调查在采样方法、经济部门覆盖范围（如是否排除农业或非正规部门）上存在固有差异；2) 数据为年度频率，未包含部分指标已有的月度或季度系列，可能丢失高频波动信息；3) 在多个来源并存时，ILO基于‘最佳来源’原则选取单一数据点，这一筛选过程可能引入选择偏差，影响面板数据的连续性与可比性。

常用场景

经典使用场景

该数据集汇聚了1995年至2025年间欧洲36个国家的平均每小时劳动成本数据，按经济活动类别细致划分，以本地货币计价。其经典使用场景聚焦于劳动力经济学领域的跨境比较分析，研究者可借助该数据集追踪不同欧洲国家在特定经济部门中的劳动成本动态演变，揭示各国劳动力市场的结构性差异与趋同趋势。此外，该数据集亦广泛用于构建面板数据模型，以评估劳动力成本对区域经济竞争力、产业布局及就业流动的深远影响。

衍生相关工作

该数据集衍生出诸多经典研究工作，涵盖劳动力成本对生产率影响的计量分析、欧洲国家劳动成本收敛性假说的实证检验，以及经济周期波动下劳动成本刚性的跨国比较等方向。相关研究充分利用该数据集的高时间分辨率与广域国家覆盖特性，构建了多种面板数据回归模型与时间序列预测框架，进一步推动了劳动力经济学中有关工资设定、产业竞争力与就业结构转型等议题的量化研究深度。这些工作也为后续整合多源劳动统计数据库、开发自动化的劳动成本监测系统奠定了方法论基础。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲36国1995至2025年间按经济活动划分的雇员平均时薪劳动成本，其研究前沿正从静态描述向动态预测与跨域关联分析演进。结合欧盟近年来推动的‘公平工资倡议’与‘最低工资指令’等政策热点，研究者利用ILOSTAT的长期面板数据，构建时间序列模型以揭示工资成本与通胀、生产率及劳动力流动之间的非线性动态关系。同时，通过将此类劳动成本指标与能源价格、地缘政治风险指数等外部变量融合，前沿工作已拓展至对‘欧洲制造业回流’与‘绿色转型成本分摊’等议题的量化评估。该数据集的标准化处理与机器可读格式（如HuggingFace Datasets）为复制性研究和多国比较提供了基础设施级支撑，显著降低了跨国劳动经济学研究的数据门槛，助力于更精细的劳动力市场效率评估与政策模拟。