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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“平均月收入”数据，涵盖38个欧洲国家，时间跨度为1991年至2025年，共96,730个观测值。数据按性别（总计、男性、女性）、职业和货币分类进行细分，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，采用cc-by-4.0许可证。license: cc-by-4.0 语言：英语 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言属性：单语言 数据规模：10000 < 样本量 < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 薪资收入 - 国际劳工组织（ILO） - 劳工 - 就业 数据集正式名称："按性别、职业和货币划分的雇员月均薪资 | 欧洲（ILOSTAT）" # 按性别、职业和货币划分的雇员月均薪资 | 欧洲（ILOSTAT） 🇪🇺 **共96730条观测样本** · **覆盖38个欧洲国家** · **时间跨度1991–2025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38个欧洲国家的薪资数据，共计**96730条观测样本**，时间跨度为**1991–2025年**，仅包含**1项核心指标**。 ## 数据来源说明 **ILOSTAT**是国际劳工组织（International Labour Organization, ILO）的官方统计数据库，是全球领先的劳工统计数据来源。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（SDG）的体面工作目标等领域，数据源自全国劳动力调查、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整合。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_OCU_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/) - **研究主题**：薪资收入 ## 数据获取方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EAR_EMTA_SEX_OCU_CUR_NB`拉取原始数据，并筛选出欧洲地区的ISO 3位国家代码数据。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整合；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 本数据集覆盖38个欧洲国家，以下按样本量排序展示部分国家： | 国家代码 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 4,393 | 1991 | 2025 | | `PRT` | 3,699 | 1998 | 2025 | | `FRA` | 3,303 | 2002 | 2024 | | `NOR` | 3,276 | 2002 | 2024 | | `SWE` | 3,255 | 2002 | 2024 | | `DNK` | 3,234 | 2002 | 2024 | | `AUT` | 3,216 | 2002 | 2024 | | `NLD` | 3,159 | 2002 | 2024 | | `EST` | 3,159 | 2002 | 2024 | | `SVN` | 3,159 | 2002 | 2024 | | `HUN` | 3,099 | 2002 | 2024 | | `POL` | 3,090 | 2002 | 2024 | | `IRL` | 3,051 | 2002 | 2024 | | `GBR` | 3,011 | 2005 | 2025 | | `LUX` | 2,991 | 2002 | 2024 | | ... | 其余23个国家 | | | ## 指标示例 - `EAR_EMTA_SEX_OCU_CUR_NB` — 按性别、职业和货币划分的雇员月均薪资 ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 国家英文名称 | `Albania` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `FA:13364` | | `source.label` | `string` | 数据来源英文名称 | `ADM-IR - 税务总局` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_EMTA_SEX_OCU_CUR_NB` | | `indicator.label` | `string` | 指标英文名称 | `Average monthly 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` | 维度说明 | `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` | 分类变量说明 | `职业（技能水平）：总计` | | `classif2` | `string` | 第二分类变量（如适用） | `CUR_TYPE_LCU` | | `classif2.label` | `string` | 分类变量说明 | `货币：本国货币` | | `time` | `int64` | 观测年份 | `2022` | | `obs_value` | `float64` | 观测指标值（单位随指标定义变化） | `61898.0` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态标记说明 | `不可靠` | | `note_classif` | `string` | 分类备注代码 | `C4:998` | | `note_classif.label` | `string` | 分类备注说明 | `非标准职业：包含6类职业` | | `note_indicator` | `string` | 指标备注代码 | `T12:145_T30:159` | | `note_indicator.label` | `string` | 指标备注说明 | `工作时间安排覆盖范围：Fu…` | | `note_source` | `string` | 来源备注代码 | `S9:259` | | `note_source.label` | `string` | 来源备注说明 | `参考群体覆盖范围：参保人数相关` | ## 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非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-emta-sex-ocu-cur-nb-average-monthly-earnings-of-employees-by-sex-occup") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EAR_EMTA_SEX_OCU_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EMTA_SEX_OCU_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EMTA_SEX_OCU_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ear_emta_sex_ocu_cur_nb_average_monthly_earnings_of_employees_by_sex_occup_2025, title = {Average monthly earnings of employees by sex, occupation and currency | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_OCU_CUR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-emta-sex-ocu-cur-nb-average-monthly-earnings-of-employees-by-sex-occup}} } ## 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来源及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，该项目旨在打造面向欧洲地区的统一、可直接用于机器学习的数据层，托管于HuggingFace平台。我们从权威开源数据源拉取数据，对其 schema 进行标准化处理，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流水线处理获取。源数据链接：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EMTA_SEX_OCU_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）的核心统计数据库ILOSTAT，后者作为全球劳动统计的权威来源，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，并依据国际劳工统计学家会议（ICLS）标准进行统一协调。数据通过ILOSTAT的REST API直接抽取，筛选出欧洲38个国家的ISO3编码后，纳入其中。具体而言，数据聚焦于“按性别、职业和货币分类的员工平均月收入”这一核心指标，并经由Electric Sheep Europe团队重新打包，以Parquet格式呈现在HuggingFace平台上，确保研究者可直接调用。

特点

该数据集包含96,730条观测记录，覆盖1991年至2025年长达35年的时间跨度，囊括欧洲38个国家的收入数据，具有丰富的地域与时间维度。其独特之处在于，数据不仅提供按性别（总、男、女）的细粒度分类，还依据职业技能等级进行分层，并标注了本地货币单位。此外，数据源可追溯至具体的调查或行政记录（如税务局数据），并附有观测状态标志（如“不可靠”），极大增强了透明度和可信度，为欧洲劳动力市场的动态分析提供了扎实基础。

使用方法

用户可通过HuggingFace的`datasets`库便捷加载数据，一条`load_dataset`命令即可将数据转换为Pandas DataFrame进行后续分析。示例用法包括：按国家筛选（如过滤德国数据）、对特定指标绘制时间序列折线图，或通过透视图表构建国家×年份的观测矩阵。数据集适用于表格分类、回归及时间序列预测任务，其结构化列设计（如`ref_area`、`time`、`obs_value`）使得跨国比较和趋势挖掘十分直观。研究者在引用时需按照提供的BibTeX格式标注原始数据来源及Electric Sheep Europe的再打包工作。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，薪资数据的系统化收集与跨国比较是洞悉劳动力市场动态、评估收入不平等及制定公平就业政策的核心基石。由国际劳工组织（ILO）统计部门创设并持续维护的ILOSTAT数据库，是全球劳动统计数据的权威来源。本数据集由Electric Sheep Europe于2025年重新整合发布，聚焦欧洲38个国家，收录了1991年至2025年间共计96,730条按性别、职业及货币细分的员工月均收入观测值。该数据集以高颗粒度的分类维度（包括性别、职业技能等级及货币类型）为核心特色，为跨国别、跨时段的薪资结构对比、性别收入差距分析以及劳动力市场政策评估提供了高质量的标准化数据支撑，显著推动了欧洲区域劳动经济学的实证研究进程。

当前挑战

该数据集所解决的领域核心挑战在于，欧洲各国薪资统计口径不一、职业分类体系差异显著且数据发布频率与质量参差不齐，导致跨国比较与长期趋势分析面临严重的信息壁垒。数据构建过程中面临双重挑战：首先，原始数据来源于各国劳动力调查、行政记录等多种渠道，ILOSTAT需依据国际劳工统计学家会议（ICLS）定义进行复杂的溯源与统一标准化处理，并依赖‘最佳来源’选择机制处理同一国家年份的多源冲突；其次，分类变量（如性别、职业）的缺失值分布不均，且部分重要维度（如教育水平、工时安排）被压缩于备注字段，增加了二次清洗与结构化利用的难度，对数据用户的预处理能力提出了较高要求。

常用场景

经典使用场景

在劳动经济学与宏观比较研究的交汇处，欧洲雇员月均收入数据集凭借其跨度达三十四年、覆盖三十八个国家以及按性别与职业细分的分层结构，成为分析欧洲劳动力市场收入分配格局的核心语料库。研究者常利用该数据集开展跨国收入水平的纵向趋势分析，揭示不同经济体在全球化进程与结构性改革中薪资演变的共性与分野。同时，其精细的分类标签支持构建面板数据模型，用于探究性别收入差距、职业薪酬溢价以及货币换算下的实际购买力变动等经典议题。

实际应用

在实际应用中，该数据集为国际组织与政策制定者提供了监测可持续发目标中体面工作指标的量化工具，尤其服务于欧盟委员会、欧洲统计局及各国劳工部门对薪资公平性、职业层级报酬差异的动态评估。金融机构与市场分析师亦可借助这些时序数据构建经济景气预警模型，识别不同职业群体在危机前后的收入韧性。此外，跨国企业的人力资源部门能够基于各国行业薪酬基准调整全球薪资策略，从而在本地合规性与全球竞争力之间取得平衡。

衍生相关工作

基于该数据衍生的经典工作包括多维不平等测度研究，例如结合性别维度分解基尼系数以解析欧洲收入不平等的结构性来源；利用间断时间序列分析评估金融危机或疫情期间薪资冲击的职业依赖性。另一类代表性工作聚焦于职业流动性，通过网络分析将不同国家的职业技能关联映射到收入轨迹上，从而识别出跨区域劳动力市场中高韧性职业集群。此外，研究者通过将其与欧盟统计局的社会调查数据融合，构建了包容性增长的合成指标，拓展了劳动力统计数据的交叉分析边界。