Wage Rates

美国一年内未更换工作的工人的工资率数据集，包含不同教育水平的工人工资数据。

A dataset on the wage rates of workers in the United States who have not changed jobs within a year, including wage data for workers at different educational levels.

原始信息汇总

数据集概述

数据集名称

@stdlib/datasets-frb-sf-wage-rigidity

数据集描述

该数据集包含美国一年内未更换工作的工人的工资率。

数据集内容

• 日期: 收集日期（月/日/年；例如，01/01/1980）。
• 所有工人: 小时工和非小时工的工资率。
• 小时工: 小时工的工资率。
• 非小时工: 非小时工的工资率。
• 高中以下: 高中以下学历工人的工资率。
• 高中: 高中学历工人的工资率。
• 大学: 大学学历工人的工资率。
• 建筑业: 建筑行业工人的工资率。
• 金融业: 金融行业工人的工资率。
• 制造业: 制造业工人的工资率。

数据集使用方法

使用以下命令安装数据集： bash npm install @stdlib/datasets-frb-sf-wage-rigidity

加载数据集的示例代码： javascript var wages = require( @stdlib/datasets-frb-sf-wage-rigidity ); var data = wages();

数据集示例

javascript var Chart = require( @stdlib/plot-sparklines-unicode-tristate ); var wages = require( @stdlib/datasets-frb-sf-wage-rigidity );

var chart; var opts; var data; var v1; var v2; var d; var i;

data = wages(); d = new Array( data.length ); v1 = data[ 0 ].all_workers; for ( i = 1; i < data.length; i++ ) { v2 = data[ i ].all_workers; if ( v2 === null ) { d[ i ] = NaN; } else if ( v2 < v1 ) { d[ i ] = -1; } else if ( v2 > v1 ) { d[ i ] = 1; } else { d[ i ] = 0; } v1 = v2; }

opts = { data: d }; chart = new Chart( opts );

console.log( chart.render() );

数据集CLI使用

安装CLI工具： bash npm install -g @stdlib/datasets-frb-sf-wage-rigidity-cli

CLI使用示例： bash frb-sf-wage-rigidity

数据集许可证

数据文件（数据库）根据开放数据 Commons Attribution 1.0 许可证授权，其内容根据Creative Commons Attribution 4.0 International Public License授权。原始数据集归属于Federal Reserve Bank of San Francisco。软件根据Apache License, Version 2.0授权。

搜集汇总

数据集介绍

构建方式

Wage Rates数据集的构建基于美国联邦储备银行旧金山分行的研究，专注于那些在一年内未更换工作的美国工人的工资率。该数据集通过收集不同时间段内的工资数据，涵盖了多种工人类型和教育背景，以及不同行业的工资情况。数据集的构建旨在提供一个全面且细致的工资变化分析框架，以便研究人员和政策制定者能够更好地理解工资刚性现象。

特点

Wage Rates数据集的特点在于其详细的分组和分类，涵盖了从教育水平到行业类型的多维度工资数据。每个数据点不仅包含日期信息，还细分了不同工人类型（如小时工和非小时工）以及教育背景（如高中以下、高中、大学等）的工资率。此外，数据集还提供了不同行业的工资数据，如建筑、金融和制造业等，使得分析更加全面和深入。

使用方法

Wage Rates数据集可以通过多种方式使用，包括但不限于数据分析、可视化和政策研究。用户可以通过JavaScript库或命令行接口（CLI）访问数据，支持CSV和NDJSON两种输出格式。数据集的灵活性允许用户根据具体需求选择不同的数据子集进行分析，例如按教育水平或行业类型进行筛选。此外，数据集还提供了丰富的示例代码，帮助用户快速上手并进行数据处理和可视化。

背景与挑战

背景概述

Wage Rates数据集由美国联邦储备银行旧金山分行（Federal Reserve Bank of San Francisco）提供，主要研究美国工人在一年内未更换工作的情况下的工资变化。该数据集的核心研究问题围绕工资刚性展开，旨在分析不同教育背景、行业和工时类型的工人的工资变化情况。通过提供详细的工资数据，该数据集为经济学家、政策制定者以及研究人员提供了宝贵的资源，以深入探讨工资刚性对劳动力市场的影响。

当前挑战

Wage Rates数据集面临的挑战主要包括数据收集的复杂性和数据分析的多样性。首先，数据收集涉及多个维度的工资信息，包括不同教育背景和行业的工人工资，这要求数据的准确性和全面性。其次，数据分析需要处理大量的时间序列数据，以揭示工资刚性的模式和趋势。此外，数据集的多样性也带来了数据标准化和一致性处理的挑战，以确保分析结果的可靠性和可比性。

常用场景

经典使用场景

Wage Rates数据集的经典使用场景主要集中在经济学和劳动市场研究领域。研究者可以利用该数据集分析美国工人的工资变化趋势，特别是那些在一年内未更换工作的工人。通过对比不同教育背景、行业和工时类型的工人工资变化，研究者能够深入探讨工资刚性现象及其对劳动力市场的影响。

实际应用

在实际应用中，Wage Rates数据集为政策制定者和企业管理者提供了宝贵的参考。例如，政府可以通过分析工资刚性数据来调整最低工资标准，以平衡劳动力市场的供需关系。企业则可以利用该数据集预测劳动力成本的变化，从而优化人力资源管理和薪酬策略，确保在经济波动中保持竞争力。

衍生相关工作

基于Wage Rates数据集，许多相关研究工作得以展开。例如，学者们通过该数据集研究了不同行业和教育背景下的工资差异，进一步探讨了教育投资对工资增长的影响。此外，该数据集还为研究工资刚性与通货膨胀之间的关系提供了基础，推动了宏观经济学中关于价格粘性和工资刚性的理论发展。