electricsheepeurope/europe-ilo-ear-emtm-sex-ocu-nb-median-monthly-earnings-of-employees-by-sex-and-oc

该数据集包含欧洲33个国家从1991年至2025年的31,339个观测值，聚焦于“按性别和职业划分的员工月收入中位数（本地货币）”这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Europe重新打包，以表格形式提供，适用于表格分类、回归和时间序列预测等任务。数据集涵盖了国家代码、性别（总计、男性、女性）、职业分类、年份、观测值等字段，并包含数据质量标志（如不可靠状态）。它旨在支持劳动经济学、收入不平等和性别薪酬差距等研究，提供机器学习和分析所需的标准化数据。许可证：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 多语言类型：单语言 样本量范围：10000 < n < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 薪酬（Earnings） - ILO（国际劳工组织） - 劳工 - 就业 数据集友好名称："按性别与职业划分的雇员月收入中位数（本位币）| 欧洲（ILOSTAT）" # 按性别与职业划分的雇员月收入中位数（本位币）| 欧洲（ILOSTAT） 🇪🇺 **31,339 条观测值** · **33 个欧洲国家** · **1991–2025 年** · *由 [Electric Sheep Europe](https://huggingface.co/electricsheepeurope) 重新整理*      ## 摘要（TL;DR） 本数据集包含覆盖33个欧洲国家的**薪酬（Earnings）**数据，共**31,339条观测值**，时间跨度为**1991–2025年**，仅包含**1项明确指标**。 ## 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）的核心统计数据库，也是全球领先的劳工统计数据来源。该数据库整合了就业、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（SDGs）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查与行政记录。其覆盖范围超过200个经济体，由国际劳工组织统计司负责数据标准化工作。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTM_SEX_OCU_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：薪酬（Earnings） ## 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_EMTM_SEX_OCU_NB`获取数据，并筛选出ISO3国家代码属于欧洲的样本。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；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 33个欧洲国家 · 以下按观测值数量排序展示部分国家的统计情况： | 国家代码 | 观测值数量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 1,743 | 1991 | 2025 | | `PRT` | 1,347 | 1998 | 2025 | | `FRA` | 1,065 | 2004 | 2024 | | `NOR` | 1,053 | 2004 | 2024 | | `SWE` | 1,049 | 2004 | 2024 | | `DNK` | 1,042 | 2004 | 2024 | | `AUT` | 1,039 | 2004 | 2024 | | `EST` | 1,017 | 2004 | 2024 | | `NLD` | 1,014 | 2005 | 2024 | | `SVN` | 1,014 | 2005 | 2024 | | `HUN` | 997 | 2005 | 2024 | | `POL` | 994 | 2005 | 2024 | | `GBR` | 984 | 2005 | 2025 | | `BEL` | 983 | 2004 | 2024 | | `IRL` | 981 | 2004 | 2024 | | ... | 另有18个国家 | | | ## 指标示例 - `EAR_EMTM_SEX_OCU_NB` — 按性别与职业划分的雇员月收入中位数（本位币） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AUT` | | `ref_area.label` | `string` | 英文国家名称 | `奥地利` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BB:275` | | `source.label` | `string` | 英文数据源名称 | `HIES - 欧盟收入与负债统计调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_EMTM_SEX_OCU_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别与职业划分的雇员月收入中位数……` | | `sex` | `string` | 按性别细分（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | — | `职业（技能水平）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位随指标定义变化） | `4366.127` | | `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` | — | `T30:161` | | `note_indicator.label` | `string` | — | `货币：奥地利 - 欧元（EUR）` | | `note_source` | `string` | — | `R1:3513_T2:85` | | `note_source.label` | `string` | — | `存储库：ILO-STATISTICS - 微观数据……` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 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才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-emtm-sex-ocu-nb-median-monthly-earnings-of-employees-by-sex-and-oc") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列分析 python sample = (df[df["indicator"] == "EAR_EMTM_SEX_OCU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EMTM_SEX_OCU_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EMTM_SEX_OCU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ear_emtm_sex_ocu_nb_median_monthly_earnings_of_employees_by_sex_and_oc_2025, title = {Median monthly earnings of employees by sex and occupation (local currency) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTM_SEX_OCU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-emtm-sex-ocu-nb-median-monthly-earnings-of-employees-by-sex-and-oc}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。原始数据版权归国际劳工组织（International Labour Organization, ILO）所有。使用本数据集时，请同时引用上述原始数据源与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：该项目旨在在HuggingFace平台上构建一套统一的、适用于机器学习的欧洲数据层。我们从权威开放数据源获取数据，对数据 schema 进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，以便研究人员与开发者仅需使用`load_dataset()`即可在数秒内启动工作。浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-28 通过Electric Sheep数据管道摄入。源数据URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTM_SEX_OCU_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）的ILOSTAT数据库，通过REST API直接获取指标代码为EAR_EMTM_SEX_OCU_NB的原始数据，并依据欧洲ISO3国家代码进行地理范围筛选。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对调查微观数据进行协调统一，数据来源包括劳动力调查、家庭收入调查及行政记录等，并在source.label列中标注来源以保持可追溯性。最终由Electric Sheep Europe团队进行重新封装，形成统一的Parquet格式数据集，便于机器学习直接加载。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载该数据集，并转换为Pandas DataFrame进行后续分析。典型操作包括按国家代码过滤特定国家的数据子集、针对单个指标按时间排序以绘制时间序列图，或通过透视表构建国家×年份的矩阵以进行跨区域比较。数据集中包含完整的地理区域、性别、职业分类等离散化维度，便于用户开展面板数据分析或构建回归模型。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过ILOSTAT数据库整理发布，并由Electric Sheep Europe团队重新封装于HuggingFace平台，旨在提供1991年至2025年间33个欧洲国家按性别与职业划分的雇员月收入中位数（以当地货币计）。ILOSTAT作为全球劳动统计的核心数据源，整合了来自各国劳动力调查、家庭收入调查及行政记录的海量微观数据，并遵循国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集聚焦于收入不平等与劳动力市场结构性差异这一核心研究问题，为经济学家、政策制定者及社会科学家探究性别工资差距、职业分层及区域经济演变提供了跨越三十余年时序的珍贵素材。其精细的分组维度（性别、技能等级）使得交叉分析成为可能，对于评估欧盟就业战略、监测可持续发展目标（SDG）中体面工作指标具有重要实证价值。

当前挑战

数据集所应对的领域挑战在于，劳动力收入数据在跨国比较中面临定义差异、货币单位不一及调查方法多样化的困境，导致传统工资统计难以精准刻画欧洲内部性别与职业间的真实收入差距。例如，各国对‘中位数’计算、职业分类体系（如技能等级）及数据收集频率的差异，可能引发观测值的可比性危机。构建过程中，ILO需从超过200个经济体的复杂源头中筛选出‘最佳来源’，并处理多源数据在同样本上的冲突，同时标记统计可靠性（如‘不可靠’标志）。此外，数据仅提供年度频率，缺失部分国家早期年份的季月细粒度信息，且分类变量（如性别、职业）仅在部分指标中非空，这限制了深度时间序列分析与高维交叉建模的能力。

常用场景

经典使用场景

该数据集收录了1991年至2025年间33个欧洲国家按性别和职业划分的员工月收入中位数，共计31,339条观测记录。其最经典的用途在于构建面板数据模型，以揭示欧洲劳动力市场中性别收入差距的时空演变规律。研究者可借助性別与职业双重分类维度，追踪不同技能层级劳动者的收入动态，评估各国劳动政策对收入分配的实际影响。数据的时间跨度覆盖了欧盟东扩、欧元区危机及新冠疫情等重大社会变革时期，为开展准自然实验研究提供了珍贵的纵向数据基础。

解决学术问题

该数据集有力缓解了欧洲跨国收入比较研究中长期存在的标准化数据缺失难题。它解决了三个核心学术问题：其一，提供了统一口径的按性别和职业分类的收入中位数，使跨国产出可比性大幅提升；其二，通过细颗粒度的职业分类（OCU_SKILL_TOTAL），弥补了以往仅以平均工资为代表的研究对职业结构差异的忽视；其三，来自ILOSTAT的权威方法论保证了数据质量与溯源可查性。这些特性使研究者得以精准识别性别收入差距中不可解释部分的结构性成因，推动劳动经济学中歧视理论、人力资本理论与制度比较研究的实证检验。

实际应用

在实际应用层面，该数据集为欧盟及各国政策制定者提供了监测体面劳动目标（SDG 8）进展的核心量化工具。欧洲统计局（Eurostat）与国际劳工组织可利用这些数据编制年度性别收入差距报告，各国劳动部门可据此评估最低工资调整或集体谈判政策的实施效果。对于跨国企业而言，该数据有助于建立市场化的薪酬基准体系，在招聘与晋升中贯彻同工同酬原则。此外，非政府组织能够通过分析收入中位数的长期轨迹，更有效地向公众传达欧洲劳动力市场的结构性不平等现状，推动社会对话与公共议程设置。

数据集最近研究

最新研究方向

当前，利用国际劳工组织（ILO）的权威统计数据，聚焦于欧洲地区性别与职业维度下员工收入中位数的长周期、跨国比较分析，已成为劳动经济学与数据科学交叉领域的前沿热点。该数据集整合了1991至2025年间33个欧洲国家的逾3.1万条观测记录，为探究职业性别收入差距的演变轨迹、各国薪酬政策效能评估以及劳动力市场结构变迁提供了精细化的时空数据基础。借助其规范的分类维度（性别、职业技能等级），研究者得以突破传统宏观均值分析的局限，开展分群体、分行业的差异化实证研究。在欧盟推动同工同酬透明度指令及多项劳动力市场改革的热点背景下，此类高分辨率面板数据为量化政策冲击、揭示隐性歧视模式以及验证经济周期对收入分配的非对称影响提供了关键实证支撑，其意义在于促进数据驱动的社会公平决策与透明化治理。