electricsheepasia/asia-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe

该数据集包含亚洲17个国家旅游业员工的平均月收入（以本地货币计）数据，涵盖2009年至2025年期间，共297个观测值，涉及1个独特指标（EAR_TMTA_SEX_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为亚洲国家代码。数据集包括国家代码、国家名称、数据来源、指标、性别分类（总计、男性、女性）、观测年份、观测值及相关注释列，用于分析和比较亚洲各国旅游业员工的收入趋势。license: cc-by-4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 观测数少于1000 tags: - 表格数据 - 亚洲 - ILOSTAT - 旅游行业从业人员 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "亚洲地区旅游行业雇员月均收入（当地货币）| 亚洲（ILOSTAT）" --- # 亚洲地区旅游行业雇员月均收入（当地货币）| 亚洲（ILOSTAT） 🌏 **297条观测** · **17个亚洲国家** · **2009–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理*      ## TL;DR 本数据集包含覆盖17个亚洲国家、时间跨度为2009–2025年的**297条旅游行业从业人员数据观测**，涉及**1项专属指标**。 ## 数据来源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，亦是全球领先的劳工统计权威来源。其收录指标涵盖就业、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体面工作目标等多个领域，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。该数据库覆盖全球200余个经济体，数据标准化协调工作由国际劳工组织统计司负责。 - **来源链接**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_SEX_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**：旅游行业从业人员 ## 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_TMTA_SEX_NB` 拉取原始数据，并筛选出亚洲地区的ISO3国家编码对应数据集。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协调；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 本数据集覆盖17个亚洲国家，以下按观测行数排序展示前若干条目： | 国家（ISO3编码） | 观测行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `MNG` | 48 | 2009 | 2024 | | `VNM` | 39 | 2011 | 2024 | | `LKA` | 36 | 2013 | 2024 | | `THA` | 36 | 2013 | 2024 | | `PAK` | 24 | 2014 | 2025 | | `PHL` | 21 | 2017 | 2023 | | `BTN` | 21 | 2018 | 2024 | | `MMR` | 15 | 2015 | 2020 | | `KHM` | 15 | 2012 | 2023 | | `BGD` | 12 | 2017 | 2024 | | `LAO` | 6 | 2010 | 2022 | | `TLS` | 6 | 2013 | 2021 | | `MDV` | 6 | 2016 | 2019 | | `LBN` | 3 | 2019 | 2019 | | `IND` | 3 | 2012 | 2012 | | ... | _另外2个国家_ | | | ## 指标示例 - `EAR_TMTA_SEX_NB` — 旅游行业雇员月均收入（当地货币） ## 数据字段结构 | 字段名称 | 数据类型 | 字段描述 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `BGD` | | `ref_area.label` | `string` | 英文国家名称 | `Bangladesh` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:673` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_TMTA_SEX_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average monthly earnings of tourism s…` | | `sex` | `string` | 按性别拆分的维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参考指标定义） | `14753.51` | | `obs_status` | `string` | 观测状态标记（如临时值、不可靠值） | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_indicator` | `string` | — | `T30:114` | | `note_indicator.label` | `string` | — | `Currency: BGD - Taka (BDT)` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 数据拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率数据。部分指标同时发布月度或季度序列，但此类数据未包含在本数据集中。 - 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。 - 拆分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分维度时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列数据 python sample = (df[df["indicator"] == "EAR_TMTA_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_TMTA_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_TMTA_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ear_tmta_sex_nb_average_monthly_earnings_of_tourism_sector_employe_2025, title = {Average monthly earnings of tourism sector employees (local currency) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe}} } ## 许可证 本数据集采用[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来源与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适用于机器学习的亚洲区域数据层。我们从权威开放数据源拉取数据，标准化字段结构，以Parquet格式打包，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据处理工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_SEX_NB

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织（ILO）旗下ILOSTAT数据库的REST API，针对旅游行业雇员的平均月收入指标（EAR_TMTA_SEX_NB）进行定向抽取。原始数据源自各国劳动力调查、家庭收支调查、企业调查及行政记录，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据筛选聚焦于亚洲地区的17个国家，按ISO 3166-1 alpha-3国家代码过滤，并由Electric Sheep Asia团队重新打包为HuggingFace Datasets格式，确保研究者可通过`load_dataset()`便捷加载。

特点

本数据集包含297条观测记录，覆盖2009年至2025年间的17个亚洲国家，聚焦于旅游行业雇员的平均月收入（以本币计）这一核心指标。数据按性别维度进行细分（总、男、女），并附有详细的来源标注、观测状态标识及货币注释，便于追溯数据质量与背景。数据以年度频率呈现，经ILO筛选的'最佳来源'确保了国家-年份组合的可靠性，适合进行跨国比较和时间序列分析。

使用方法

使用者可通过HuggingFace Datasets库以`load_dataset()`函数直接加载数据，返回的Dataset对象可转换为Pandas DataFrame进行进一步操作。针对单一国家分析，可利用`ref_area`列进行过滤；对于时间序列可视化，可对特定指标按时间排序并绘制趋势图；若需构建国家-年份面板数据，则可通过`pivot_table`方法重塑矩阵。数据以表格形式存储，包含国家代码、来源、指标、性别、年份及观测值等字段，格式清晰，便于科研与政策分析场景下的快速应用。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT整理发布，并由Electric Sheep Asia重新打包至HuggingFace平台。聚焦亚洲17个国家2009至2025年间旅游业雇员的平均月收入（以当地货币计），共包含297条观测值。旅游业作为全球经济的重要支柱，尤其在亚洲地区对就业与经济发展具有深远影响，然而该领域长期缺乏细粒度、跨国可比的工资数据。本数据集通过统一的数据治理框架，将分散于各国劳动力调查与行政记录中的信息标准化，为研究旅游业劳动报酬的时空演变、性别差异及政策效应提供了关键基础资源。其发布的及时性与区域针对性，显著推动了亚太区域旅游经济与劳动力市场的实证研究进展。

当前挑战

领域方面，该数据集所解决的挑战在于揭示亚洲旅游业劳动力市场的薪酬结构动态，而这一领域长期受限于数据碎片化与跨国可比性不足。旅游业作为劳动密集型行业，其雇员薪资受季节波动、经济周期及政策干预等多重因素影响，但现有数据往往缺乏统一标准与高频更新。构建过程中，数据整合面临多重障碍：各国统计机构采用的调查方法、指标定义及货币单位存在显著差异，ILOSTAT需通过国际劳工统计学家会议（ICLS）定义进行复杂协调；部分国家观测稀疏，如黎巴嫩仅提供2019年单一年份数据，且数据质量标记如序列中断（B）提示了时间连续性缺失；原始数据中的缺失值及分类维度（如性别）的不完整记录，进一步增加了建模与推断的不确定性。

常用场景

经典使用场景

该数据集的核心应用场景聚焦于亚洲旅游业劳动力市场的收入动态分析。研究者可借助覆盖17个亚洲国家、时间跨度达17年（2009—2025年）的月度平均收入观测值，开展跨国的纵向比较与趋势挖掘。典型用法包括：按性别维度（总人口、男性、女性）进行收入差异的描绘与统计检验；构建国家-年份面板数据矩阵，以探究旅游业薪酬在亚洲各经济体间的收敛或发散态势；以及将收入序列作为响应变量，纳入旅游经济、劳动力流动性或区域发展等更广泛的宏观模型中，从而揭示旅游业工资水平与相关政策冲击、季节性波动或外部危机之间的深层关联。

衍生相关工作

基于该数据集已衍生出一系列重要的学术与实践工作。在方法论层面，研究者常将其与ILOSTAT中其他旅游卫星账户或就业率指标联合使用，构建旅游业体面工作的多维指数。在实证研究方面，已有学者利用该面板数据检验了旅游业扩张与收入溢出效应之间的非对称关系，并运用合成控制法评估特定国家旅游税改或签证便利化对从业者收入的因果影响。此外，数据集中标注的数据源变更与序列中断信息（如obs_status列中的'Break in series'标记）促进了关于数据质量评估及缺失多变量插补方法的讨论。此数据集还常作为时间序列预测或混合效应模型的教学基准范例，在亚太地区的劳动经济学课程中被广泛引用。

数据集最近研究

最新研究方向

当前，该数据集的研究焦点日益汇聚于利用ILOSTAT提供的旅游业雇员平均月薪数据，结合时间序列分析与分类回归模型，精准刻画亚洲17国旅游业劳动力市场的演变轨迹。前沿方向涵盖通过性别维度解构薪资差异，揭示旅游业内部的性别平等进程；此外，该数据与新冠疫情后旅游业复苏、绿色就业转型等全球热点紧密相连，为评估区域经济韧性及可持续发展目标（SDG）中的体面劳动指标提供实证支撑。其长达16年的观测跨度与多源可比性，正推动研究者从静态薪资对比转向动态的就业质量监测，为政策制定与跨国比较注入量化洞察。