electricsheepasia/asia-ilo-ear-ehra-sex-nb-average-hourly-earnings-of-employees-by-sex-local

该数据集是一个关于亚洲国家按性别划分的员工平均小时收入（以本地货币计）的统计数据集，来源于国际劳工组织（ILO）的ILOSTAT数据库。它包含663个观察值，覆盖25个亚洲国家，时间跨度为1996年至2025年，涵盖1个核心指标（EAR_EHRA_SEX_NB）。数据通过ILOSTAT REST API获取，并过滤为亚洲国家代码，经过ILO的统计部门根据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（总计、男性、女性、其他）、观察年份、观测值、观测状态以及相关注释，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并包含数据质量说明，例如使用ILO选择的最佳来源。数据集由Electric Sheep Asia重新打包，旨在为亚洲地区提供统一的、机器学习就绪的数据层。license: cc-by-4.0（知识共享署名4.0协议） language: - en（英语） task_categories: - tabular-classification（表格分类） - tabular-regression（表格回归） - time-series-forecasting（时间序列预测） multilinguality: monolingual（单语言） size_categories: - n<1K（样本量小于1000） tags: - tabular（表格数据） - asia（亚洲） - ilostat（ILOSTAT） - earnings（薪资） - ilo（国际劳工组织） - labour（劳动） - employment（就业） pretty_name: "按性别划分的员工平均时薪（当地货币）| 亚洲（ILOSTAT）" # 按性别划分的员工平均时薪（当地货币）| 亚洲（ILOSTAT） 🌏 **663条观测记录** · **25个亚洲国家** · **1996–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)二次整理*      ## TL;DR 本数据集包含覆盖25个亚洲国家、时间跨度为1996年至2025年的663条观测记录，仅涵盖1项独特指标。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，为全球领先的劳动统计权威数据源。其整合了就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（SDG）体面工作目标等全品类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录，覆盖200余个经济体，数据标准化工作由国际劳工组织统计部门负责完成。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_NB) - **发布方**：国际劳工组织（ILO） - **授权协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：薪资 ## 数据处理方法 数据直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=EAR_EHRA_SEX_NB` 拉取，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的数据。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的标准定义对原始调查微观数据进行标准化处理；数据来源信息会在`source.label`字段中标记，以保证数据可追溯性。 ## 地理覆盖范围 25个亚洲国家，以下为按观测记录数量排序的前10个国家： | 国家代码 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `IDN` | 84 | 1996 | 2023 | | `PHL` | 66 | 2001 | 2023 | | `TUR` | 60 | 2005 | 2024 | | `KHM` | 57 | 1997 | 2023 | | `VNM` | 48 | 2007 | 2024 | | `LKA` | 42 | 2010 | 2024 | | `PAK` | 39 | 2006 | 2025 | | `THA` | 33 | 2014 | 2024 | | `PSE` | 30 | 2015 | 2025 | | `ARM` | 27 | 2007 | 2017 | | `IND` | 26 | 2018 | 2025 | | `JOR` | 24 | 2017 | 2024 | | `MNG` | 18 | 2019 | 2024 | | `TLS` | 18 | 2001 | 2021 | | `BGD` | 16 | 2013 | 2024 | | ... | _另有10个国家_ | | | ## 指标（示例） - `EAR_EHRA_SEX_NB` — 按性别划分的员工平均时薪（当地货币） ## 数据架构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_EHRA_SEX_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average hourly earnings of employees …` | | `sex` | `string` | 按性别拆分维度（SEX_T=总计、SEX_M=男性、SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 维度对应说明 | `Total` | | `time` | `int64` | 观测年份 | `2020` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，详见指标定义） | `90.929` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | 状态说明 | `Break in series` | | `note_indicator` | `string` | 指标相关备注 | `T30:110_I11:264` | | `note_indicator.label` | `string` | 备注详情 | `Currency: AFG - Afghani (AFN) | Break…` | | `note_source` | `string` | 来源相关备注 | `R1:3513` | | `note_source.label` | `string` | 备注详情 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据拆分维度 以下字段提供数据拆分维度： - **`sex`**（共4个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个数据源时，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应拆分维度时，拆分字段（`sex`、`classif1`、`classif2`）才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ear-ehra-sex-nb-average-hourly-earnings-of-employees-by-sex-local") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EAR_EHRA_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EHRA_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EHRA_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ear_ehra_sex_nb_average_hourly_earnings_of_employees_by_sex_local_2025, title = {Average hourly earnings of employees by sex (local currency) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ear-ehra-sex-nb-average-hourly-earnings-of-employees-by-sex-local}} } ## 授权协议 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)协议发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Asia的二次整理版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的亚洲地区数据构建统一的、适用于机器学习的标准化数据层。我们从权威开源数据源获取数据，规范数据架构，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据处理工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026-05-27通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_NB_

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）旗下的ILOSTAT中央统计数据库，通过调用其REST API接口，筛选出亚洲国家（ISO3代码）的劳动力统计数据，覆盖1996年至2025年间25个经济体的663条观测记录。数据以年频率呈现，由ILO依据国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行统一处理，并在`source.label`字段中标注数据来源，确保可追溯性。Electric Sheep Asia团队负责将原始数据重新封装为HuggingFace格式，提供标准化的Parquet文件，便于机器学习环境下的直接调用。

特点

本数据集聚焦于按性别分列的平均小时工资（以本地货币计），包含唯一的指标代码`EAR_EHRA_SEX_NB`，并提供`sex`维度下的四种分类（总、男、女、其他）。数据覆盖了从印度尼西亚（84行）到阿富汗等多国的时间序列，以印尼、菲律宾、土耳其等国观测最为丰富。每条记录均包含ISO国家代码、来源名称、指标标签、观测值及状态标志，且附有详细的注释字段，如货币单位和数据中断说明，支持研究人员进行高质量的时间序列分析与跨国比较。

使用方法

用户可通过HuggingFace的`datasets`库快速加载数据，使用`load_dataset("electricsheepasia/asia-ilo-ear-ehra-sex-nb-average-hourly-earnings-of-employees-by-sex-local")`命令即可获取训练集并转换为Pandas DataFrame。示例用法包括按国家筛选（如印度尼西亚）、针对特定指标进行时间序列可视化，或通过数据透视表构建国家×年份矩阵，便于面板数据分析。该数据集因其表格化结构和一致性模式，适用于分类、回归及时序预测等机器学习任务，满足劳动经济学与区域发展研究的多种需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT统计数据库中创建，后经Electric Sheep Asia于2025年重新打包发布，聚焦亚洲地区按性别划分的雇员平均小时工资（以当地货币计）。研究核心在于揭示1996至2025年间25个亚洲国家内劳动力报酬的性别差异与时间演变趋势。作为ILO全球劳动统计数据的重要组成部分，该数据集为分析亚洲劳动力市场结构、评估性别平等政策成效以及监测可持续发展目标中体面工作指标提供了关键数据支撑。其影响力体现在能够服务于跨国比较研究、时间序列建模以及社会经济学分析，推动学术界与政策制定者对亚洲劳动报酬动态的深入理解。

当前挑战

该数据集所解决的领域问题主要围绕劳动经济学中的性别工资差距量化与追踪，挑战在于如何从多个国家来源（如劳动力调查、行政记录）整合出一致且可比的按性别分列的工资数据。构建过程中遭遇的核心挑战包括：数据源的多样性与异质性，需依靠ILO的ICLS定义进行复杂协调；部分国家存在数据连续性不足，如阿富汗仅2012年有记录，导致时间序列分析受限；观测值仅有663条，样本量较小，且存在观测状态标记（如序列中断）与货币单位差异带来的潜在偏差。此外，不同国家调查方法（如劳动力调查vs.企业调查）的差异进一步增加了构建统一基准的难度，限制了模型在跨国比较与预测中的稳健性。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，该数据集为分析亚洲地区性别薪酬差异提供了横跨三十年的面板数据支持。其经典用法在于构建包含性别、国别与时间三维度的回归模型，揭示亚洲25个国家在1996至2025年间平均小时工资的动态演变规律。研究者可借助性别分组变量（SEX_T、SEX_M、SEX_F）拆解总体均值，量化男性与女性劳动者在本地货币计价下的薪酬鸿沟，并利用年度观测值捕捉全球化进程、产业转移与政策干预对工资收敛趋势的塑造效应。这一数据框架尤其适合开展跨国比较分析，为验证库兹涅茨曲线在劳动报酬领域的适用性提供了稀缺的经验证据。

解决学术问题

该数据集精准回应了亚洲发展中经济体在劳动统计领域长期面临的数据碎片化与可比性缺失难题。通过引入ILOSTAT统一的统计标准（ICLS定义），它使得对印度尼西亚、菲律宾、土耳其等25个国家跨越二十余年的工资数据进行标准化整合成为可能。在学术层面，它直接服务于三大核心议题：其一，性别工资差距的跨国测量与动态分解，填补了东亚、东南亚及南亚次区域在面板数据层面的空白；其二，经济结构转型对劳动报酬影响的实证检验，尤其是在工业升级与服务化进程中工资收敛假说的验证；其三，制度环境（如最低工资政策、工会议价力）与劳动市场结果之间的因果推断，为国际劳工组织的体面劳动议程提供了可量化的评估基础。这些贡献不仅深化了对发展经济学中劳动力市场异质性的理解，更推动了亚太区域劳动政策研究从定性叙事向统计建模的范式跃迁。

衍生相关工作

围绕此数据集已衍生出一系列具有方法论创新意义的经典工作。在计量经济学领域，学者基于其面板数据结构开发了针对缺失观测值的多重插补算法，部分改进策略已应用于ILOSTAT官方数据的质量报告中。劳动经济学者则利用该数据构建了基于分位数回归的性别工资动态分解框架，揭示了亚洲新兴经济体在工资分布不同分位点上的差异化性别溢价规律。在机器学习方向，研究者将其作为时间序列回归基准集，评估LSTM与Prophet模型对年度工资轨迹的预测效能，推动了劳动统计领域中传统面板模型与深度学习方法的对话。更值得关注的是，该数据集与ILO其他来源（如就业率、失业率及非正规就业比例）的联合分析催生了一系列关于体面劳动指数构建的复合指标研究，这些成果已被纳入联合国开发计划署（UNDP）亚洲区域人类发展报告的技术附件，彰显了高质量基础数据对可持续发展议程知识生产的赋能效应。