electricsheepeurope/europe-ilo-gdp-2tot-noc-nb-gross-domestic-product-gdp-in-millions-constant-20

该数据集包含欧洲39个国家1991年至2027年的国内生产总值（GDP）数据，以百万2021年不变价国际美元购买力平价计算。数据集来源于国际劳工组织（ILO）的ILOSTAT统计数据库，包含1,437个观测值，涵盖单一指标GDP_2TOT_NOC_NB。数据经过ILO统一处理，采用国际劳工统计学家会议（ICLS）定义，并包含国家代码、年份、观测值等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains gross domestic product (GDP) data for 39 European countries spanning from 1991 to 2027, measured in millions of 2021 constant-price international dollars at purchasing power parity (PPP). Sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), the dataset includes 1,437 observations and covers the single indicator GDP_2TOT_NOC_NB. All data has been uniformly processed by the ILO in accordance with the definitions established by the International Conference of Labour Statisticians (ICLS), and comprises fields such as country code, year, and observation value. It is suitable for tasks including table classification, regression, and time series forecasting.

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REST API接口直接提取原始指标数据，并依据欧洲ISO3国家代码进行地理范围过滤。原始数据经过ILO基于国际劳工统计学家会议（ICLS）定义进行统一化处理，确保了跨国家与跨时间序列的统计口径一致性。Electric Sheep Europe团队进一步将数据重新打包为Parquet格式，并在HuggingFace平台上发布，以提供可直接加载的机器学习就绪数据集。

特点

该数据集涵盖39个欧洲国家自1991年至2027年共1,437条观测记录，聚焦于单一核心指标——按购买力平价（PPP）计算的2021年不变价百万美元国内生产总值（GDP），提供ILO模型估算值。其特色在于以年频度时间序列形式呈现，并附有数据来源标签以实现溯源追踪，支持按国家、源类型、指标标识符等多维度筛选，为劳动力生产率与宏观经济分析提供了高质量、标准化的面板数据。

使用方法

用户可通过HuggingFace的`datasets`库直接加载数据集，调用`load_dataset`函数即可获取训练集对象，并便捷地转换为Pandas数据框进行后续分析。典型用法包括按国家代码过滤特定国家的时间序列数据、按指标值排序以观察单一指标随时间的变化趋势，以及通过透视表操作构建国家—年份矩阵，从而支持时间序列预测、面板回归和分类等任务，适用于经济学研究与数据科学工作流。

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于2026年重新整理并托管于HuggingFace平台。其核心研究问题聚焦于欧洲39个国家在1991年至2027年间以购买力平价（PPP）计算的恒定2021年国际美元计价的国内生产总值（GDP）数据，旨在为劳动经济学、宏观经济比较及时间序列预测提供标准化、可复现的数据基础。作为ILOSTAT统计数据库的重要组件，该数据集整合了ILO基于国际劳工统计学家会议（ICLS）定义所发布的劳动生产力指标，覆盖了欧洲区域长达37年的年度观测值，对理解欧洲劳动力市场与经济增长的长期动态关系具有重要影响，尤其为跨国面板数据分析、经济政策评估及可持续发展目标（SDG）监测提供了权威数据支撑。

当前挑战

该数据集主要面临的挑战包括：1) 领域问题层面，劳动生产力指标的跨国可比性始终是核心难题，不同国家在GDP核算方法、统计口径及数据采集频率上存在差异，尤其是ILO采用的“最佳来源”选取策略可能导致同一国家不同年份间的数据连续性受损；2) 构建过程中，数据源自ILOSTAT的REST API，需处理来自劳动力调查、家庭收入调查、企业调查及行政记录等多源异构数据的整合与标准化，同时需在39个欧洲国家间协调ISO3代码与时间维度的对齐，确保1991至2027年间年度观测值的一致性与完整性；3) 数据质量方面，部分指标可能同时发布月度或季度序列，但该数据集仅保留年度频率，使得高频时序建模需求受限，且分类变量（如性别、行业）在多数观测中为空，限制了细粒度分析的可行性。

常用场景

经典使用场景

该数据集汇集了国际劳工组织（ILO）对欧洲39个国家1991年至2027年间以购买力平价（PPP）计价的国内生产总值（GDP）的年度观测数据，共计1437条记录。在宏观经济与劳动经济学研究中，它被广泛用作衡量国家经济产出与劳动生产率的基准指标，尤其适用于跨国面板数据分析、时间序列建模以及经济增长与就业关系的实证检验。研究者常将其与劳动力市场指标（如失业率、工资水平）结合，构建回归模型或因果推断框架，以揭示经济规模变动对劳动生产率的动态影响。

解决学术问题

该数据集的核心学术价值在于填补了欧洲国家间长期、可比较的GDP数据缺口，解决了因统计口径不一致或时间跨度不足而难以开展跨国面板研究的困境。它为实证经济学中的“产出-就业弹性”估计、劳动生产率收敛性检验以及经济周期同步性分析提供了可靠的数据基础。通过引入ILO统一建模的标准化估计值，数据集有效降低了国家间统计方法差异带来的测量误差，使得学者能够更精准地评估制度变迁、政策干预或外部冲击对各国经济表现的影响，从而推动劳动经济学与宏观经济学交叉领域的理论发展。

衍生相关工作

围绕该数据集，学术界已衍生出一系列经典工作，涵盖经济增长计量方法改进、ILO建模估计值与传统官方统计的对比验证、以及基于机器学习的GDP预测框架构建。例如，部分研究利用该数据集的跨国产出指标校准新古典增长模型中的劳动效率参数，另一些工作则将其作为基准特征，与劳动力调查、行业产出等其他ILO微观数据集联合分析，以分解全要素生产率（TFP）的构成要素。此外，Electric Sheep Europe团队通过标准化清洗与Parquet格式封装，使该数据能够无缝融入现有数据管道，推动了劳动经济学研究中“可复现性”与“ML就绪”理念的实践，催生了多个关于欧洲经济一体化的比较政策模拟课题。