electricsheepeurope/europe-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation

该数据集名为按职业划分的性别工资差距（%）| 欧洲（ILOSTAT），包含了关于欧洲24个国家从1969年至2025年的收入与薪酬不平等数据，具体指标为按职业划分的性别工资差距（%）。数据集共有3,310个观测值，覆盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，通过国家劳动力调查、家庭收入调查、机构调查和行政记录等收集并协调数据。数据集经过Electric Sheep Europe重新打包，以Parquet格式提供，并具有一致的模式，便于机器学习研究和使用。数据模式包括国家代码、国家名称、数据源、指标代码、指标标签、分类变量、观测年份、观测值、观测状态标志等列。数据为年度频率，ILOSTAT使用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调，以确保数据可比性。数据集适用于表格分类、表格回归和时间序列预测等任务。This dataset, titled Gender Wage Gap by Occupation (%) | Europe (ILOSTAT), encompasses income and pay inequality data for 24 European countries from 1969 to 2025, with the core indicator being the gender wage gap by occupation (%). It consists of 3,310 observations and covers exactly 1 unique indicator. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), a leading global repository for labor statistics. ILOSTAT collects and harmonizes data through national labor force surveys, household income surveys, establishment surveys, administrative records, and other official data sources. This dataset was repackaged by Electric Sheep Europe, provided in Parquet format, and features a unified schema to facilitate machine learning research and practical applications. The data schema includes columns such as country code, country name, data source, indicator code, indicator label, categorical variables, observation year, observed value, and observation status flag. The data has an annual frequency. ILOSTAT harmonizes the original survey microdata using definitions from the International Conference of Labour Statisticians (ICLS) to ensure cross-country data comparability. This dataset is suitable for tasks including tabular classification, tabular 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统计数据库，通过其REST API接口直接提取指标为EAR_GGAP_OCU_RT的性别工资差距数据，并依据ISO 3166-1 alpha-3标准筛选出覆盖24个欧洲国家的观测值。原始数据基于各国劳动力调查、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）定义进行统一协调与清洗后，最终形成包含3,310条观测记录的数据集，时间跨度从1969年至2025年。

使用方法

用户可通过HuggingFace的datasets库方便地加载该数据集：使用`load_dataset('electricsheepeurope/europe-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation')`即可获取训练集并转化为Pandas DataFrame进行后续分析。支持按国家代码（如`DEU`）筛选特定国家的观测值，也可按指标对时间序列进行排序与可视化。此外，借助pivot_table函数可便捷地将数据重塑为国家×年份的矩阵形式，便于开展跨国比较与面板数据分析。

背景与挑战

背景概述

该数据集名为europe-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation，由国际劳工组织（ILO）统计部门创建，并经Electric Sheep Europe于2025年重新打包发布于HuggingFace平台，核心研究问题聚焦于欧洲地区不同职业维度的性别工资差距。数据集涵盖1969年至2025年间24个欧洲国家的3310条观测记录，基于ILOSTAT这一全球劳动统计权威数据库，整合了各国劳动力调查、收入调查等行政记录数据。作为劳动经济学与社会不平等研究领域的重要资源，该数据集为跨国家、跨时期分析性别工资差异的演变趋势提供了标准化、机器可读的时序面板数据，对政策评估与计量经济学研究具有显著支撑价值。

当前挑战

该数据集面临的挑战包括：1）领域问题层面，性别工资差距受制于职业隔离、教育水平、工作经验等混杂因素，且不同国家统计口径（如小时工资与月工资）、行业分类体系差异导致跨国可比性受限，传统回归模型难以捕捉职业内部的动态不平等；2）构建过程中，需协调24国来自劳动力调查、结构收入调查等多源异构数据，通过ILO统一标准（如ICLS定义）进行清洗与整合，但部分国家存在时序缺失、来源变更或标记为“系列中断”的质量问题，同时原始数据包含职业技能水平等多维分类变量，处理离散化与缺失值增加了预处理复杂性。

常用场景

经典使用场景

该数据集汇集了国际劳工组织ILOSTAT数据库中欧洲24个国家1969年至2025年间按职业划分的性别工资差距指标，共计3310条观测记录。经典使用场景涵盖基于表格数据的回归分析、分类任务以及时间序列预测，研究者可通过国家、职业技能等级和时间维度对性别工资差距进行纵向与横向的量化比较，从而揭示欧洲劳动力市场中性别收入不平等的演变轨迹与结构性特征。

解决学术问题

该数据集有效解决了跨国性别工资差距研究中长期存在的数据碎片化与标准化不足的问题，为劳动经济学、性别研究和公共政策领域提供了统一、可比的高质量时序数据。其意义在于，研究者能够借此系统评估不同国家职业隔离、教育水平及制度环境对性别收入差异的影响，推动从描述性统计向因果推断与政策效应评估的深化，为缩小性别收入差距提供实证基础。

实际应用

在实际应用中，该数据集可服务于国际组织与政府机构监测可持续发展目标中关于性别平等的进展，辅助制定针对特定职业和国家的薪酬平等政策。企业与社会研究机构亦可利用其进行行业薪酬审计，识别本职种内部的性别收入鸿沟，从而设计更为精准的薪酬结构调整方案；同时，数据驱动的可视化仪表板能为公众提供透明的性别工资差距信息，促进社会舆论监督与公平意识提升。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲24国1969至2025年间按职业分层的性别工资差距，依托国际劳工组织ILOSTAT权威数据源，为劳动力市场中的收入不平等问题提供了宝贵的时序面板数据。在当代性别经济学领域，这一数据集的价值尤为凸显：它不仅能助力研究者追踪不同职业技能层级下性别薪酬差异的演变轨迹，还使得跨国家、跨职业的精细比较成为可能。结合近年欧盟推动的薪酬透明化指令与全球性别平等议程，该数据可为政策制定者量化评估结构性歧视、设计精准干预措施（如职业再平衡与薪酬立法）提供坚实的数据支撑，对深化理解劳动力市场中的性别不平等机制具有里程碑式的意义。