electricsheepafrica/africa-ilo-ear-ehrg-sex-geo-nb-gini-index-of-hourly-earnings-of-employees-by-sex

该数据集包含非洲33个国家2001年至2024年间按性别和城乡地区划分的员工小时收入基尼指数数据，共1136个观测值，涵盖一个特定指标（EAR_EHRG_SEX_GEO_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为收入与薪酬不平等，经过Electric Sheep Africa重新打包，以表格形式提供，适用于分类、回归和时间序列预测等任务。数据集包括国家代码、年份、性别分类、观测值等列，并包含数据质量说明和使用示例。This dataset contains 1,136 observations of the Gini index of hourly earnings of employees by sex and rural/urban areas across 33 African countries from 2001 to 2024, covering one distinct indicator (EAR_EHRG_SEX_GEO_NB). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), focusing on income and pay inequality, and has been repackaged by Electric Sheep Africa in a tabular format suitable for tasks such as classification, regression, and time-series forecasting. It includes columns for country codes, years, sex disaggregation, observed values, and more, with notes on data quality and usage examples.

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，经由Electric Sheep Africa团队重新封装后发布。构建过程首先通过ILOSTAT官方REST API，以特定指标代码（EAR_EHRG_SEX_GEO_NB）批量拉取原始数据，随后依据非洲国家ISO3代码进行地域过滤，最终汇聚成包含1136条观测值的结构化数据集。数据涵盖2001年至2024年间33个非洲国家，涉及按性别与城乡区域划分的雇员时薪基尼系数单一核心指标。ILO依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行标准化处理，并在数据集的`source.label`字段中标注原始数据来源，确保每一条记录的可追溯性。

特点

该数据集的核心特色在于其精准聚焦非洲大陆收入不平等议题，提供了长达二十余年、跨33国的时薪基尼系数面板数据。数据按照性别（总、男性、女性）与地理覆盖范围（国家级）两个维度进行精细化分层，有助于研究人员深入剖析不同群体间的收入分配差异。数据质量方面，采用年度频率观测，当同一国家与年份存在多源数据时，优先选用ILO认定的‘最佳来源’。观测值附有状态标记（如‘不可靠’），辅助用户进行质量筛选。此外，数据集以Parquet格式存储，并配以标准化的HuggingFace数据集卡片，便于机器学习的直接加载与处理。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载该数据集，一行代码`load_dataset()`即可获得Pandas DataFrame格式的完整表格。使用方法灵活多样：可依据`ref_area`字段（ISO3国家代码）过滤特定国家的观测值，如筛选肯尼亚数据；亦可针对单一指标按时间排序，绘制其时序变化曲线，直观观察基尼系数的演进趋势。更进一步，能通过数据透视功能将数据重塑为国家×年份的矩阵形式，便于面板数据分析与回归建模。数据集包含丰富的分类变量与注释字段，支持多层次的条件筛选与聚合操作，为研究非洲劳动力市场的收入不平等提供了标准化的数据基础。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库构建，经Electric Sheep Africa重新打包整理，聚焦于非洲33个国家2001至2024年间按性别和城乡划分的雇员小时收入基尼系数。基尼系数作为衡量收入不平等程度的核心指标，在劳动经济学和发展研究中具有举足轻重的地位。非洲大陆长期面临严峻的收入分配不均问题，然而受限于数据基础设施薄弱与调查频率不一，该区域的系统性不平等度量长期匮乏。此数据集的出现，为研究者提供了跨越二十余年、涵盖多国分性别的标准化面板数据，极大推动了非洲劳动市场不平等问题的跨国比较与时间序列分析，成为评估可持续发展目标（SDG）体面工作进展的重要基石。

当前挑战

构建该数据集面临的首要挑战是数据质量与一致性问题。非洲各国的劳动力调查方法、样本设计、定义标准与国际劳工统计会议（ICLS）规范存在差异，ILO虽进行了协调，但仍有大量观测值被标记为“不可靠”，反映调查小样本、高非正规就业比例导致的测量误差。其次，性别与城乡维度的数据覆盖极不均衡，部分国家仅提供全国总量或男性数据，女性样本严重不足，限制了性别不平等分析的深度。此外，源数据年度频率低、间有缺漏，整合跨越多年的多来源数据时，源标识与汇率、通胀等辅助信息的差异进一步增加了清洗与标准化难度。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织（ILO）ILOSTAT数据库中非洲33个国家2001至2024年间雇员小时收入基尼系数的观测值，共计1136条记录。其经典用途在于为劳动经济学与不平等研究提供纵向面板数据，支持研究者按性别、城乡区域等维度剖析非洲劳动力市场的收入分配结构。借助这一数据集，学者能够构建时间序列模型，追踪各国收入不平等的动态演变，或是通过多国比较分析探究经济发展、制度政策与收入差距之间的复杂关联。

解决学术问题

该数据集有效回应了非洲地区收入不平等研究中长期存在的数据匮乏与可比性不足的困境。它解决了如何利用标准化、跨国的微观汇总指标来量化性别收入差距与地理区域差异这一核心难题，使得研究者得以突破单一国家案例的局限，开展跨时空的实证分析。由此，该数据集推动了关于非洲劳动力市场扭曲、全球化冲击效应以及社会政策干预效果的因果推断研究，为理解发展中国家不平等根源的学术讨论提供了坚实的数据基石。

衍生相关工作

围绕这一数据集，研究者已衍生出多项具有影响力的学术工作。典型案例包括利用面板回归模型检验贸易开放度与非洲制造业工资不平等之间的关系，或是基于性别维度的分解分析揭示女性在劳动力市场中遭遇的‘玻璃天花板’效应。此外，该数据集也常与家庭调查数据、教育统计等外部资源融合，催生了探究人力资本回报率与收入分配动态的交叉研究，为劳动经济学和发展经济学领域贡献了新的洞见与方法论范式。