electricsheepeurope/europe-ilo-lac-xees-cur-nb-average-hourly-labour-cost-per-employee-by-currenc

该数据集名为按货币计算的平均每小时劳动力成本（已停用）| 欧洲（ILOSTAT），由国际劳工组织（ILO）的ILOSTAT数据库提供，经Electric Sheep Europe重新打包发布。数据集包含1,255个观测值，覆盖31个欧洲国家（如荷兰、拉脱维亚、德国等），时间跨度为1995年至2025年，专注于一个指标：LAC_XEES_CUR_NB，即按货币计算的平均每小时劳动力成本（已停用）。数据以年度频率收集，包括国家代码、指标标签、年份、观测值、数据来源和质量状态等字段，适用于表格分类、回归分析和时间序列预测任务。数据集旨在为研究欧洲劳动力成本趋势提供标准化、机器学习就绪的数据。This dataset is titled Average hourly labour cost per employee by currency - Discontinued | Europe (ILOSTAT), sourced from the International Labour Organization (ILO)s ILOSTAT database and repackaged by Electric Sheep Europe. It contains 1,255 observations across 31 European countries (e.g., Netherlands, Latvia, Germany), spanning the years 1995 to 2025, and focuses on one indicator: LAC_XEES_CUR_NB, which represents the average hourly labour cost per employee by currency (discontinued). The data is collected annually and includes fields such as country codes, indicator labels, year, observed values, data sources, and quality status flags. It is suitable for tabular classification, regression, and time-series forecasting tasks, providing a standardized, ML-ready resource for analyzing labour cost trends in Europe.

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接口获取指标LAC_XEES_CUR_NB的原始数据，并依据欧洲ISO3国家代码进行地理过滤。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行协调统一，数据来源涵盖劳动力调查、企业调查与行政记录等，并在source.label字段中标注来源以便追溯。最终由Electric Sheep Europe团队对数据进行重新打包，形成包含1255条观测、覆盖31个欧洲国家、时间跨度从1995年至2025年的标准化表格数据集。

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。典型使用场景包括按国家代码筛选特定国家的劳动力成本数据，或对指标进行时间序列分析与可视化。该数据集的表格结构支持用户轻松进行数据透视，将原始长格式数据转化为以年份为行、国家为列的矩阵形式，便于横向比较欧洲各国劳动力成本的时空演变趋势。

背景与挑战

背景概述

在劳动经济学与跨国比较研究领域，小时劳动力成本是衡量一国产业竞争力与社会福利水平的关键指标。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库为政策制定者与研究者提供了跨越200多个经济体的标准化数据支撑。该数据集由Electric Sheep Europe于2025年重新整理发布，聚焦欧洲31国，涵盖1995年至2025年间按本币计价的平均每小时劳动力成本观测值，共计1255条记录。其核心研究问题在于揭示欧洲各国劳动力成本的长期演变趋势与结构性差异，为跨境投资决策、劳动力市场制度评估以及宏观经济建模提供可靠依据。该数据集已托管于HuggingFace平台，采用CC-BY-4.0许可协议，凭借其标准化、易于调用的格式，显著提升了劳动统计数据的可获取性与可复现性，在计量经济学与国际比较研究领域产生了广泛影响。

当前挑战

该数据集所解决的领域问题在于劳动力成本跨国比较中的多重挑战：不同国家的货币单位、统计口径与调查方法存在显著差异，直接汇总分析易产生误导性结论；此外，数据存在“已终止”（Discontinued）标识，意味着部分历史序列不再更新，这对时间序列建模的连续性构成威胁。构建过程中的挑战同样突出：ILOSTAT原始数据来源于多类调查（如劳动力调查、企业调查），各来源的覆盖范围与经济活动分类可能不一致，需进行复杂的整合与冲突消解；欧盟成员国的数据虽然相对完整，但部分中小型经济体观测稀疏，且观测状态标记（如“不可靠”或“暂定”）增加了数据清洗与质量控制的难度。最终，如何在保留原始信息透明度的同时，确保面板数据在国别与时间维度上的可比性，成为该数据集构建的核心技术瓶颈。

常用场景

经典使用场景

在劳动经济学与区域经济研究的交汇地带，该数据集常被用于跨国劳动力成本的横向对比与纵向演化趋势分析。研究者可借助其覆盖31个欧洲国家、横跨1995年至2025年的年度面板数据，系统考察各国每小时平均劳动力成本的动态变迁，揭示欧洲内部劳动力市场在全球化、技术变革与政策调整背景下的分化与趋同格局。其结构化格式天然适配时间序列回归与面板计量模型，为探索劳动力成本与宏观经济变量间的深层关联提供了可靠的数据基础。

解决学术问题

该数据集精准回应了劳动经济学中关于国际劳动力成本差异及其驱动因素的经典研究命题。通过纳入规范化的ILOSTAT统计指标，它使学者能够克服以往数据碎片化、口径不一致的障碍，系统检验劳动力成本与生产率增长、产业结构升级、社会保障制度、汇率波动及外资流动之间的交互影响机制。其贡献在于为实证研究提供了时间跨度长、国别覆盖广、元数据透明的高质量面板数据，从而显著提升了跨国劳动力成本收敛假说、制度对工资成本传导效应等学术推断的稳健性与可复制性。

实际应用

在实际应用层面，该数据集为跨国企业的人力资源战略规划与薪酬基准设定提供了关键决策支撑。跨国公司可依据各欧洲国家的平均小时劳动力成本数据，优化生产布局与分支机构选址，从而在保持竞争力的同时有效控制用工支出。对于政策制定者而言，该数据集还可辅助评估最低工资调整、税收政策或劳动法规改革对本国劳动力成本竞争力带来的真实冲击，支持基于证据的产业政策与劳动力市场干预措施的制定。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲31国1995至2025年间以本币计价的雇员平均小时劳动力成本，为劳动经济学与跨国比较研究提供了高时效性的面板数据。当前，该领域的前沿方向集中于借助机器学习与时间序列预测模型，探究劳动力成本与通货膨胀、货币政策及欧元区经济一体化的动态关联。尤其在新冠疫情后欧洲供应链重构与能源价格波动的背景下，研究者利用此类细粒度数据剖析各国劳动力市场韧性，并揭示最低工资调整与生产率增长之间的非线性关系。这一数据集对于评估欧洲央行统一货币政策对不同劳动力成本结构国家的异质性影响、以及构建实时经济预警系统具有不可替代的实证价值。