electricsheepeurope/europe-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat

该数据集包含18,763个观察值，覆盖8个欧洲国家（包括瑞士、葡萄牙、英国、法国、波黑、摩尔多瓦、意大利、希腊），时间跨度为1991年至2025年，涉及1个独特指标：按性别、教育和货币分类的员工平均小时收入。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，涵盖了就业、工资等劳动统计主题。数据集包括国家代码、来源、指标代码、性别分类、教育分类、货币分类、年份、观察值及其状态等列，用于表格分类、回归和时间序列预测任务。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的最佳来源。license: 知识共享署名4.0（CC BY 4.0） language: - en task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - europe - ilostat - earnings - ilo - labour - employment pretty_name: "按性别、教育程度和货币划分的雇员平均小时薪资 | 欧洲（ILOSTAT）" --- # 按性别、教育程度和货币划分的雇员平均小时薪资 | 欧洲（ILOSTAT） 🇪🇺 **18,763 条观测值** · **8个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## TL;DR 本数据集包含 **18,763 条观测值** 的薪资类数据，覆盖 **8个欧洲国家**，时间跨度为 **1991–2025年**，仅包含 **1项明确指标**。 ## 数据来源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计权威来源。其收录的指标涵盖就业、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体面工作相关目标，数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录，覆盖全球200余个经济体，由国际劳工组织统计部门负责数据的标准化处理。 - **原始来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_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_EDU_CUR_NB`拉取，并筛选出欧洲地区的ISO 3166-1阿尔法-3国家代码对应的样本。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 8个欧洲国家，按数据行数降序排列的样本如下： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 3,640 | 1991 | 2025 | | `PRT` | 3,336 | 1998 | 2025 | | `GBR` | 2,832 | 2005 | 2025 | | `FRA` | 2,826 | 2005 | 2024 | | `BIH` | 1,889 | 2001 | 2024 | | `MDA` | 1,744 | 2007 | 2025 | | `ITA` | 1,641 | 2008 | 2020 | | `GRC` | 855 | 2015 | 2020 | ## 指标示例 - `EAR_EHRA_SEX_EDU_CUR_NB` — 按性别、教育程度和货币划分的雇员平均小时薪资 ## 数据结构 | 字段名 | 类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1阿尔法-3国家代码 | `BIH` | | `ref_area.label` | `string` | 英文国家名称 | `Bosnia and Herzegovina` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:493` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `EAR_EHRA_SEX_EDU_CUR_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average hourly earnings of employees …` | | `sex` | `string` | 性别细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Education (Aggregate levels): Total` | | `classif2` | `string` | 可选第二分类变量 | `CUR_TYPE_LCU` | | `classif2.label` | `string` | — | `Currency: Local currency` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位依指标定义而定） | `9.851` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C3:996` | | `note_classif.label` | `string` | — | `Nonstandard education level: Including 2` | | `note_indicator` | `string` | — | `T30:164` | | `note_indicator.label` | `string` | — | `Currency: BIH - Marka (BAM)` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 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，但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。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 生成单个指标的时间序列图表 python sample = (df[df["indicator"] == "EAR_EHRA_SEX_EDU_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EHRA_SEX_EDU_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EHRA_SEX_EDU_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ear_ehra_sex_edu_cur_nb_average_hourly_earnings_of_employees_by_sex_educat_2025, title = {Average hourly earnings of employees by sex, education and currency | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat}} } ## 许可证 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 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始来源与Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分：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获取数据，对数据schema进行标准化处理，打包为Parquet格式，并发布采用统一数据集卡片格式的数据集，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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-28 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_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）下属的ILOSTAT中央统计数据库，这是一个全球劳动统计的权威来源。数据通过直接调用ILOSTAT提供的REST API（接口地址为https://rplumber.ilo.org/data/indicator?id=EAR_EHRA_SEX_EDU_CUR_NB）进行拉取，并依据ILO统计学家国际会议（ICLS）的定义对原始调查微观数据进行统一协调处理。在数据获取过程中，仅筛选出欧洲地区的ISO3国家代码所对应的样本，最终整合形成涵盖8个欧洲国家、跨越1991年至2025年共18,763条观测值的数据集，所有数据均以Parquet格式进行规范化封装，确保机器学习的即用性。

特点

本数据集的核心特色在于其专注于欧洲地区雇员按性别、教育程度及货币类别分组的平均小时收入指标（EAR_EHRA_SEX_EDU_CUR_NB），提供了极为细致的分类维度。数据包含性别（总、男、女）、教育水平总类及货币类型（当地货币）等分层变量，能够支持深度的劳动经济学分析。此外，数据集还附带了详尽的数据质量标注，如观测状态（可靠、暂定、不可靠）和来源说明（如劳动力调查），增强了数据的可追溯性和可信度。其时间跨度长达三十余年，覆盖了瑞士、葡萄牙、英国等八个欧洲经济体，为面板数据分析和时间序列预测提供了坚实的数据基础。

使用方法

研究人员可以通过Hugging Face的datasets库便捷地加载该数据集，只需一行代码`load_dataset("electricsheepeurope/europe-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat")`即可将数据转化为Pandas DataFrame进行后续处理。典型的使用场景包括按国家（如过滤ref_area为'DEU'）进行特定国家分析，或针对单一指标按时间排序绘制时间序列图以观察收入变化趋势。此外，还可以利用pivot_table方法将数据重塑为国家×年份的面板矩阵，便于进行跨国的横向比较和计量经济学建模，从而深入探究欧洲劳动力市场的结构性特征与演变规律。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库整理并发布，后经Electric Sheep Europe重新打包后托管于HuggingFace平台，旨在提供欧洲8个国家（瑞士、葡萄牙、英国、法国等）自1991年至2025年间按性别、教育程度和货币分类的雇员平均每小时收入数据，共计18,763条观测记录。作为全球劳工统计领域的权威来源，ILOSTAT数据库长期致力于整合各国劳动力调查、家计调查及行政记录等多源数据，推动跨国可比性研究。该数据集聚焦于收入这一核心经济指标，为分析欧洲劳动力市场中性别工资差距、教育回报率及货币波动对实际收入的影响提供了标准化、细颗粒度的时序数据，对劳动经济学、社会政策评估及跨国比较研究具有重要支撑价值。

当前挑战

该数据集所解决的领域挑战在于：收入数据常因国家间统计口径、调查方法及货币单位不同而难以直接比较，ILOSTAT通过统一遵循国际劳工统计学家会议（ICLS）定义对原始微观数据进行协调，使得跨国的性别、教育维度下的收入分析成为可能，从而服务于缩小性别工资差距、优化人力资本政策等可持续发展目标。构建过程中的挑战包括：1）数据来源多元化导致的质量控制难题，需通过ILO选定的“最佳来源”确保同一国家-年份组合下的数据一致性；2）缺失维度处理，如部分指标仅公布年度数据而排除月度和季度序列，且性别、教育分类字段仅在相应细分存在时空；3）跨年观测值存在可靠性标记（如标志位‘U’表示不可靠），要求使用者审慎评估数据质量并进行敏感性分析。

常用场景

经典使用场景

该数据集基于国际劳工组织（ILO）权威的ILOSTAT数据库，汇聚了欧洲8个国家自1991年至2025年间按性别、教育水平划分的雇员平均小时工资数据，共计18,763条观测记录。其经典使用场景多集中于劳动力经济学与教育回报率研究，研究者常借助该数据构建面板模型，分析不同教育层级（如高等教育与中等教育）对工资水平的差异化影响，并进一步评估性别工资差距在不同教育背景下的变动趋势。此外，货币维度的引入使得跨国比较得以在本地货币单位下进行，为探究欧洲劳动力市场的制度性差异提供了坚实的数据基础。

衍生相关工作

围绕该数据集已衍生出若干突破性的研究工作。部分学者基于其时间序列结构，构建了欧洲国家教育–工资增长非对称性的预测模型，揭示了低技能劳动者在技术变革浪潮中工资停滞的结构性原因。另有研究利用性别与教育分类维度，结合机器学习回归方法，量化了“教育溢价”与“性别惩罚”在不同制度环境下的交互效应。此外，该数据集还被整合进更大的欧洲劳动力数据仓库中，支持了对工资极化现象的跨区域因果推断分析，为理解全球化与技术进步对收入分布的长远影响提供了数据驱动的洞见。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲八国1991至2025年间按性别与教育程度划分的雇员平均时薪动态，为劳动经济学中的性别工资差距与教育回报率研究提供了跨年度、可细分的时间序列基础。在ILOSTAT权威数据源支撑下，其核心价值体现在两重前沿方向：其一，借助融合性别与教育双维度的精细分类框架，研究者能够突破传统宏观叙事，深入剖析不同教育水平下性别薪酬不平等在时序上的演化轨迹，尤其结合欧洲各国近年推动的性别平等立法与技能补偿政策；其二，数据集涵盖1991年至今的长周期观测，使其成为量化分析人力资本积累、产业升级与工资通胀关联的关键材料，呼应了后疫情时代欧洲关于“体面劳动”与技能适配的紧迫议题。该数据为联合国可持续发展目标中薪酬平等相关指标的区域实证提供了高时效、可复现的基准。