electricsheepasia/asia-ilo-ear-cmta-sex-cur-nb-average-monthly-earnings-of-care-employees-by-sex

该数据集包含1,449个观测值，涉及24个亚洲国家，时间跨度为1996年至2025年，涵盖1个独特指标：按性别和货币划分的护理员工平均月收入（指标代码：EAR_CMTA_SEX_CUR_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，重点关注付费护理工作者的劳动统计，包括按性别（总计、男性、女性等）和货币类型（如本地货币）细分的平均月收入信息。数据集经过重新打包，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。This dataset contains 1,449 observations of paid care workers data across 24 Asia countries, spanning 1996–2025, covering 1 distinct indicator: Average monthly earnings of care employees by sex and currency (indicator code: EAR_CMTA_SEX_CUR_NB). The data is sourced from ILOSTAT, the ILOs central statistics database, and includes disaggregation by sex (total, male, female, etc.) and currency type (e.g., local currency). It is repackaged for machine learning readiness and suitable for tabular classification, regression, and time-series forecasting tasks.

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接口直接抽取指标“EAR_CMTA_SEX_CUR_NB”的原始数据，并依据亚洲地区的ISO3国家代码进行地理范围过滤。ILOSTAT采用国际劳工统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收支调查等微观数据进行统一 harmonization 处理，以保障跨国的可比性与数据一致性。数据集最终整合了来自24个亚洲国家的合计1,449条观测记录，时间跨度自1996年至2025年，覆盖了该区域内不同发展阶段的经济体。

使用方法

使用者可通过HuggingFace的`datasets`库以`load_dataset()`方法直接加载该数据集，并将其快速转换为Pandas的DataFrame格式以进行后续分析。常见的操作包括：按国家代码（如`ref_area`为“IDN”）筛选单一国家的时间序列数据；基于指示器列（`indicator`）对平均月收入数据进行排序后绘制趋势图；利用`pivot_table`函数构建以时间（年份）为行、国家为列的交叉矩阵，便于进行跨国比较。该数据集特别适合用于区域劳动力市场、性别薪酬差异及护理行业经济地位的时序或面板数据分析。

背景与挑战

背景概述

在全球劳动力市场研究中，护理工作者的经济福祉日益成为政策制定与国际比较的焦点。该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT平台发布，并由Electric Sheep Asia重新封装，聚焦于亚洲地区24个国家1996至2025年间按性别和货币划分的护理雇员月均收入。核心研究问题在于揭示亚洲范围内护理劳动力薪酬的性别差异与地域不平等，为体面劳动、性别平等及可持续发展目标（SDGs）的监测提供关键量化依据。作为ILOSTAT旗舰指标的衍生资源，该数据集通过标准化国际定义（如ICLS分类）确保了跨国的可比性，显著推动了亚洲劳动经济学与性别研究的实证基础。

当前挑战

该数据集面临多重挑战。首先，在领域问题层面，护理行业长期存在性别薪酬差距与数据碎片化，该数据集需克服不同国家统计体系差异、调查周期非统一以及货币换算波动对薪酬可比性的影响，以有效刻画劳动市场中的结构性不平等。其次，在构建过程中，从ILOSTAT的REST API提取原始数据时，需处理多源调查（如劳动力调查与家庭收支调查）之间的定义一致性，并应对缺失观测值、序列中断标志（obs_status标签）以及分类变量（如性别仅含4个唯一值）导致的统计效力限制。此外，仅采用年度频率数据而排除月度或季度序列，可能掩盖短期薪酬波动，增加了时间序列建模的复杂性。

常用场景

经典使用场景

在劳动经济学与性别研究的交汇领域，该数据集为探究亚洲地区护理行业从业者薪酬的性别差异提供了宝贵的纵向证据。研究者常利用此数据集构建面板回归模型，以分析不同国家间护理工作者平均月收入的演变轨迹，并剥离出性别、时间与地区异质性对薪酬水平的影响。此外，数据集中涵盖的本币与美元双币种数值，使得跨国购买力平价调整成为可能，从而支撑起更为严谨的福利比较分析。

解决学术问题

该数据集直面护理经济中一个长期悬而未决的学术难题——如何系统量化亚洲范围内护理岗位的薪酬水平及其性别分化。通过提供跨越近三十年、涵盖二十余国的标准化时间序列，它使得研究者能够实证检验“薪酬收敛假说”在照护领域的适用性，并揭示经济增长、劳动力市场政策与性别薪酬差距之间的复杂互动。其破性意义在于，为呼吁改善护理劳动条件、推动体面工作议程提供了坚实的量化基础。

实际应用

在实际决策层面，该数据集直接服务于国际劳工组织及各国劳动部门的政策评估与监测工作。非营利组织可借助其中的性别维度数据，精准定位薪酬差距最为悬殊的国家与行业领域，从而设计更具针对性的倡导策略。同时，致力于可持续发展目标检测的机构，可将其作为关键指标来源，追踪目标8（体面工作与经济增长）在亚洲区域的实现进度，并生成定期报告以引导政策调整。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区有偿护理工作者按性别与货币划分的平均月收入，为劳动经济学与性别平等研究提供了关键的时间序列数据。在护理经济日益受到关注的当下，结合国际劳工组织ILOSTAT的标准化方法，研究人员能够深入剖析亚洲24国近三十年护理行业薪资的性别差异与区域演化规律，尤其为评估《2030年可持续发展议程》中体面工作与经济增长目标（SDG 8）及性别平等目标（SDG 5）的进展提供了实证基础。数据集的高频更新特性与多国覆盖，使前沿分析可追踪政策干预（如最低工资立法、育儿假制度）对护理劳动力市场的动态影响，并支撑基于机器学习的薪资预测与异质性效应建模，从而推动亚洲护理经济议题从描述性统计向因果推断与政策模拟的范式跃迁。