electricsheepeurope/europe-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab

该数据集包含欧洲32个国家从2004年至2025年的员工平均月收入数据，共有15,857个观测值，涵盖一个独特指标（EAR_EMTA_SEX_DSB_CUR_NB）。数据按性别（总计、男性、女性）、残疾状况和货币类型进行细分，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。数据集包括国家代码、年份、观测值、数据来源、指标标签、分类变量和注释列等，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，经过ILO的标准化处理，并包含数据质量标志（如不可靠数据）。license: 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 样本规模：10K<n<100K 标签： - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 薪酬 - ILO（国际劳工组织） - 劳动 - 就业 友好名称："按性别、残疾状况与货币划分的欧洲雇员月均薪酬（ILOSTAT）" # 按性别、残疾状况与货币划分的欧洲雇员月均薪酬（ILOSTAT） 🇪🇺 **15,857条观测样本** · **32个欧洲国家** · **2004–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖32个欧洲国家、时间跨度为2004至2025年的**15,857条薪酬类观测样本**，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，是全球领先的劳动统计权威来源。其收录涵盖就业、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（SDG）体面工作目标等各类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查与行政记录，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统一标准化处理。 - **数据来源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_DSB_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_EMTA_SEX_DSB_CUR_NB`拉取原始数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码数据集。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，数据来源将在`source.label`字段中标记以保证可追溯性。 ## 地理覆盖范围 32个欧洲国家 · 以下展示前若干行数据，按样本量排序： | 国家代码 | 样本条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `AUT` | 567 | 2004 | 2024 | | `BEL` | 567 | 2004 | 2024 | | `FIN` | 567 | 2004 | 2024 | | `EST` | 567 | 2004 | 2024 | | `IRL` | 567 | 2004 | 2024 | | `FRA` | 567 | 2004 | 2024 | | `NOR` | 567 | 2004 | 2024 | | `LUX` | 567 | 2004 | 2024 | | `SWE` | 567 | 2004 | 2024 | | `NLD` | 540 | 2005 | 2024 | | `SVK` | 540 | 2005 | 2024 | | `SVN` | 540 | 2005 | 2024 | | `CZE` | 540 | 2005 | 2024 | | `HUN` | 540 | 2005 | 2024 | | `DNK` | 531 | 2004 | 2024 | | … | 另有17个国家 | | | ## 指标（示例） - `EAR_EMTA_SEX_DSB_CUR_NB` — 按性别、残疾状况与货币划分的雇员月均薪酬 ## 数据字段结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `字符串` | ISO 3166-1 alpha-3 国家代码 | `AUT` | | `ref_area.label` | `字符串` | 英文国家名称 | `奥地利` | | `source` | `字符串` | ILOSTAT 来源代码（如劳动力调查） | `BB:275` | | `source.label` | `字符串` | 英文来源名称 | `HIES - 欧盟收入与负债统计……` | | `indicator` | `字符串` | ILOSTAT 指标代码 | `EAR_EMTA_SEX_DSB_CUR_NB` | | `indicator.label` | `字符串` | 英文指标名称 | `雇员月均薪酬……` | | `sex` | `字符串` | 性别细分维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `字符串` | 维度对应名称 | `总计` | | `classif1` | `字符串` | 一级分类变量（如年龄、教育程度、身份等） | `DSB_STATUS_TOTAL` | | `classif1.label` | `字符串` | 一级分类变量对应名称 | `残疾状况：总计` | | `classif2` | `字符串` | 二级分类变量（如适用） | `CUR_TYPE_LCU` | | `classif2.label` | `字符串` | 二级分类变量对应名称 | `货币：本地货币` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位随指标定义变化） | `4922.564` | | `obs_status` | `字符串` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `字符串` | 观测状态对应名称 | `不可靠` | | `note_classif` | `字符串` | 分类注释 | `C14:6260` | | `note_classif.label` | `字符串` | 分类注释说明 | `残疾定义非标准：……` | | `note_indicator` | `字符串` | 指标注释 | `T30:161` | | `note_indicator.label` | `字符串` | 指标注释说明 | `货币：AUT - 欧元（EUR）` | | `note_source` | `字符串` | 来源注释 | `R1:3513_T2:85` | | `note_source.label` | `字符串` | 来源注释说明 | `存储库：ILO统计司 - 微观数据……` | ## 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。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应细分维度时，`sex`、`classif1`、`classif2`等细分字段才会有非空值。 ## 使用指南 以下为使用示例： python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EAR_EMTA_SEX_DSB_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EMTA_SEX_DSB_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EMTA_SEX_DSB_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用规范 bibtex @misc{europe_ilo_ear_emta_sex_dsb_cur_nb_average_monthly_earnings_of_employees_by_sex_disab_2025, title = {Average monthly earnings of employees by sex, disability status and currency | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_DSB_CUR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab}} } ## 许可证 本数据集基于[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（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项目的欧洲分支：该项目旨在在HuggingFace平台上构建统一的、可供机器学习直接使用的欧洲数据层。我们从权威开源数据源拉取数据，标准化数据结构，打包为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 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URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_DSB_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）的ILOSTAT核心统计数据库，通过其REST API提取原始指标`EAR_EMTA_SEX_DSB_CUR_NB`，并依据ISO 3166-1 alpha-3编码过滤至32个欧洲国家。数据经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调与质量标记，涵盖2004年至2025年间共15,857条观测记录，每条记录均包含来源、分类及观测状态等元数据，确保数据的可追溯性与标准化。

特点

数据集聚焦于欧洲雇员按性别、残疾状况及货币分类的月均收入指标，粒度跨越二十年，覆盖32个国家。其核心特点在于多维分类体系，包括性别（总、男、女）与两种分类变量（如残疾状态、货币类型），并标记数据质量（如可靠性）。此外，数据集以年度频率呈现，适用时间序列分析，且经由Electric Sheep Europe重新封装为Parquet格式，便于机器学习流水线直接调用。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数一键加载数据，并转换为Pandas DataFrame进行分析。典型用法包括按国家代码过滤（如德国`DEU`）、按指标筛选后绘制时间序列趋势图，或通过透视表构建国家×年份的矩阵以比较跨国差异。数据已预置为训练集格式，支持分类、回归及时序预测任务，便于科研与政策分析场景下的高效复用。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理并经由Electric Sheep Europe在HuggingFace平台重新封装发布，聚焦于欧洲32个国家2004至2025年间按性别、残疾状况及货币类型划分的雇员平均月收入。作为ILOSTAT数据库的核心指标之一，该数据集旨在为劳动经济学、社会保障政策及包容性增长研究提供高颗粒度的时序数据支撑。其价值在于填补了欧洲范围内残疾与非残疾劳动者薪酬差距的系统性数据空白，推动了劳动力市场不平等议题的可量化分析，尤其为欧盟“残疾战略”及联合国可持续发展目标（SDG 8.5）的监测提供了基准参考。通过整合各国劳动调查与行政记录，该数据集促进了跨国家、跨时期的比较研究，对政策制定者与学术机构具有重要影响力。

当前挑战

该数据集面临的核心挑战包括：首先，劳动市场中残疾员工的薪酬数据常因样本量不足或隐私限制而稀疏，导致按残疾状况分组的薪酬估计存在偏差或缺失，尤其在小型经济体或低发病率群体中更为显著。其次，各国对“残疾”的定义、调查问卷的设计与数据收集频率高度异质，ILO虽采用ICLS标准进行协调，但源头差异仍可能影响跨国产出可比性。此外，数据集构建过程中需处理多重来源的数据整合，包括劳动调查、家庭收入调查与行政记录，这些来源的概念框架、时间跨度与质量控制流程不同，筛选“最佳来源”时面临权衡。时间序列中部分观测被标记为“不可靠”，提示数据质量在年度间波动，追踪修订历史与元数据一致性成为长期维护的挑战。

常用场景

经典使用场景

在欧洲劳动经济学与包容性发展研究领域，europe-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab 数据集为探索性别与残疾状态对收入的影响提供了不可多得的纵向面板数据。该数据集涵盖了32个欧洲国家2004至2025年间雇员平均月收入的观测值，通过性别、残疾状态和货币维度进行精细分层。经典使用场景包括构建固定效应模型或随机效应模型，以评估不同国家劳动市场中性别工资差距与残疾收入劣势的演变趋势。研究者可借助时间序列分析捕捉政策干预前后的收入变化，或者运用多水平模型探究国家间制度差异如何调节个体层面的收入不平等。数据集的结构化特性也使其成为训练回归模型与时间序列预测算法的理想基础，尤其适用于探究劳动力市场包容性指标。

衍生相关工作

围绕该数据集，已浮现一系列具有典范意义的学术与工程工作。在方法学层面，研究者开发了针对多层级面板数据的缺失值插补算法，以应对部分国家某些年份残疾收入数据不可靠或缺失的问题。另有团队基于该数据集构建了可解释的机器学习模型，结合Shapley值分解量化国家、性别与残疾状态对工资差异的相对贡献。在应用方向上，该数据集被整合进欧洲劳动力市场监测平台的基准测试框架，支持实时追踪各国体面劳动目标的实现进度。此外，数据集的标准化管道与Parquet格式促进了跨数据集联合分析的实践，例如将收入数据与ILOSTAT中的就业率、社会保障覆盖率指标拼接，构建全面的劳动市场包容性指数，为后续研究开辟了交叉领域的新路径。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲32国2004至2025年间按性别与残疾状态划分的雇员平均月薪，为劳动经济学与包容性发展研究提供了高颗粒度的时间序列数据。当前前沿方向集中于利用机器学习模型（如梯度提升与循环神经网络）分析薪酬差异的长期趋势，并结合ILOSTAT的统一口径与残疾状态分类，探索残疾人群体的劳动市场融入与薪酬公平性。该数据与欧盟《残疾人权利战略》及联合国可持续发展目标（SDG 8.5）紧密关联，有助于量化残疾就业政策的实施效果，推动基于证据的包容性社会决策。