electricsheepafrica/africa-ilo-ear-ehrm-sex-age-cur-nb-median-hourly-earnings-of-employees-by-sex-and-age

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的员工按性别和年龄及货币划分的每小时收入中位数指标数据，覆盖非洲36个国家，时间跨度为1991年至2024年，共有11,338个观测值。数据按性别（总计、男性、女性）、年龄组和货币类型（本地货币）进行细分，适用于表格分类、回归和时间序列预测等机器学习任务。数据集由Electric Sheep Africa重新打包，以Parquet格式提供，并包含一致的元数据，便于使用HuggingFace的`load_dataset()`快速加载和分析。This dataset contains the Median hourly earnings of employees by sex and age and currency indicator from the International Labour Organization (ILO) ILOSTAT database, covering 36 African countries from 1991 to 2024, with 11,338 observations. The data is disaggregated by sex (total, male, female), age groups, and currency type (local currency), and is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting. Repackaged by Electric Sheep Africa in Parquet format with consistent metadata, it enables quick loading and analysis using HuggingFaces `load_dataset()`.

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）的ILOSTAT统计数据库为核心数据源，通过REST API直接获取指标代码为EAR_EHRM_SEX_AGE_CUR_NB的原始数据，并筛选出涵盖36个非洲国家的ISO3国家代码。ILOSTAT基于国际劳工统计学家会议（ICLS）定义，对各国劳动力调查、住户收入调查等微观数据进行标准化处理，确保跨国产出的可比性。Electric Sheep Africa团队进一步完成数据清洗、架构统一与Parquet格式封装，最终形成一份可直接用于机器学习与时间序列分析的数据集。

特点

数据集包含11,338条观测记录，时间跨度覆盖1991年至2024年，聚焦非洲大陆36个国家。其核心指标为按性别与年龄组划分的雇员时薪中位数，并辅以本地货币单位呈现。数据结构以细粒度维度见长，提供性别（总、男、女）、年龄分类等多维度拆解字段，每条记录均标注数据来源与观测状态标志，便于用户评估数据质量与时间序列一致性。该数据集以年度频率发布，并通过标准化Schema设计增强了跨国家、跨时期分析的可操作性。

使用方法

用户可通过HuggingFace的`datasets`库一行代码加载数据集：`load_dataset("electricsheepafrica/africa-ilo-ear-ehrm-sex-age-cur-nb-median-hourly-earnings-of-employees-by-sex-and-age")`，返回的数据可直接转换为Pandas DataFrame进行探索性分析。推荐实践包括：按`ref_area`筛选特定国家子集、对单一指标按时间排序后绘制趋势图，或利用透视表构建国家×年份矩阵，以对比各国时薪中位数的演变轨迹。数据集支持分类、回归与时间序列预测等多种下游任务。

背景与挑战

背景概述

劳动力市场中的收入差异一直是发展经济学与劳动经济学关注的核心议题，尤其在非洲大陆，由于统计基础设施薄弱、数据收集标准不一，对雇员小时收入中位数的系统性监测长期面临数据匮乏的困境。国际劳工组织（ILO）于2024年通过其ILOSTAT数据库发布了涵盖1991年至2024年间36个非洲国家、共计11338条观测值的雇员小时收入中位数数据集，由Electric Sheep Africa整理并重新打包为机器学习就绪格式。该数据集以性别与年龄为关键分类维度，旨在为研究非洲地区工资决定机制、性别收入差距及代际劳动经济变迁提供标准化、可比的基础数据，其发布为相关领域的实证研究注入了全新的动力。

当前挑战

该数据集在领域问题与构建过程中面临多重挑战。在领域层面，非洲各国收入数据来源极为异构，涉及劳动力调查、住户收支调查与行政记录等多种渠道，原始数据在采集频率、定义口径与质量控制上存在显著差异，如何通过ILO确定的“最佳来源”原则实现跨国的统计可比性是一项根本性难题。在构建技术上，ILOSTAT原始API返回数据需经非洲ISO3代码过滤、多维度分类变量（如性别、年龄组与货币类型）的标准化对齐，以及按年度频率的汇总处理；此外，部分观测值存在序列断裂、可靠性标记不定的情况，需在保留信息完整性与保证数据质量间谨慎权衡。

常用场景

经典使用场景

该数据集收录了1991年至2024年间36个非洲国家雇员按性别与年龄分组的时薪中位数数据，共计11,338条观测。其核心应用场景在于审视非洲大陆劳动力市场的薪酬结构演变，尤其在性别工资差异与代际收入流动方面。研究人员可借助sex与classif1等分类维度，系统性地刻画不同性别和年龄群体在各自经济周期中的薪资分布特征，从而为比较劳动经济学中的跨国面板分析提供坚实的数据基础。

衍生相关工作

基于该数据集的衍生工作已逐步涌现，尤其在利用时序方法预测工资变动趋势及基于性别与年龄分层构建收入流动性的计量模型方面。部分研究将其与ILOSTAT同一框架下的工作时长、就业率等指标进行关联分析，形成了关于非洲劳动力市场“工作质量”的综合评估体系。另有工作聚焦于数据质量标注（如obs_status中的序列中断标识）的挖掘，探讨统计调查方法更替对收入估计的潜在影响，推动了向数据源敏感性的方法论讨论。

数据集最近研究

最新研究方向

该数据集为非洲劳动力市场时薪性别与年龄差异研究提供了关键支撑，前沿方向聚焦于运用面板数据模型与时间序列分析，揭示1991至2024年间36个非洲国家员工中位时薪随性别和年龄动态演变的深层规律。当前热点围绕非正规就业转型与青年失业危机，研究者借助ILOSTAT统一方法论和精细化的性别-年龄分类，得以量化不同代际劳动者的薪酬鸿沟，并追踪国家层面的结构性断裂与制度变革冲击。该数据的推出弥合了非洲大陆高质量、长跨期工资面板数据的空白，为评估劳工政策成效、推动体面劳动议程及SDG目标监测提供了可靠基础，有力促进了对非洲劳动市场异质性与动态机制的实证理解。