electricsheepeurope/europe-ilo-ear-emta-sex-eco-nb-average-monthly-earnings-of-employees-by-sex-and-e

这是一个关于欧洲42个国家按性别和经济活动划分的雇员平均月收入（以本地货币计）的表格数据集。数据集涵盖1969年至2025年的年度观测数据，包含57,937个观测值，主要指标为EAR_EMTA_SEX_ECO_NB（按性别和经济活动划分的雇员平均月收入）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过统一处理以确保国际劳工统计会议（ICLS）定义的一致性。数据集包含国家代码、年份、性别分类（总计、男性、女性）、经济活动分类、观测值及数据质量标志等字段，适用于表格分类、回归分析和时间序列预测等机器学习任务。数据集已由Electric Sheep Europe重新打包为Parquet格式，便于直接加载使用。This is a tabular dataset on average monthly earnings of employees by sex and economic activity (in local currency) across 42 European countries. It contains 57,937 annual observations spanning from 1969 to 2025, with the primary indicator being EAR_EMTA_SEX_ECO_NB (Average monthly earnings of employees by sex and economic activity). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset includes fields such as country codes, year, sex disaggregation (total, male, female), economic activity classification, observed values, and data quality flags, suitable for tabular classification, regression, and time-series forecasting tasks. Repackaged by Electric Sheep Europe into Parquet format for easy loading.

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统计数据库，通过REST API直接提取了标识符为EAR_EMTA_SEX_ECO_NB的指标数据，并依据欧洲ISO3国家代码进行地域过滤。ILOSTAT依据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协调处理，数据来源在source.label字段中加以标记以确保可追溯性。最终整合为包含57,937条观测值、覆盖42个欧洲国家、时间跨度从1969年至2025年的结构化数据集，由Electric Sheep Europe团队重封装并发布于HuggingFace平台。

特点

数据集聚焦于按性别和经济活动划分的雇员平均月收入（以当地货币计价），拥有唯一核心指标，并提供了性别（总、男、女）这一关键的分解维度。数据以年度频率呈现，每条记录包含国家代码、来源标签、观测值及其状态标记，同时辅以丰富的注释字段，如经济活动的非标准分类、货币信息及参考群体覆盖范围，便于用户深入理解数据背景与质量。数据集遵循CC-BY-4.0许可协议，确保了开源的友好性与使用的灵活性。

使用方法

用户可通过HuggingFace的datasets库轻松加载数据，使用load_dataset('electricsheepeurope/europe-ilo-ear-emta-sex-eco-nb-average-monthly-earnings-of-employees-by-sex-and-e')命令即可将数据转换为Pandas DataFrame进行后续分析。支持按国家代码筛选特定国家的数据子集，亦可针对单一指标进行时间序列的可视化与趋势分析，更可通过透视表操作构建国家×年份的观测值矩阵，便于进行跨国的横向比较或纵向的时序建模，适用于表格分类、回归及时间序列预测等多种任务场景。

背景与挑战

背景概述

在劳动经济学与社会政策研究中，薪资数据的跨时间、跨国家可比性一直是制约实证分析深度的关键瓶颈。由国际劳工组织（ILO）统计司牵头，经Electric Sheep Europe于2025年重新打包发布的“欧洲雇员按性别与经济活动的平均月薪（当地货币）”数据集，汇集了42个欧洲国家自1969年至2025年间共计57,937条观测记录。该数据集以ILOSTAT这一全球劳动统计权威数据库为源，通过整合各国劳动力调查、企业调查及行政记录等多元渠道，提供了由性别和行业分类维度细化的薪资指标，为研究欧洲劳动力市场的结构性变迁、性别薪酬差异及经济政策效应提供了坚实的数据基础。其发布不仅推动了劳动经济学领域的跨国比较分析，也为机器学习模型在时序预测与分类任务中的应用创造了高质量的训练资源。

当前挑战

该数据集所应对的核心领域问题在于劳动经济学中跨国家、跨时间薪资数据的一致性与可比性缺失——不同国家统计口径、货币单位及数据采集频率的差异，使得进行稳健的跨国回归分析与薪资趋势建模极为困难。在构建过程中，数据集成团队面临了多重挑战：首先，ILOSTAT原始数据源自多种异构调查与行政记录，需通过国际劳工统计学家会议（ICLS）定义进行标准化调和，但来源标签（source.label）中的代码仍可能指向不可直接对比的底层调查；其次，部分观测值被标记为“不可靠”（obs_status为U），在未明确过滤机制下可能引入噪声；再者，数据集仅涵盖年度频率，而许多国家存在月度或季度子集未被纳入，损失了短期波动信息；最后，性别和行业分类维度在部分年份与国家的缺失，导致时间序列不连续，限制了精细分组分析的可信度。

常用场景

经典使用场景

该数据集收录了1969年至2025年间42个欧洲国家按性别和经济活动分类的雇员平均月收入数据（以当地货币计），共计57,937条观测记录。在劳动经济学与社会科学研究中，它常被用作追踪欧洲各国工资水平长期演变轨迹的基准数据源，支持研究者开展跨国比较分析，例如探讨性别工资差距的时空异质性、经济周期对劳动者报酬的冲击，以及产业结构升级对收入分配格局的塑造效应。数据由国际劳工组织（ILO）官方发布并基于ILOSTAT标准流程整合，覆盖了从总工资水平到细分行业与性别的多维度信息，为面板数据建模、时序趋势识别与分类任务提供了结构清晰、来源可靠的训练与验证样本。

解决学术问题

该数据集在学术层面主要回应了两大类问题：其一，性别收入差异的跨国演化与结构性成因——通过提供连续数十年的按性别细分的月薪数据，研究者能够系统检验'同工不同酬'现象是否随制度变迁与女性教育水平提升而趋于收敛，并量化生育惩罚、职业隔离等机制对收入差距的相对贡献。其二，欧洲一体化进程中劳动力市场的趋同与分化——数据覆盖了欧盟成员国及非欧盟欧洲国家，使得围绕'共同市场是否缩小了工资差异'、'东欧转型经济体的收入追赶速度'等经典命题得以开展严谨的计量检验，其长期时间跨度尤为有利于识别结构性断点与制度改革的因果效应。这些研究为优化社会政策、推动性别平等以及设计更具包容性的劳动法规提供了实证根基。

衍生相关工作

依托该数据集，学术界已衍生出若干重要工作。在面板数据计量领域，研究者常将本数据与欧洲家庭收入调查（EU-SILC）或欧盟劳动力调查（EU-LFS）进行融合，构建包含个体层面特征与宏观工资水平的混合模型，以更精准地解构性别收入差距的'不可解释部分'。部分工作进一步将其与就业保护立法指数或工会密度等制度变量联动，运用工具变量法与双重差分设计来识别劳动市场规制对工资水平的因果效应。在预测性建模方向，基于该数据训练的时序模型与贝叶斯分层模型已被用于短期工资趋势预测，为劳工统计部门提供先期预警信号。这类衍生研究不仅深化了对欧洲劳动市场运行机制的理解，也为数据驱动型社会政策模拟提供了可复用的技术范式。