electricsheepeurope/europe-ilo-ear-inee-noc-nb-statutory-nominal-gross-monthly-minimum-wage-local

该数据集名为欧洲法定名义月最低工资（以当地货币计）| ILOSTAT，包含845个观测值，涵盖36个欧洲国家从1995年到2025年的数据。核心指标是法定名义月最低工资（以当地货币计）（ILOSTAT代码：EAR_INEE_NOC_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家。数据集包含国家代码、国家名称、数据来源、指标代码、指标名称、年份、观测值等列，数据为年度频率，并经过ILO的标准化处理。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为机器学习研究提供欧洲劳动力市场的标准化数据。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - n<1K tags: - tabular - europe - ilostat - earnings - ilo - labour - employment pretty_name: "法定名义月度总最低工资（当地货币）| 欧洲（国际劳工组织统计数据库（ILOSTAT））" --- # 法定名义月度总最低工资（当地货币）| 欧洲（ILOSTAT） 🇪🇺 **845条观测数据** · **36个欧洲国家** · **1995–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## TL;DR 本数据集包含覆盖36个欧洲国家的845条薪酬类观测数据，时间跨度为1995至2025年，仅包含1个核心指标。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的官方中央统计数据库，也是全球领先的劳动力统计数据源。其收录的指标涵盖就业、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（Sustainable Development Goals，SDG）的体面工作目标等范畴，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，覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_INEE_NOC_NB) - **发布方：** 国际劳工组织（ILO） - **许可证：** [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题：** 薪酬 ## 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_INEE_NOC_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家编码对应的样本。ILOSTAT依据国际劳工统计学家会议（International Conference of Labour Statisticians，ICLS）的定义对原始调查微观数据进行标准化协调；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖36个欧洲国家，以下按数据行数排序展示部分国家样本： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ALB` | 31 | 1995 | 2025 | | `HUN` | 31 | 1995 | 2025 | | `LTU` | 31 | 1995 | 2025 | | `LUX` | 31 | 1995 | 2025 | | `PRT` | 31 | 1995 | 2025 | | `ROU` | 31 | 1995 | 2025 | | `POL` | 31 | 1995 | 2025 | | `RUS` | 30 | 1995 | 2024 | | `UKR` | 30 | 1996 | 2025 | | `BLR` | 30 | 1995 | 2024 | | `HRV` | 28 | 1998 | 2025 | | `BEL` | 27 | 1999 | 2025 | | `SVK` | 27 | 1999 | 2025 | | `BGR` | 27 | 1999 | 2025 | | `LVA` | 27 | 1999 | 2025 | | ... | _21个其他国家_ | | | ## 指标（示例） - `EAR_INEE_NOC_NB` — 法定名义月度总最低工资（当地货币） ## 字段说明 | 字段名 | 数据类型 | 字段描述 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源编码（如劳动力调查） | `FX:3278` | | `source.label` | `string` | 英文数据源名称 | `ADM - 劳动立法` | | `indicator` | `string` | ILOSTAT 指标编码 | `EAR_INEE_NOC_NB` | | `indicator.label` | `string` | 英文指标名称 | `Statutory nominal gross monthly minim…` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位随指标定义变化，请参阅指标说明） | `40000.0` | | `note_indicator` | `string` | 指标相关注释代码 | `I19:3444_T30:159` | | `note_indicator.label` | `string` | 指标相关注释说明 | `Type of minimum wage: Singular nation…` | | `note_source` | `string` | 数据源相关注释代码 | `R1:2383_S3:18` | | `note_source.label` | `string` | 数据源相关注释说明 | `Repository: Eurostat | Data reference…` | ## 数据质量与使用须知 - 本数据集为年度频率数据，部分指标同时发布月度或季度序列，但未纳入本数据集。 - 若同一国家×年度存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-inee-noc-nb-statutory-nominal-gross-monthly-minimum-wage-local") df = ds["train"].to_pandas() print(df.head()) ### 单国家数据筛选 python germany = df[df["ref_area"] == "DEU"] ### 单一指标的时间序列可视化 python sample = (df[df["indicator"] == "EAR_INEE_NOC_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_INEE_NOC_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_INEE_NOC_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ear_inee_noc_nb_statutory_nominal_gross_monthly_minimum_wage_local_2025, title = {Statutory nominal gross monthly minimum wage (local currency) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_INEE_NOC_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-inee-noc-nb-statutory-nominal-gross-monthly-minimum-wage-local}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。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 Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在构建一个统一的、可直接用于机器学习的欧洲地区数据层，托管于HuggingFace平台。我们从权威开源数据源拉取数据，对数据schema进行标准化，以Parquet格式打包，并发布统一格式的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据使用工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月28日通过Electric Sheep数据管道摄取。源地址：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_INEE_NOC_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核心统计数据库，通过REST API接口直接从官方数据平台拉取，筛选出欧洲36个国家的法定名义总月最低工资（本地货币）指标。数据采集后，经由Electric Sheep Europe团队进行标准化处理与重新打包，涵盖1995年至2025年的年度观测值，共计845条记录。构建过程中，ILOSTAT依据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协调统一，并在数据集中保留来源标识列以确保可追溯性。

特点

数据集聚焦于单一关键指标——法定名义总月最低工资，以本地货币为单位，覆盖36个欧洲国家，时间跨度长达31年。其特点在于数据来源权威、定义标准统一，且包含丰富的辅助信息，如国家代码、来源详情及指标注释，便于用户理解数据背景。此外，数据集采用年度频率，并在存在多个数据源时优先选用国际劳工组织认定的“最佳来源”，确保了数据质量与一致性，为跨国比较与时间序列分析提供了坚实支撑。

使用方法

用户可通过HuggingFace的datasets库便捷加载数据集，仅需一行代码即可将数据转换为Pandas DataFrame格式进行探索。针对特定国家的分析，支持按ref_area列筛选子集；对于时间序列研究，可依据indicator和time列进行排序与可视化。此外，数据集还支持透视操作，能轻松构建以年份为行、国家为列的矩阵，便于进行跨区域横向对比或趋势分析，极大地简化了从数据获取到分析的工作流程。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年创建，经Electric Sheep Europe团队重新封装后发布在HuggingFace平台，聚焦于欧洲地区法定名义月最低工资（本币计价）的历年观测值。作为ILOSTAT全球劳动力统计数据库的子集，该数据集整合了36个欧洲国家1995年至2025年间共计845条年度记录，为劳动经济学、收入分配及社会保障政策研究提供了标准化、可比较的时序数据。其核心研究问题在于揭示欧洲各国最低工资水平在长期内的演变趋势与跨国差异，并为机器学习模型提供结构化的面板数据支撑。该数据集凭借ILO在劳动力统计领域的权威性与数据协调能力，已成为欧洲劳动力市场分析的基础性资源，广泛应用于时间序列预测、跨国回归分析及政策评估等研究方向。

当前挑战

该数据集所解决的领域问题涵盖劳动力市场中的收入不平等量化与最低工资制度效果评估。数据构建过程中面临多重挑战：首先，各国最低工资定义存在差异，如是否包含社会保障缴款、是否按行业细分，ILO通过ICLS国际统计定义进行协调，但源数据中的注释字段仍保留异质性信息；其次，数据来源多样，包括劳动调查、行政记录与立法文件，不同来源的统计口径与质量参差不齐，需依赖ILO的'最佳来源'选择机制；再者，时间跨度长达30年，部分国家存在早期年份缺失或数据断点，且年度频率无法捕捉月份级别的政策变动，限制了高频分析的可能性；最后，数据以本地货币计价，跨国比较时需处理汇率波动与通胀影响，增加了模型预处理的复杂度。

常用场景

经典使用场景

该数据集收录了1995年至2025年间36个欧洲国家的法定名义月最低工资（本币）数据，共计845条观测记录，是劳动经济学与公共政策研究中不可或缺的时序面板数据。经典使用场景聚焦于跨国最低工资水平的纵向比较与动态演变分析，研究者可借助该数据集构建国家-年份二维矩阵，探究最低工资制度在各国间的异质性演化路径，或将其作为核心自变量纳入回归模型，考察最低工资政策对就业率、收入分配及劳动力市场结构的影响。数据集所涵盖的长期跨度与广泛地域覆盖面，为差分法、工具变量等因果识别策略提供了坚实的数据基础。

解决学术问题

在学术研究中，该数据集有效回应了关于最低工资制度经济效应的长期争议。它使研究者能够系统性地检验最低工资调整对就业弹性的冲击、对低收入群体收入水平的提升作用，以及其与通货膨胀、劳动生产率之间的互动机制。此外，数据集填补了跨国面板数据在标准化与可获得性上的空白，支撑了关于最低工资收敛性、制度扩散与劳动力市场制度比较的实证研究。其深远意义在于，为国际劳工组织及各国政策制定者提供了基于证据的决策依据，推动了体面劳动议程与可持续经济发展目标的理论构建与实践评估。

衍生相关工作

该数据集衍生出多项具有深远影响的经典工作。在方法论层面，研究者将其与劳动力调查微观数据融合，构建准自然实验框架，量化最低工资对就业、工时及企业利润的局部均衡效应。在应用层面，衍生研究探索了最低工资与技术进步、全球价值链参与之间的交互作用，揭示了制度变迁如何重塑欧洲劳动力市场的分层结构。此外，基于该数据集的时间序列特征，学者们开发了预测模型，用于预警工资差距扩大与劳动力市场失衡风险。这些工作不仅深化了对最低工资政策传导机制的理解，也推动了因果推断与机器学习在劳动经济学中的交叉应用。