electricsheepeurope/europe-ilo-lac-xees-eco-cur-nb-average-hourly-labour-cost-per-employee-by-economi

该数据集包含30,662个观测值，涉及34个欧洲国家的劳动力成本数据，时间跨度为1995年至2025年，涵盖1个不同的指标。具体来说，它提供了按经济活动和货币分类的每小时平均劳动力成本数据（已停用），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和过滤，专注于欧洲地区。数据集包括国家代码、来源、指标、分类变量、时间、观测值等列，适用于表格分类、回归和时间序列预测等任务。license: 知识共享署名4.0（CC BY 4.0） language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语种 size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据 - 欧洲 - ILOSTAT - 劳动力成本 - 国际劳工组织（ILO） - 劳动力 - 就业 pretty_name: "按经济活动和货币划分的雇员平均小时劳动力成本 - 已停用 | 欧洲（ILOSTAT）" --- # 按经济活动和货币划分的雇员平均小时劳动力成本 - 已停用 | 欧洲（ILOSTAT） 🇪🇺 **30,662 条观测** · **34 个欧洲国家** · **1995–2025** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## 简短摘要（TL;DR） 本数据集包含覆盖**34个欧洲国家**、时间跨度为**1995–2025年**的**30,662条劳动力成本**相关观测数据，涵盖**1项独立指标**。 ## 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）的核心统计数据库，也是全球领先的劳动力统计权威来源。其汇编了就业、失业、工资、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体面工作目标等领域的指标，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LAC_XEES_ECO_CUR_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[知识共享署名4.0（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：劳动力成本 ## 数据处理方法 数据直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=LAC_XEES_ECO_CUR_NB` 获取，并筛选出欧洲地区的ISO 3166-1阿尔法-3国家代码对应的数据集。ILOSTAT采用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处理；数据来源信息会在`source.label`字段中标记以保证可追溯性。 ## 地理覆盖范围 34个欧洲国家 · 以下按观测数量排序的前10条国家示例： | 国家 | 观测条数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `NLD` | 1,843 | 1995 | 2025 | | `LVA` | 1,293 | 1997 | 2025 | | `BGR` | 1,282 | 1998 | 2025 | | `SVN` | 1,281 | 1995 | 2025 | | `CZE` | 1,264 | 1995 | 2025 | | `DEU` | 1,246 | 1996 | 2025 | | `AUT` | 1,190 | 1996 | 2025 | | `ESP` | 1,180 | 1996 | 2025 | | `EST` | 1,156 | 1996 | 2025 | | `PRT` | 1,141 | 1996 | 2025 | | `ROU` | 1,139 | 2000 | 2025 | | `HUN` | 1,115 | 1996 | 2025 | | `FIN` | 1,112 | 1996 | 2025 | | `LUX` | 1,061 | 1996 | 2025 | | `SVK` | 1,039 | 1996 | 2025 | | ... | 另有19个国家 | | | ## 指标示例 - `LAC_XEES_ECO_CUR_NB` — 按经济活动和货币划分的雇员平均小时劳动力成本（已停用） ## 数据结构（Schema） | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1阿尔法-3国家代码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `DA:16227` | | `source.label` | `string` | 英文数据源名称 | `ES - 劳动力成本调查` | | `indicator` | `string` | ILOSTAT指标代码 | `LAC_XEES_ECO_CUR_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average hourly labour cost per employ…` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `ECO_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `经济活动（汇总）：总计` | | `classif2` | `string` | 可选第二分类变量 | `CUR_TYPE_LCU` | | `classif2.label` | `string` | — | `货币：本地货币` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参阅指标定义） | `391.0` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `note_indicator` | `string` | — | `T8:252_T12:1516_T30:159` | | `note_indicator.label` | `string` | — | `Central tendency measure: Weighted me…` | | `note_source` | `string` | — | `S8:61` | | `note_source.label` | `string` | — | `经济活动覆盖范围：排除…` | ## 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」。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-lac-xees-eco-cur-nb-average-hourly-labour-cost-per-employee-by-economi") df = ds["train"].to_pandas() print(df.head()) ### 单一国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列分析 python sample = (df[df["indicator"] == "LAC_XEES_ECO_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LAC_XEES_ECO_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "LAC_XEES_ECO_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_lac_xees_eco_cur_nb_average_hourly_labour_cost_per_employee_by_economi_2025, title = {Average hourly labour cost per employee by economic activity and currency - Discontinued | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LAC_XEES_ECO_CUR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-lac-xees-eco-cur-nb-average-hourly-labour-cost-per-employee-by-economi}} } ## 许可协议 本数据集采用[知识共享署名4.0（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的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的一部分：旨在打造HuggingFace上统一的、适配机器学习的欧洲数据层。我们从权威开源数据源获取数据，对数据结构（Schema）进行标准化处理，封装为Parquet格式，并发布为统一格式的数据集卡片，以便研究人员与开发者通过`load_dataset()`函数在数秒内即可开始使用。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流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=LAC_XEES_ECO_CUR_NB_

搜集汇总

数据集介绍

构建方式

该数据集通过调用ILOSTAT官方REST API获取原始指标数据，并基于欧洲ISO3国别代码进行地域过滤。ILOSTAT本身整合了各国劳动力调查、家庭收入调查、企业调查及行政记录等多源微观数据，并依据国际劳动统计学家会议（ICLS）定义进行标准化处理。最终数据集包含30,662条观测记录，覆盖1995至2025年间34个欧洲国家的平均小时劳动力成本指标，数据来源信息被标注在`source.label`字段中以确保可追溯性。

特点

数据集聚焦于单一核心指标——按经济活动与货币分类的雇员平均小时劳动力成本（已停用），但提供了丰富的分类维度，包括经济活动大类、货币类型等`classif1`和`classif2`字段。数据以年频呈现，每个国家-年份组合可能对应多个来源，但ILO已优选最佳来源。观测值附带状态标记（如临时、不可靠），并保留详细注释字段如集中趋势度量、经济活动覆盖范围等，便于用户评估数据质量。

使用方法

用户可通过HuggingFace的`datasets`库直接加载数据集：`load_dataset("electricsheepeurope/europe-ilo-lac-xees-eco-cur-nb-average-hourly-labour-cost-per-employee-by-economi")`，并转换为Pandas DataFrame进行后续分析。典型操作包括按国别代码筛选特定国家的数据、将同一指标按时序排序后绘图，或通过透视表构建国家×年份的矩阵视图。数据集以Parquet格式存储，兼容常见数据处理与时间序列建模工作流。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）的统计数据库ILOSTAT于2025年发布，经Electric Sheep Europe重新整理后呈现在HuggingFace平台。其核心研究问题聚焦于欧洲34个经济体在1995至2025年间按经济活动与货币计算的雇员平均时薪劳动成本变动趋势。作为全球劳动统计领域的权威数据源，ILOSTAT通过整合各国劳动力调查、行政记录等多源异构数据，为跨国比较与政策评估提供了坚实的实证基础。这一数据集对劳动经济学、国际发展研究及欧盟劳动力政策分析具有重要影响力，尤其适用于追踪薪资结构演变、衡量区域经济一体化程度及评估劳动力市场制度差异。

当前挑战

该数据集所应对的领域挑战主要源于跨国劳动成本统计的复杂性：不同国家在劳动力调查设计、行业分类标准（如NACE）及货币换算方式上存在显著差异，导致跨时空数据的可比性受损。此外，该数据集指标已标记为‘已停止更新’，暗示数据持续性面临中断风险，可能影响长期序列分析的完整性。在构建过程中，ILOSTAT需解决数据对齐难题，例如调和各国因调查方法（如企业记录与家庭汇报）差异引发的系统性偏差，并通过标记‘最佳来源’与‘不可靠’状态来处理多重数据冲突。整合34国非平衡面板数据时，如何统一时间频率（年度为主）并兼容部分国家存在的月度或季度结构，也是一项重要的技术挑战。

常用场景

经典使用场景

该数据集收录了1995年至2025年间34个欧洲国家平均每小时劳动成本的年度观测数据，总计超过3万条记录，是研究欧洲劳动力市场动态的珍贵资源。其经典使用场景集中在跨国家、跨时间序列的劳动成本对比分析，研究人员可借此揭示不同经济体在产业结构、工资政策及通胀环境下的劳动力成本演变规律。通过结合经济活动的分类变量，该数据集支持细粒度地解析制造业、服务业等行业的劳动成本差异，为宏观经济学中的国际竞争力评估提供了坚实的数据基石。

衍生相关工作

基于该数据集，衍生出了一系列聚焦于欧洲劳动成本收敛性的实证研究。经典工作包括运用面板单位根检验探讨欧盟东扩后新老成员国劳动成本是否趋向均等，以及利用时间序列分解方法分离劳动成本中的周期成分与趋势成分。另有一些工作将其与生产力数据结合，构建了劳动成本单位值的面板模型，评估汇率波动对出口竞争力的传导效应。该数据集还催生了关于劳动成本与自动化投资关系的机器学习预测研究，拓展了劳动经济学与计算社会科学的融合边界。

数据集最近研究

最新研究方向

当前，该数据集在欧洲劳动力成本研究中扮演着关键角色，尤其聚焦于跨经济体、跨行业的薪资水平动态比较等前沿方向。其覆盖1995至2025年34个欧洲国家的长时间序列数据，为探究全球劳动市场演变、量化地缘经济冲击对人力成本的影响提供了珍贵素材。结合国际劳工组织（ILO）的权威统计框架，该数据已成为分析欧洲各国产业结构变迁、评估最低工资政策效应以及追踪通货膨胀对实际工资侵蚀程度的基石。近期，随着欧洲绿色转型与数字经济的加速推进，研究者正借助这套数据，深入剖析新兴行业与传统制造业之间的劳动力成本分化现象，并构建预测模型以研判后疫情时代欧洲就业市场的复苏路径与区域经济韧性。这些实证分析不仅服务于学术探索，更直接为欧盟层面的劳动力流动政策、社会对话机制及公平转型战略提供了不可或缺的数据支撑。