electricsheepasia/asia-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation

该数据集包含亚洲31个国家从1980年至2025年按职业划分的性别工资差距（百分比）数据，共有3,404个观测值，数据来源于国际劳工组织统计数据库（ILOSTAT）。数据集涵盖单一指标EAR_GGAP_OCU_RT，记录了不同国家、年份、数据来源及分类变量下的性别工资差距观测值，适用于表格分类、回归和时间序列预测等任务。--- 许可协议: CC BY 4.0 语言: - 英语 任务类别: - 表格分类 - 表格回归 - 时间序列预测 多语言属性: 单语言 样本量范围: - 1000 < n < 10000 标签: - 表格数据 - 亚洲 - ILOSTAT - 收入与薪酬不平等 - 国际劳工组织（ILO） - 劳工 - 就业 美观名称: "分职业性别工资差距（%）| 亚洲（ILOSTAT）" --- # 分职业性别工资差距（%）| 亚洲（ILOSTAT） 🌏 **3404条观测样本** · **31个亚洲国家** · **1980–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 简短摘要（TL;DR） 本数据集包含覆盖31个亚洲国家、时间跨度为1980至2025年的**收入与薪酬不平等**相关数据，共**3404条观测样本**，仅包含**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（ILO）的官方统计数据库，也是全球领先的劳工统计权威来源。该库整合了就业、失业、薪酬、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体面工作目标等多类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖范围涵盖200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据来源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_GGAP_OCU_RT) - **发布方：** 国际劳工组织（ILO） - **许可协议：** [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题：** 收入与薪酬不平等 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EAR_GGAP_OCU_RT`拉取原始数据，并筛选出ISO3国家代码属于亚洲的样本。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化整合；数据来源将在`source.label`字段中标注，以确保可追溯性。 ## 地理覆盖范围 31个亚洲国家，以下按样本量排序展示前15个国家及其余详情： | 国家（ISO3代码） | 样本量 | 首次统计年份 | 末次统计年份 | |---------|-----:|-----------:|----------:| | `KHM` | 305 | 1997 | 2023 | | `TUR` | 292 | 1982 | 2024 | | `PHL` | 270 | 2007 | 2023 | | `VNM` | 260 | 2007 | 2024 | | `LKA` | 231 | 2010 | 2024 | | `IDN` | 229 | 2007 | 2023 | | `PAK` | 201 | 2006 | 2025 | | `THA` | 179 | 2014 | 2024 | | `PSE` | 156 | 2015 | 2025 | | `KOR` | 140 | 2009 | 2022 | | `MYS` | 110 | 2011 | 2020 | | `IND` | 108 | 2018 | 2025 | | `JOR` | 106 | 2017 | 2024 | | `MNG` | 96 | 2019 | 2024 | | `BTN` | 83 | 2018 | 2022 | | ... | 其余16个国家 | | | ## 指标说明（示例） - `EAR_GGAP_OCU_RT` — 分职业性别工资差距（%） ## 数据结构 | 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 | `阿富汗` | | `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 - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_GGAP_OCU_RT` | | `indicator.label` | `string` | 英文指标名称 | `分职业性别工资差距（%）` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | — | `职业（技能水平）：总计` | | `time` | `int64` | 观测年份 | `2020` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `-125.212` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `string` | — | `C4:1002` | | `note_classif.label` | `string` | — | `非标准职业：包含3类` | | `note_indicator` | `string` | — | `T30:110_I11:264` | | `note_indicator.label` | `string` | — | `货币单位：阿富汗 - 阿富汗尼（AFN） | 序列中断…` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO-STATISTICS - 微观数据…` | ## 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来源时，将采用国际劳工组织选定的“最优来源”数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 生成单个指标的时间序列图表 python sample = (df[df["indicator"] == "EAR_GGAP_OCU_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_GGAP_OCU_RT") ### 转换为国家×年份的交叉矩阵 python matrix = (df[df["indicator"] == "EAR_GGAP_OCU_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ear_ggap_ocu_rt_gender_wage_gap_by_occupation_2025, title = {Gender wage gap by occupation (%) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_GGAP_OCU_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation}} } ## 许可协议 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的重新封装版本。 ## 关于Electric Sheep Electric Sheep是Electric Sheep项目的组成部分，旨在为HuggingFace平台打造统一的、适配机器学习的亚洲数据层。我们从权威开放数据源获取数据，标准化数据结构，以Parquet格式封装，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()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026-05-28通过Electric Sheep管道获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_GGAP_OCU_RT_

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接口直接提取了指标代码为EAR_GGAP_OCU_RT的原始数据。随后，数据被严格过滤至亚洲地区的ISO3国家编码范围内，并经过Electric Sheep Asia的重新封装与标准化处理。ILOSTAT本身基于国际劳动统计学家会议（ICLS）的定义框架，对各国劳动力调查、家庭收入调查及行政记录等微观数据进行协调与整合，确保了数据源的一致性与可追溯性，最终形成了涵盖31个亚洲国家、跨度1980年至2025年的3404条观测记录。

特点

该数据集聚焦于亚洲地区按职业划分的性别工资差距百分比，其独特之处在于包含了丰富的分类变量与注释信息，如职业技能水平（classif1）、数据来源类型（source）以及观测状态标志（obs_status），为研究者提供了细粒度的数据质量评估依据。数据涵盖31个亚洲国家，时间跨度长达46年，且每个国家的观测频率均为年度数据，展现了长期趋势。此外，数据集保留了ILOSTAT特有的‘最佳来源’选择机制，即在同一国家与年份存在多个数据源时，优先采用国际劳工组织认定的最优者，从而提升了数据的权威性。

使用方法

研究者可通过HuggingFace的`datasets`库便捷加载数据，使用`load_dataset("electricsheepasia/asia-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation")`命令即可获取训练集并转换为Pandas DataFrame进行分析。针对特定国家的分析，可通过`ref_area`列进行过滤，例如筛选印度尼西亚的数据。对于时间序列分析，可按指示器排序并绘制`obs_value`随`time`变化的趋势图。此外，利用透视表功能可将数据重塑为国家×年份的矩阵，便于进行跨国比较或面板数据分析，充分挖掘性别工资差距在亚洲职业结构中的演变规律。

背景与挑战

背景概述

性别工资差距作为衡量劳动市场中性别平等的重要指标，长期以来受到国际劳工组织（ILO）及各国研究者的广泛关注。该数据集由国际劳工组织统计司（ILOSTAT）于2025年整理发布，并经Electric Sheep Asia重新打包整合，聚焦亚洲地区31个国家自1980年至2025年间按职业划分的性别工资差距比例（EAR_GGAP_OCU_RT）。共包含3404条观测记录，数据源自各国劳动力调查、家庭收入调查等权威来源，经ILO采用国际劳动统计学家会议（ICLS）定义进行统一标准化处理。该数据集的释出为分析亚洲地区职业层面性别收入不平等的时空演变提供了系统化、可复用的基础，对劳动经济学、性别研究及发展政策制定具有重要支撑作用。

当前挑战

该数据集所解决的领域核心挑战在于，亚洲地区性别工资差距的跨国可比性长期受制于不同国家职业分类、调查方法与统计口径的异质性，导致跨国面板分析困难。数据构建过程中面临多重挑战：一是需从ILOSTAT原始API接口批量抽取多时期、多国别的观测值，并精确筛选至亚洲ISO3国家代码范围；二是各国数据频次以年度为主，而部分国家存在月度或季度序列，需统一频次并标记来源变更；三是同一国家同一时期可能存在多个数据源，需依据ILO优选规则确定“最佳来源”；四是职业分类、教育程度等分类变量的多层嵌套结构（如OCU_SKILL_TOTAL）增加了数据清洗与标准化难度，需保留详细注释列以保障可溯源性和数据质量。

常用场景

经典使用场景

该数据集汇聚了1980年至2025年间亚洲31个国家的职业性别工资差距数据，共计3404条观测记录，是研究劳动力市场中性别薪酬不平等的宝贵资源。其最常见的应用场景是作为面板数据，用于跨国家、跨时间维度的比较分析。研究者可通过时间序列分析追踪某一国家内性别工资差距的动态演变，亦可依托国家横截面数据对比不同经济发展阶段与制度环境下差距的异质性。该数据集内嵌的职业分类与来源标识字段，为深入探究特定职业群体中的性别薪酬鸿沟提供了精细化的分析视角。

实际应用

在实际应用层面，该数据集为政府决策与国际政策评估提供了坚实的数据基石。政策制定者可以利用这些指标监测各国缩小性别薪酬差距的进展，评估最低工资制度、反歧视法案或育儿支持政策等干预措施的实际成效。非政府组织与国际机构，如国际劳工组织自身，可依据此数据发布年度区域性性别平等报告，识别出薪酬差距异常的国家或职业，以精准配置资源并推动针对性改革。此外，企业人力资源部门与社会研究顾问将此数据集作为基准，用以检视组织内部的薪酬公平性，并为社会责任报告提供客观的行业参照。

衍生相关工作

该数据集衍生出了一系列具有代表性的学术与实践工作。在计量经济学领域，学者们基于此面板数据构建了固定效应模型与工具变量分析，专门探讨了经济全球化、女性劳动参与率与职业隔离对性别工资差距的因果效应。在数据科学领域，基于该数据集的时间序列特性，研究社区开发了用于预测未来薪资差距趋势的机器学习和统计模型，进一步丰富了大数据应用在社会科学中的范式。同时，电羊亚洲（Electric Sheep Asia）发布的这一标准化格式版本，被广泛集成于各类跨国劳动力市场综合分析流水线中，成为亚洲区域数据集构建的范本，启发了后续更多ILO数据的标准化与自动化采集工作。