electricsheepasia/asia-ilo-ear-emtg-sex-mts-nb-gini-index-of-monthly-earnings-of-employees-by-sex

该数据集包含亚洲27个国家从1996年至2025年期间，关于员工月收入基尼指数的6,853个观测值，具体按性别和婚姻状况进行细分。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API直接获取并过滤为亚洲国家。核心指标为“EAR_EMTG_SEX_MTS_NB”，即按性别和婚姻状况划分的员工月收入基尼指数。数据集提供了结构化表格，包括国家代码、指标代码、时间年份、观测值、数据来源、性别分类等字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILO标准化处理，确保一致性和可追溯性，并附带使用示例和引用信息。This dataset encompasses 6,853 observations of monthly employee earnings Gini coefficients across 27 Asian countries, covering the period from 1996 to 2025, with disaggregation by gender and marital status. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), directly obtained via API and filtered to retain only Asian countries. The core indicator is "EAR_EMTG_SEX_MTS_NB", which refers to the monthly employee earnings Gini coefficient disaggregated by gender and marital status. The dataset provides structured tables with fields including country code, indicator code, time year, observation value, data source, gender category, and others, and is suitable for tasks such as table classification, regression, and time series forecasting. The data has been standardized by the ILO to ensure consistency and traceability, and is accompanied by usage examples and citation information.

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统计数据库，通过REST API接口直接获取指标代码为EAR_EMTG_SEX_MTS_NB的原始数据，并依据亚洲ISO3国家代码进行地理筛选。数据经ILO统计部门采用国际劳工统计学家会议（ICLS）定义进行标准化处理，将各国劳动力调查、家庭收入调查及行政记录中的微观数据统一整合，确保跨国家、跨年份的可比性。最终由Electric Sheep Asia团队重新打包为Parquet格式，以6,853条观测值覆盖27个亚洲国家1996至2025年间的收入与薪酬不平等数据。

使用方法

数据集可通过HuggingFace的datasets库直接加载，调用load_dataset函数即可获取训练集并转为Pandas DataFrame进行分析。支持按国家代码过滤特定国家的子集，或按时间序列对单一指标进行可视化。此外，可利用数据透视表功能将长格式数据重塑为国家×年份的面板矩阵，适合进行跨国家比较或面板数据回归分析。数据按CC-BY-4.0许可发布，使用时需同时标注ILO原始数据来源及Electric Sheep Asia的重新打包贡献。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Asia重新封装整合，聚焦于亚洲27个国家1996至2025年间按性别和婚姻状况划分的月收入基尼系数。核心研究问题在于揭示亚洲地区劳动力市场中性别与婚姻状态对收入不平等的影响，为劳动经济学、社会政策及可持续发展目标（SDGs）提供关键数据支撑。作为ILOSTAT数据库的衍生品，该数据集依托权威的劳动力调查和行政记录，通过标准化处理提升了跨国可比性，在收入分配研究领域具有显著影响力，尤其填补了亚洲区域精细维度收入差距数据的空白。

当前挑战

该领域面临的首要挑战是收入不平等测度的多维复杂性，基尼系数虽能反映整体差距，却难以捕捉性别与婚姻状态交叉作用下的收入分层细节，且不同国家的调查方法和数据质量差异导致跨国比较存在偏倚。构建过程中，ILO需协调各国来源迥异的调查数据（如劳动力调查与家庭收入调查），统一ILCS定义，处理因统计口径变化或历史数据中断带来的序贯不一致性，同时保证性别分类（如男性、女性、其他）和婚姻状态分类的完整性，这要求对缺失值、标志性注释（如断点标记）进行审慎处理以维护时间序列的连贯性。

常用场景

经典使用场景

该数据集收录了1996年至2025年间亚洲27个国家和地区雇员月度收入的基尼系数，并按性别与婚姻状况进行了细致分层。其最经典的使用场景在于劳动经济学中的收入不平等动态监测，研究者可借助这些时序数据描绘亚洲各国收入分配格局的长期演变轨迹，并对比不同性别与婚姻群体内部的收入差异。此外，该数据集亦广泛用于面板数据回归分析，以探究经济发展、教育普及或劳动力市场政策对性别薪酬差距的调节效应，为理解亚洲地区结构性不平等提供量化基础。

解决学术问题

该数据集有效回应了亚洲劳动市场中长期悬而未决的若干学术议题：其一，它提供了跨国家、跨性别的收入不平等可比数据，使研究者得以突破单一国别调查的限制，系统分析亚洲内部异质性；其二，通过婚姻状况这一细分维度，数据集揭示了家庭结构如何与劳动报酬交织，进而影响个体收入分配；其三，长达三十年的观测跨度允许学者运用时间序列方法，识别收入不平等在金融危机、疫情冲击或制度变革前后的突增或收敛模式，深化对结构性不平等形成机制的理论认知。

实际应用

在实际应用中，该数据集成为国际组织与政策制定者评估亚洲各国体面劳动进展的得力工具。世界银行、亚洲开发银行及各国劳动部门可借助基尼指数变化趋势，精准定位收入分配恶化或改善的关键节点，从而调整最低工资标准、完善社会保障体系或设计性别平等专项干预方案。企业社会责任评估领域同样能从中受益，跨国公司在进行区域薪酬审计时，可参照该标杆数据自检其薪酬公平性，尤其针对不同性别与婚姻状况员工的薪资差异，推动更具包容性的企业治理。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区员工月收入基尼系数的性别与婚姻状况分异性分析，为劳动经济学中的收入不平等研究提供了跨时空的高质量微观数据支撑。当前前沿方向集中于利用该长时序面板数据（1996-2025年，覆盖27国）构建动态不平等监测模型，例如结合分位数回归与机器学习方法，揭示亚洲各国在数字化转型、后疫情复苏及女性劳动参与率提升背景下的收入分配演变规律。同时，基尼系数与婚姻状态、性别交叉维度的分层抽样能力，正推动“家庭内部不平等”与“婚姻溢价”机制的解构，为ILO体面劳动目标（SDG 8）及亚洲区域包容性增长政策评估提供了量化实证锚点。