electricsheepeurope/europe-ilo-lap-2gdp-noc-rt-labour-income-share-as-a-percent-of-gdp-ilo-modell

该数据集包含国际劳工组织（ILO）统计数据库中关于欧洲39个国家2004年至2026年期间的劳动收入占GDP百分比（ILO模型估计，2025年11月）的892个观测值。数据集来源于ILOSTAT，这是国际劳工组织的主要统计数据库，涵盖就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展体面工作目标等指标。数据通过ILOSTAT REST API获取，并过滤为欧洲国家代码。数据集包含唯一指标LAP_2GDP_NOC_RT，表示劳动收入占GDP的百分比。数据结构包括国家代码、国家名称、数据来源、指标代码、指标名称、观测年份、观测值、观测状态等列。数据为年度频率，当同一国家×年份存在多个来源时，使用国际劳工组织选择的最佳来源。该数据集适用于表格分类、表格回归和时间序列预测等任务，可用于分析欧洲各国劳动收入份额的变化趋势和比较。This dataset contains 892 observations of labour income share as a percent of GDP (ILO modelled estimates, Nov. 2025) across 39 European countries from 2004 to 2026. The data is sourced from ILOSTAT, the ILOs central statistics database, which compiles indicators on employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. Data is pulled directly from the ILOSTAT REST API and filtered to Europe ISO3 country codes. The dataset includes a single indicator LAP_2GDP_NOC_RT, representing labour income share as a percentage of GDP. The schema includes columns for country code, country name, data source, indicator code, indicator name, observation year, observed value, observation status, and more. Data is annual frequency, and when multiple sources exist for the same country×year, the ILO-selected best source is used. This dataset is suitable for tabular classification, tabular regression, and time-series forecasting tasks, and can be used to analyze trends and compare labour income shares across European countries.

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数据库，聚焦于劳动收入占国内生产总值（GDP）的百分比这一核心指标。数据通过调用ILOSTAT REST API直接获取，并依据欧洲ISO3国家代码进行过滤与整合，最终形成涵盖39个欧洲国家、时间跨度为2004年至2026年的年度观测值。ILO基于国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行了统一协调，确保了不同来源数据的可比性与一致性。数据集由Electric Sheep Europe重新封装，以标准化格式呈现，便于机器学习领域的直接应用。

特点

该数据集包含892条观测记录，覆盖欧洲39个国家，时间序列长达23年，且仅关注单一关键指标——劳动收入占GDP百分比。每条记录均包含国家代码、观测年份、指标值及其状态标签（如基于模型的推估值），并附有数据来源追踪信息。数据以年度频率呈现，采用ILO筛选的“最佳来源”以避免多源冲突，保证了指标序列的连续性与可靠性。此外，数据集兼容HuggingFace的datasets库，可便捷地转换为Pandas DataFrame进行分析，支持按国家筛选、时间序列绘图及透视表操作。

使用方法

用户可通过HuggingFace的load_dataset()函数直接加载该数据集，并调用to_pandas()方法将其转换为DataFrame格式，便于后续分析。针对特定国家，如德国，可利用ref_area字段进行筛选；若要观察指标随时间的变化趋势，可按照indicator字段过滤并排序time列，再通过plot()函数绘制时间序列图。此外，通过pivot_table函数可以轻松将数据重塑为国家×年份的矩阵形式，以支持跨国家比较或面板数据回归等高级计量分析。数据集遵循CC-BY-4.0许可协议，使用时需标注原始数据来源及Electric Sheep Europe的重新打包版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，经Electric Sheep Europe重新整理后托管于HuggingFace平台。数据集聚焦于欧洲39个国家2004至2026年间劳动收入份额占国内生产总值（GDP）的百分比，涵盖892条观测记录，核心指标为ILO建模估计值。作为ILOSTAT统计数据库的重要子集，该数据集为研究收入分配不平等、劳动报酬结构演变及宏观经济政策效果提供了关键的高频面板数据，尤其适用于时序预测、跨国比较及回归分析等任务，对劳动经济学、发展经济学及公共政策领域具有显著学术价值。

当前挑战

该数据集所解决的领域问题在于，劳动收入份额作为衡量要素分配格局的核心指标，长期面临跨国数据口径不一、统计频率各异及缺失值普遍等挑战，阻碍了收入不平等动态的精准建模。在构建过程中，主要挑战包括：1）需从ILO原始API中提取并整合多来源微观调查数据，通过ICLS定义进行统一标准化处理；2）处理39国跨23年的非平衡面板，需甄别并采纳ILO筛选的“最佳来源”以规避来源冲突；3）对含有模型外推标记的观测值进行质量控制，兼顾数据完整性与统计可靠性，最终形成兼容机器学习框架的清洁时序数据集。

常用场景

经典使用场景

在劳动经济学与宏观经济不平等研究领域，该数据集的核心应用场景在于定量分析欧洲各国劳动收入份额的长期演变趋势。研究者可利用其覆盖2004年至2026年、横跨39个欧洲国家的892条观测记录，构建面板数据模型，考察技术进步、全球化与制度变迁如何重塑国民收入在劳动与资本之间的分配格局。数据经过国际劳工组织（ILO）基于统一方法论进行建模估计，特别适合用于跨国比较分析，以及评估金融周期或政策冲击（如最低工资调整、劳动力市场改革）对劳动报酬占比的动态影响。

衍生相关工作

基于这一数据源，学界已涌现出一系列富有洞见的衍生工作。部分研究将其与行业层面的自动化渗透率或机器人装机量数据匹配，验证了技术替代效应如何侵蚀劳动收入份额；另一些则利用其长面板特征，结合合成控制法或双重差分模型，评估德国“迷你工作”改革、南欧劳动力市场二元化等制度实验的再分配后果。ILO自身亦将该数据集嵌入其年度旗舰报告《世界就业与社会展望》的实证基准之中，用以支撑关于全球不平等态势的权威判断。随着时间序列的不断延展，该数据正成为连接宏观增长理论与微观收入分配实证的不可多得的桥梁。

数据集最近研究

最新研究方向

在劳动经济学与宏观经济政策分析的前沿领域，该数据集聚焦于欧洲39国劳动收入份额占GDP比重的时序演变与跨国异质性，尤为关注2004至2026年间收入分配格局的长期趋势及其对包容性增长政策的启示。随着全球化与技术进步加剧了资本与劳动间的分配张力，基于国际劳工组织（ILO）最新建模估算的高频面板数据，研究者得以深入探讨劳动力市场制度、财政再分配机制以及数字经济形态如何重塑劳动报酬在国民收入中的占比。该数据不仅为检验“卡尔多事实”在当代欧洲的有效性提供了坚实支撑，更与近年来关于自动化冲击、最低工资立法效应及后疫情时代就业质量转型的热点学术争论紧密相连。