electricsheepasia/asia-ilo-ear-phra-sex-nb-average-hourly-earnings-of-public-sector-employees

该数据集包含亚洲24个国家公共部门员工平均每小时收入（以本地货币计）的540个观测值，时间跨度为1997年至2025年，覆盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖就业、工资等劳动统计领域，经过统一处理并过滤为亚洲国家。数据集包括国家代码、年份、性别细分、观测值和数据来源等字段，适用于表格分类、回归和时间序列预测任务。This dataset contains 540 observations of average hourly earnings of public sector employees in local currency across 24 Asian countries, spanning from 1997 to 2025, covering 1 distinct indicator. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, which compiles labor statistics on employment, wages, and other areas, harmonized and filtered for Asian countries. It includes fields such as country codes, years, sex disaggregation, observed values, and data sources, 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权威统计数据库，通过调用其REST API接口，精准提取了与公共部门雇员平均时薪（以本币计）相关的特定指标数据。在此基础上，数据集进一步依据亚洲国家ISO3代码进行了地理范围过滤，从而汇聚成涵盖24个亚洲国家、时间跨度从1997年至2025年的结构化观测记录。所有原始数据均经过ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行协调统一，并在数据集中通过'source.label'列清晰标注了各条数据的来源，确保了数据的可追溯性与标准化程度。

使用方法

该数据集的设计充分考虑了机器学习与数据科学工作流的便捷性。用户可直接通过HuggingFace Datasets库的'load_dataset'函数一键加载，并迅速转换为Pandas DataFrame格式进行操作。针对时间序列分析，可按国家代码筛选特定国家的数据，或通过'sort_values('time')'对单一指标序列进行排序后绘制趋势图。同时，利用'pivot_table'方法可便捷地将数据重塑为以年份为行、国家为列的面板数据矩阵，便于进行跨国的比较研究与建模任务。

背景与挑战

背景概述

在全球劳动经济研究领域，公共部门雇员的薪资水平是衡量政府治理效能与社会公平的重要指标。然而，亚洲地区由于国家众多、统计体系差异显著，长期缺乏标准化、跨国的可比薪资数据。由国际劳工组织（ILO）统计司构建、Electric Sheep Asia于2025年重新封装的这一数据集，整合了ILOSTAT数据库中24个亚洲国家自1997年至2025年共540条关于公共部门雇员平均小时收入（以当地货币计）的观测记录。该数据集专注于单一核心指标EAR_PHRA_SEX_NB，并通过性别维度进行细分，为区域劳动经济学、公共财政以及可持续发展目标监测提供了宝贵的定量基础，尤其填补了亚洲发展中国家公共部门薪资跨国分析的数据空白。

当前挑战

本数据集所应对的领域核心挑战在于，亚洲各国公共部门薪资数据长期散落于不同的国家统计机构与调查体系中，缺乏统一口径与标准化格式，传统研究常受困于数据不可比与获取成本高昂的问题。ILOSTAT通过采用国际劳工统计学家会议（ICLS）定义对各国微观数据进行协调，但这一过程本身面临数据来源多样、调查方法各异以及时序上频繁出现的断点与修订。此外，在构建过程中，从非均匀频率（年、季、月并存）的原始数据中提取与验证有效观测值、处理缺失值和状态标记（如“tentative”、“break in series”）亦构成显著的技术障碍，确保540条记录经筛选后能够在时间序列与跨国截面分析中保持内在一致性，是该数据集匠心所在。

常用场景

经典使用场景

在劳动经济学与公共政策研究领域，该数据集为分析亚洲国家公共部门雇员的平均时薪提供了宝贵的时间序列面板数据。其经典使用场景包括构建跨国薪酬比较模型，研究者可借助其中24个国家1997至2025年的年度观测值，针对单一指标EAR_PHRA_SEX_NB进行纵向趋势分析，或通过透视表将数据重塑为国家×年份的矩阵，从而揭示公共部门工资的时空演变规律。

解决学术问题

该数据集有效回应了公共部门薪酬决定因素这一长期悬而未决的学术问题。通过提供经国际劳工组织统一标准化的高频率数据，研究者得以克服亚洲国家间统计口径差异带来的可比性障碍，系统性地检验最低工资制度、财政紧缩政策或劳动力市场改革对公共部门工资水平的影响机制。其对性别维度的细分更是为研究公共部门薪酬性别差距、女性劳动参与率等议题提供了不可多得的定量支撑，推动了发展经济学与劳动经济学的交叉对话。

实际应用

该数据集的现实价值集中体现在国际组织与政府机构的决策支持环节。世界银行等发展机构可借助其中的平均小时工资序列，评估亚洲各国公共部门薪酬体系在全球竞争中的定位，为技术援助项目的薪酬对标提供基准。各国财政部与劳工部亦可利用该数据进行跨时期预算模拟，预测工资调整对财政可持续性的冲击，或诊断公共部门是否面临人才流失危机，进而制定更具吸引力的薪酬激励方案。

数据集最近研究

最新研究方向

在劳动经济学与公共政策评估的前沿交叉领域，该数据集聚焦于亚洲24国公共部门雇员平均时薪的跨国比较与时间序列建模，为探究亚洲劳动力市场结构性变迁、公共部门薪酬制度演变及性别工资差异提供了稀缺的标准化微观证据。结合近年ILO推动的体面劳动议程与SDG目标8（体面工作和经济增长）在东南亚及南亚地区的实施进展，该数据支持研究者运用面板数据模型或贝叶斯时空分析，量化经济危机、财政紧缩或最低工资立法对公共部门工资水平的异质性冲击。特别是在新冠疫情后全球公共部门债务高企的背景下，薪酬数据的纵贯性测度为评估亚洲新兴经济体劳动力市场韧性及社会保障体系效能奠定了量化基石，并推动了劳动统计与机器学习方法（如时序预测与分类）在非正规经济典型地区的创新性融合。