electricsheepeurope/europe-ilo-ear-ehrg-sex-geo-nb-gini-index-of-hourly-earnings-of-employees-by-sex

该数据集包含欧洲5个国家（法国、摩尔多瓦、瑞士、波黑、希腊）在2000年至2025年间关于收入与薪酬不平等的720条观测数据，核心指标为按性别和城乡地区划分的员工小时收入基尼系数。数据源自国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Europe重新打包为机器学习就绪格式，采用CC-BY-4.0许可。数据集涵盖国家代码、年份、性别分类、观测值及数据来源等字段，适用于表格分类、回归或时间序列预测等任务。This dataset contains 720 observational records on income and pay inequality across 5 European countries (France, Moldova, Switzerland, Bosnia and Herzegovina, Greece) spanning the period from 2000 to 2025. Its core indicator is the Gini coefficient of hourly earnings for employees, disaggregated by gender and urban-rural area. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and has been repackaged into machine-learning-ready format by Electric Sheep Europe under the CC-BY-4.0 license. The dataset includes fields such as country code, year, gender category, observed values, and data source, and is applicable to tasks including tabular classification, regression, or 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核心统计数据库，聚焦于欧洲地区雇员小时收入的基尼系数，反映了性别与城乡维度的收入不平等状况。构建过程通过直接调用ILOSTAT REST API接口，获取指标代码为EAR_EHRG_SEX_GEO_NB的原始数据，随后依据欧洲ISO3国家代码进行地理过滤，并由Electric Sheep Europe完成数据清洗与标准化封装。数据集共包含720条观测记录，覆盖法国、摩尔多瓦、瑞士、波斯尼亚和黑塞哥维那及希腊五个欧洲国家，时间跨度从2000年至2025年，所有观测值均附有来源标签以供追溯，确保了数据的可溯源性。

使用方法

用户可通过HuggingFace的datasets库以load_dataset()函数一键加载数据，随后借助to_pandas()方法将数据转换为Pandas DataFrame以进行灵活分析。典型应用包括按国家代码（ref_area列）筛选特定国家的数据，或基于indicator列筛选单一指标后进行时间序列的可视化分析，例如绘制obs_value随时间变化的趋势图。对于跨国家比较，可利用pivot_table方法轻松构建以时间为行、国家为列的数据矩阵，直观呈现各国基尼系数的演变差异。数据集支持分类与回归任务，并兼容时间序列预测模型，为研究欧洲劳动力市场收入不平等的动态变化提供了便捷的规模化分析工具。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门依托其核心数据库ILOSTAT构建，经Electric Sheep Europe于2025年重新整理并发布于HuggingFace平台。研究聚焦于欧洲五国（法国、摩尔多瓦、瑞士、波黑、希腊）2000至2025年间按性别与城乡区域划分的雇员小时收入基尼系数，共涵盖720条观测值。基尼系数作为衡量收入不平等程度的经典指标，在劳动经济学、社会政策评估及可持续发展目标（SDG）监测中具有核心地位。该数据集通过标准化ILOSTAT API接口提取官方微观调查数据，并严格遵循国际劳工统计学家会议（ICLS）定义进行统一处理，为跨国收入不平等比较提供了高可信度的时序数据基础，对欧洲劳动力市场研究及政策制定具有显著支撑价值。

当前挑战

该数据集所解决的领域问题在于：跨国收入不平等研究长期受困于各国调查口径不一、性别与城乡维度的分解数据匮乏，传统基尼系数计算多依赖宏观估计或单一年份截面数据，难以捕捉时序动态与结构性差异。构建过程中的挑战包括：1) 原始数据源（如劳动力调查、住户收入调查）的问卷设计、抽样框架与统计方法在欧洲各国间存在异质性，ILO需通过ICLS标准进行跨国家数据协调；2) 数据标注中需处理因调查方法变更导致的序列中断（如'Break in series'标识）及多源数据冲突（采用ILO指定的'best source'原则），以保证时序一致性；3) 样本覆盖范围局限——仅五国拥有完整时序数据，且城乡分解维度（classif1）在不同国家与年份间可能存在缺失，限制了对区域差异的深入分析。

常用场景

经典使用场景

在欧洲劳动经济学与社会政策研究领域，Gini系数作为衡量收入分配不平等程度的经典指标，其应用常围绕性别间与城乡间的工资差距展开。该数据集汇集了国际劳工组织ILOSTAT数据库中五个欧洲国家2000年至2025年间按性别和城乡区域划分的雇员小时工资基尼系数，共计720个观测值，为研究者提供了纵向跨度达25年的面板数据。研究者可借此分析不同性别在工资分配中的不平等演变趋势，或对比城乡区域间的收入差异格局，亦可通过时间序列模型刻画经济增长与劳动力市场政策对收入分配均衡性的影响路径。

解决学术问题

该数据集精准回应了劳动经济学中两类核心学术问题：一是性别工资差异的动态测度，传统研究多依赖均值比较，而基尼系数的引入能从整体分布层面捕捉工资不平等的结构性变化，尤其可揭示女性在劳动力市场中因职业隔离、断点式职业经历等因素所承受的累积性收入劣势。二是城乡收入分化的制度根源，欧洲各国在最低工资制度、集体谈判覆盖率与社会保障体系上的差异，导致城乡劳动力市场呈现迥异的分配格局，该数据集为跨国比较分析提供了标准化且可复现的量化依据，推动了制度经济学与空间经济学视角下收入不平等的交叉研究。

实际应用

在实际政策制定与劳动力市场监测中，该数据集可用于构建欧洲国家收入不平等预警系统，例如国际劳工组织与欧盟统计局常借助类似指标评估各国体面劳动目标的实现进展。非政府组织与工会可利用数据识别性别工资差距持续扩大的高危产业或地域，进而设计精准的职业培训补贴或反歧视审计方案。此外，人力资源咨询公司在为客户企业设计薪酬公平性审计模型时，可将本数据集的基尼系数作为行业基准参照，辅助企业对标所在国的性别收入平等水平，规避法律风险并提升雇主品牌形象。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲雇员时薪基尼系数的性别与城乡维度分解，为劳动经济学中的收入不平等研究提供了精细化的纵向面板数据。结合ILOSTAT权威来源与2000-2025年的时间跨度，当前前沿方向集中于利用该数据揭示欧洲内部性别薪酬差距的动态演化规律、城乡二元结构下的收入极化趋势，以及新冠疫情等重大冲击对不平等程度的异质性影响。其意义在于，通过小时工资基尼系数这一标准化度量，研究者能跨越国别制度差异，比较法国、瑞士等五国在最低工资政策、集体谈判机制与劳动力市场规制方面的成效，为联合国可持续发展目标（SDG）中体面工作与经济增长的监测提供实证锚点。