five

World Income Inequality Database (WIID)|收入不平等数据集|全球经济数据集

收藏
www.wider.unu.edu2024-10-26 收录
收入不平等
全球经济
下载链接:
https://www.wider.unu.edu/database/world-income-inequality-database-wiid
下载链接
链接失效反馈
资源简介:
World Income Inequality Database (WIID) 是一个包含全球收入不平等数据的综合数据库。该数据集提供了来自不同国家和地区的收入分配数据,涵盖了从1960年至今的时间段。数据包括基尼系数、收入分配的五等分位数、最高收入群体的占比等信息,旨在帮助研究人员和政策制定者分析和理解全球收入不平等的动态变化。
提供机构:
www.wider.unu.edu
AI搜集汇总
数据集介绍
main_image_url
构建方式
World Income Inequality Database (WIID) 数据集的构建基于全球范围内的收入不平等研究。该数据集汇集了来自多个国家和地区的收入分配数据,涵盖了从1960年至今的时间跨度。数据来源包括国际组织如世界银行、联合国以及各国统计局等权威机构。通过系统化的数据收集和整理,WIID确保了数据的广泛性和代表性,为研究者提供了详尽的收入不平等指标,如基尼系数、收入份额等。
使用方法
使用 WIID 数据集时,研究者可以首先根据研究需求选择特定的国家或地区,以及所需的时间范围。数据集提供了多种收入不平等指标,用户可以根据研究目的选择合适的指标进行分析。此外,WIID 数据集支持多种数据导出格式,如CSV、Excel等,便于进一步的数据处理和可视化。研究者还可以利用该数据集进行跨国比较研究,探索收入不平等的全球趋势及其影响因素。
背景与挑战
背景概述
世界收入不平等数据库(World Income Inequality Database, WIID)由联合国大学世界发展经济学研究所(UNU-WIDER)于1994年创建,旨在提供全球范围内收入不平等的详细数据。该数据库汇集了来自多个国家和地区的收入分配数据,涵盖了从1960年至今的时间跨度。WIID的建立是为了响应全球对收入不平等问题的日益关注,特别是在全球化进程加速和经济政策多样化的背景下。通过提供标准化和可比较的数据,WIID为学者、政策制定者和国际组织提供了一个重要的工具,用以分析和理解收入不平等的动态变化及其对社会经济发展的影响。
当前挑战
WIID在构建过程中面临了多重挑战。首先,数据来源的多样性和质量不一,导致数据的标准化和可比性成为一个主要问题。其次,不同国家和地区在统计方法和数据收集频率上的差异,增加了数据整合的复杂性。此外,随着时间的推移,收入分配的定义和测量方法也在不断演变,这要求数据库持续更新和校准。最后,全球经济环境的快速变化,如金融危机和新兴市场国家的崛起,对数据的时效性和准确性提出了更高的要求。这些挑战共同构成了WIID在提供可靠和及时数据方面的重要课题。
发展历史
创建时间与更新
World Income Inequality Database (WIID) 由联合国大学世界发展经济学研究所(UNU-WIDER)于1994年首次发布,旨在提供全球收入不平等的系统性数据。该数据库自创建以来,经历了多次重大更新,最近一次更新是在2021年,以确保数据的时效性和准确性。
重要里程碑
WIID的创建标志着全球收入不平等研究进入了一个新的阶段,其首次发布的数据集包含了来自170多个国家和地区的收入分配数据。2005年,WIID进行了重大扩展,引入了更多的国家和年份数据,极大地丰富了研究者的分析工具。2015年,WIID再次更新,增加了对新兴经济体和转型国家数据的覆盖,进一步提升了其在全球经济研究中的重要性。
当前发展情况
当前,WIID已成为全球收入不平等研究的核心资源,其数据被广泛应用于经济学、社会学和公共政策等多个领域。WIID不仅提供了详尽的历史数据,还通过持续的更新和扩展,反映了全球经济格局的变化。此外,WIID的数据开放性和透明性,促进了国际间的比较研究,为制定更加公平和有效的全球经济政策提供了科学依据。
发展历程
  • 世界收入不平等数据库(WIID)由芬兰图尔库大学首次发布,旨在收集和整理全球范围内的收入不平等数据。
    1997年
  • WIID进行了首次重大更新,增加了更多国家和地区的数据,并改进了数据收集和处理方法。
    2004年
  • WIID发布了第三版,进一步扩展了数据覆盖范围,包括了更多的历史数据和更详细的分类信息。
    2011年
  • WIID发布了第五版,引入了新的数据源和更先进的分析工具,提升了数据的质量和可靠性。
    2018年
常用场景
经典使用场景
在经济学领域,World Income Inequality Database (WIID) 数据集被广泛用于分析全球收入不平等的动态变化。该数据集汇集了来自不同国家和地区的收入分配数据,涵盖了从1960年至今的时间跨度。研究者利用WIID数据集,可以进行跨国比较研究,揭示收入不平等的长期趋势及其与经济发展、政策干预之间的关系。此外,该数据集还支持对特定国家或地区的收入分配模式进行深入分析,为制定针对性的社会政策提供科学依据。
解决学术问题
WIID数据集在学术研究中解决了多个关键问题。首先,它为全球收入不平等的测量提供了统一的标准和丰富的数据来源,使得跨时间和空间的比较研究成为可能。其次,通过分析WIID数据集,学者们能够识别出影响收入不平等的关键因素,如教育水平、劳动力市场结构和税收政策等。这些研究成果不仅深化了对收入分配机制的理解,还为政策制定者提供了理论支持,有助于设计更有效的收入再分配措施,从而促进社会公平与经济可持续发展。
实际应用
在实际应用中,WIID数据集为政府和国际组织提供了重要的决策支持。例如,世界银行和国际货币基金组织利用WIID数据集评估各国收入分配状况,为发展中国家提供针对性的经济援助和政策建议。此外,非政府组织和慈善机构也利用该数据集识别收入不平等严重的地区,制定扶贫和援助计划。企业则可以通过分析WIID数据集,了解目标市场的收入结构,优化产品定价和市场策略,从而实现更精准的市场定位和更高的社会责任感。
数据集最近研究
最新研究方向
在全球经济不平等的背景下,World Income Inequality Database (WIID) 数据集近年来成为研究收入分配不均的重要工具。该数据集汇集了全球多个国家和地区的收入分配数据,为学者提供了丰富的实证材料。最新研究方向主要集中在利用WIID数据进行跨国比较分析,探讨不同经济体制、政策干预对收入不平等的影响。此外,研究者还关注数据集的更新与扩展,以反映全球经济格局的动态变化,从而为政策制定者提供更为精准的决策依据。这些研究不仅深化了对收入不平等现象的理解,也为全球经济治理提供了科学支持。
相关研究论文
  • 1
    The World Income Inequality Database (WIID): The Most Comprehensive Source of Global Inequality MeasuresUnited Nations University - World Institute for Development Economics Research (UNU-WIDER) · 2021年
  • 2
    Global Inequality Dynamics: New Findings from WID.world and WIIDWorld Inequality Database (WID.world) · 2020年
  • 3
    Income Inequality in the OECD over the Past Half Century: The Role of Wages, Capital Gains, and TaxesOrganisation for Economic Co-operation and Development (OECD) · 2019年
  • 4
    The Rise of Income Inequality in the United States and the Role of Fiscal PolicyNational Bureau of Economic Research (NBER) · 2021年
  • 5
    Income Inequality and Economic Growth: Evidence from a New DatasetElsevier · 2022年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录

WideIRSTD Dataset

WideIRSTD数据集包含七个公开数据集:SIRST-V2、IRSTD-1K、IRDST、NUDT-SIRST、NUDT-SIRST-Sea、NUDT-MIRSDT、Anti-UAV,以及由国防科技大学团队开发的数据集,包括模拟陆基和太空基数据,以及真实手动标注的太空基数据。数据集包含具有各种目标形状(如点目标、斑点目标、扩展目标)、波长(如近红外、短波红外和热红外)、图像分辨率(如256、512、1024、3200等)的图像,以及不同的成像系统(如陆基、空基和太空基成像系统)。

github 收录

波士顿房价数据集

波士顿房价数据集是一个经典的机器学习数据集,通常用于回归任务,尤其是房价预测。下方文档中有所有字段顺序的描述。

阿里云天池 收录

AgiBot World

为了进一步推动通用具身智能领域研究进展,让高质量机器人数据触手可及,作为上海模塑申城语料普惠计划中的一份子,智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思,重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目,旨在构建国际领先的开源技术底座,标志着具身智能领域 「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集,AgiBot World 的长程数据规模高出 10 倍,场景范围覆盖面扩大 100 倍,数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能,从抓取、放置、推、拉等基础操作,到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互,几乎涵盖了日常生活所需的绝大多数动作需求。

github 收录

GVJahnavi/Crops_set

该数据集包含图像和标签两个主要特征。图像特征的数据类型为图像,标签特征的数据类型为类标签,具体包括20种不同的植物病害和健康状态,如玉米的灰斑病、普通锈病、北方叶枯病,以及番茄的细菌性斑点病、早疫病、晚疫病等。数据集分为训练集和测试集,训练集包含25384个样本,测试集包含6346个样本。数据集的下载大小为514893426字节,总大小为474216412.07000005字节。

hugging_face 收录