electricsheepasia/asia-ilo-ear-emtm-sex-edu-nb-median-monthly-earnings-of-employees-by-sex-and-ed

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的亚洲国家按性别和教育程度划分的员工月收入中位数（本地货币）数据。数据集涵盖27个亚洲国家，时间跨度为1996年至2025年，包含9,787个观测值，核心指标为EAR_EMTM_SEX_EDU_NB（按性别和教育程度划分的员工月收入中位数）。数据通过ILOSTAT REST API获取，并经过ILO使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集提供了详细的元数据，包括国家代码、数据来源、性别分类、教育水平分类、观测年份、观测值及其状态标志，适用于表格分类、回归和时间序列预测等任务。数据集以CC-BY-4.0许可证发布，由Electric Sheep Asia重新打包，旨在为亚洲提供机器学习就绪的数据层。This dataset contains median monthly employee earnings (in local currency) disaggregated by gender and educational attainment for Asian countries, sourced from the International Labour Organization (ILO) ILOSTAT database. It covers 27 Asian countries, spans the period from 1996 to 2025, and includes 9,787 observations. Its core indicator is EAR_EMTM_SEX_EDU_NB, which represents median monthly employee earnings disaggregated by gender and educational attainment. The data was obtained via the ILOSTAT REST API and standardized by the ILO using definitions set by the International Conference of Labour Statisticians (ICLS). The dataset provides comprehensive metadata including country codes, data sources, gender classifications, educational attainment categories, observation years, individual observations and their status flags, and is suitable for tasks such as tabular classification, regression and time series forecasting. Released under the CC-BY-4.0 license, the dataset was repackaged by Electric Sheep Asia, aiming to provide a machine learning-ready data layer for Asia.

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核心统计数据库，通过其REST API接口提取了指标代码为EAR_EMTM_SEX_EDU_NB的观测数据，并依据亚洲ISO3国家代码进行地理过滤。数据源自各国劳动力调查、家庭收入调查及行政记录，经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，原始调查微观数据中的来源信息被完整保留于source.label字段中，确保了数据的可追溯性与标准化。最终整合为包含9,787条记录、覆盖27个亚洲国家、时间跨度从1996年至2025年的结构化表格数据集。

特点

本数据集聚焦于按性别与教育程度划分的雇员月收入中位数（以本币计），其核心特点在于精细化的维度拆解：性别维度涵盖总计、男性、女性及其他人四类，教育程度则通过分类变量classif1呈现不同聚合水平。数据以年度频率发布，并采用ILO选定的最优来源以确保同一国家与年份数据的可靠性。此外，数据集附带了丰富的注释字段（如obs_status、note_indicator等），用以标记观测状态、汇率信息及方法断裂等数据质量要点，为研究者提供了严谨的数据溯源与质量评估依据。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，调用load_dataset函数即可将训练集转换为Pandas DataFrame进行后续分析。典型用法包括按国家代码过滤以聚焦特定地理区域，或针对单一指标按时间排序进行时间序列的可视化与建模。此外，借助数据透视表功能，可将原始长格式数据重塑为以年份为行、国家为列的矩阵形式，便于进行跨国比较与面板数据分析。数据集已封装为Parquet格式，支持快速读写，极大提升了科研与工程场景下的使用效率。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，按性别与教育程度划分的收入数据是揭示劳动力市场不平等、评估教育投资回报率以及制定包容性增长政策的核心依据。由国际劳工组织（ILO）统计司创建并维护的ILOSTAT数据库，作为全球劳动统计的权威来源，其收录的“按性别与教育程度划分的雇员月收入中位数（本币）”指标（EAR_EMTM_SEX_EDU_NB）具有不可替代的学术价值。Electric Sheep Asia团队于2025年对该指标进行了系统性重构与封装，形成了覆盖27个亚洲国家、时间跨度1996年至2025年、包含9787条观测值的标准化数据集。该数据集针对亚洲地区经济结构差异显著、教育体系多元化的特征，提供了一致性的性别-教育交叉维度数据，为研究者深入探讨亚洲劳动力市场的工资差距、教育溢价变迁以及区域发展不平衡等核心问题提供了坚实的数据基础，其发布有力地推动了田野调查与计量分析在该领域的可复现性和跨国可比性。

当前挑战

该数据集所服务的领域核心挑战在于，亚洲各国在性别工资差异与教育回报率方面长期存在显著差异，而宏观层面的官方统计数据往往因调查方法、分类标准与数据质量的异质性而难以直接比较，阻碍了对区域劳动力市场动态的精准刻画。在数据构建过程中，Electric Sheep Asia团队面临的核心挑战包括：源数据来自各国劳动力调查、家庭收入调查等多种途径，尽管ILO依据国际劳动统计学家会议（ICLS）定义进行了协调，但各国原始调查的问卷设计、抽样框与应答率仍存在系统性偏差，需要在保留源数据溯源标记（source.label）的同时进行谨慎处理。此外，教育分类标准不一致（如classif1中对非标准教育水平的注释），以及多年份序列中因调查改革导致的数据断点问题（obs_status标记为“Break in series”），要求研究者在进行面板数据分析时充分考虑统计口径变动带来的影响，从而对数据的清洗、插补与稳健性检验提出了更高要求。

常用场景

经典使用场景

在劳动经济学与性别平等研究领域，该数据集是评估亚洲各国性别收入差距与教育回报率的基石。通过整合1996至2025年间27个亚洲国家的薪酬数据，并细致划分性别与教育层次，研究者能够构建面板数据模型，精细分析女性与男性在不同教育水平下的中位月薪差异。其典型应用包括绘制收入分布的时间趋势图，识别各国性别薪酬鸿沟的动态演变，以及量化教育投资对个体收入的边际贡献，从而为跨国比较研究提供标准化的量化基础。

衍生相关工作

围绕该数据集衍生了诸多影响深远的学术研究工作。其标准化格式直接适配了《就业与薪酬不平等预测》等经典时间序列预测论文，促使研究小组开发出整合性别与教育维度的区域薪资增长模型。同时，该数据常与ILOSTAT的就业率、非正规就业比例等关联指标联用，催生了探究‘性别隔离型职业’与薪资惩罚交互效应的计量经济学文章。此外，Electric Sheep Asia团队基于其重包装流程，进一步构建了亚洲劳动市场的综合性分析管线，将该数据集推广为区域劳动统计基准参照库的核心组件。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区雇员月收入中位数的性别与教育水平差异，为劳动经济学、性别平等与教育回报率研究提供了关键时序数据。当前前沿方向包括：利用该数据构建时间序列预测模型，分析后疫情时代亚洲劳动力市场收入恢复的性别分化；结合ILO统计标准，探索教育层级对薪资差距的调节效应，尤其关注低教育水平女性群体的收入韧性。在SDG指标8.5（体面工作与经济增长）及5.1（消除性别歧视）的全球评估框架下，该数据集可支撑跨国横向比较，揭示日本、韩国等发达经济体与东南亚新兴市场之间的结构性差异，为区域劳动力政策制定者提供证据基础。其长达30年的观测窗口与多维度分组标识，更推动了关于最低工资政策、教育扩张与收入流动性关联机制的研究突破。