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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家雇员小时收入中位数数据。数据集涵盖36个非洲国家，时间跨度为1991年至2024年，共包含42,232条观测记录。核心指标为按性别、经济活动和货币分类的雇员小时收入中位数（指标代码：EAR_EHRM_SEX_ECO_CUR_NB）。数据提供了详细的分类维度，包括性别（总计、男性、女性）、经济活动和货币类型。数据集结构包含国家代码、国家名称、数据来源、指标代码、指标名称、分类变量、观测年份、观测值、观测状态及相关注释等列。数据来源于ILO harmonised的原始调查微数据，使用国际劳工统计学家会议（ICLS）定义进行处理，并标注了来源以便追溯。该数据集适用于表格分类、表格回归和时间序列预测等任务，主要用于劳动经济学、收入不平等研究和非洲区域经济分析。数据集由Electric Sheep Africa重新打包，以Parquet格式提供，便于机器学习使用。This dataset contains median hourly earnings data for employees in African countries, sourced from the International Labour Organization (ILO) ILOSTAT database. It covers 36 African countries from 1991 to 2024, with 42,232 observations. The core indicator is Median hourly earnings of employees by sex, economic activity and currency (indicator code: EAR_EHRM_SEX_ECO_CUR_NB). The data provides detailed disaggregation dimensions including sex (total, male, female), economic activity, and currency type. The dataset schema includes columns such as country code, country name, data source, indicator code, indicator name, classification variables, observation year, observed value, observation status, and related notes. The data is derived from ILO-harmonized raw survey microdata using International Conference of Labour Statisticians (ICLS) definitions, with source flags for traceability. It is suitable for tabular classification, tabular regression, and time-series forecasting tasks, primarily for labor economics, income inequality research, and African regional economic analysis. The dataset is repackaged by Electric Sheep Africa in Parquet format for machine learning readiness.

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统计数据库，通过REST API接口直接获取指标代码为EAR_EHRM_SEX_ECO_CUR_NB的原始数据，并依据非洲ISO3国家代码进行地理范围筛选。ILO依据国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行统一协调处理，来源信息在source.label列中予以标注，确保数据的可追溯性与标准化。数据集由Electric Sheep Africa重新打包，以Parquet格式发布，便于机器学习研究者直接使用。

特点

该数据集汇集了1991年至2024年间36个非洲国家雇员每小时工资中位数的观测数据，共计42,232条记录。数据按性别、经济活动领域和货币类型进行细粒度分类，涵盖总人口、男性和女性三个性别维度，并提供多层级经济行业分类与本地货币计价信息。每条观测均附带来源编码、数据质量状态标识及详细注释，便于用户评估数据可靠性。数据集的时间跨度超过三十年，覆盖多个非洲经济体，为劳动经济学与收入不平等研究提供了宝贵的时间序列资料。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载该数据集，并转换为pandas DataFrame进行后续分析。基于ref_area列可筛选特定国家数据，利用indicator列提取单一指标的时间序列，通过pivot_table方法可构建国家×年份的观测矩阵。数据集的分类变量包括性别、经济活动和货币代码，用户可根据研究需要灵活选择子集进行回归分析、时间序列预测或分类建模。推荐在使用时同时引用ILO原始数据和Electric Sheep Africa的重打包版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下的ILOSTAT数据库整理，并经Electric Sheep Africa于2024年重新打包发布，聚焦于非洲36个国家1991至2024年间按性别、经济活动与货币划分的雇员中位数小时收入。ILOSTAT作为全球劳动统计的权威来源，基于各国劳动力调查、家庭收入调查及行政记录，遵循国际劳工统计学家会议（ICLS）定义进行数据协调。该数据集涵盖42,232条观测，为研究非洲劳动力市场的不平等结构、性别工资差异及经济发展时间序列提供了标准化、可复现的量化基础，填补了该区域微观劳动收入数据的不足，对发展经济学与劳动经济学研究者具有重要参考价值。

当前挑战

该数据集所应对的领域挑战在于非洲大陆劳动收入数据的碎片化与不可比性。各国调查口径、货币单位及经济分类的差异使得跨国家、跨时期的收入比较极为困难。ILOSTAT通过统一指标定义与协调流程缓解了这一问题，但数据集仍面临自身构建中的挑战：数据覆盖存在显著不均衡，如毛里求斯与埃及的观测数量远超其他诸国，部分国家仅存零星年份的记录，导致面板数据的不完备性。此外，观测值状态标签（如“不可靠”）揭示底层微观数据的质量波动，而货币换算与通货膨胀调整的缺失限制了实际工资趋势的精确分析。

常用场景

经典使用场景

该数据集收录了1991至2024年间非洲36个国家的雇员小时工资中位数，涵盖性别、经济活动部门及货币类别等关键维度，共42,232条观测记录。其经典使用场景集中于劳动经济学领域的跨国比较分析与时间序列建模。研究者可借助该数据集构建面板数据模型，探究非洲各国工资水平的长期演变趋势、性别工资差距的收敛或扩大特征，以及不同经济部门（如农业、制造业、服务业）间的薪酬分化格局。由于数据源自国际劳工组织（ILO）权威统计数据库ILOSTAT，并经标准化整理，用户可直接利用Python的load_dataset()函数加载，快速开展跨国回归分析、动态面板估计或贝叶斯分层建模，为理解非洲大陆劳动力市场的结构性变迁提供坚实的数据基础。

解决学术问题

该数据集核心解决了非洲劳动经济学研究中长期存在的跨国可比微观数据匮乏的难题。传统上，非洲各国的工资统计分散于不同调查体系，口径不一、时间断层严重，难以支撑严谨的计量分析。此数据整合了36国跨越三十余年的标准化小时工资中位数，并提供了性别细分维度，使得研究者能够准确度量性别工资差距的幅度及演变路径，检验经济结构转型（如从农业向服务业转移）对薪酬分布的影响。此外，通过引入货币类别变量，该数据集还支持对实际工资购买力进行跨国校正，从而深入探讨全球化、贸易政策与国际劳工标准对非洲工人福利的真实效应，为制定包容性增长策略提供了实证依据。

衍生相关工作

基于此数据集，学术界已衍生出一系列聚焦非洲劳动力市场的实证研究。典型工作包括运用双重差分法评估最低工资政策对特定国家（如南非、埃及）就业与工资水平的因果效应，或将时间序列分解技术应用于毛里求斯和坦桑尼亚的工资数据，识别季节性波动与长期趋势。另有研究将性别维度与经济活动分类相结合，构建非线性回归模型，揭示女性在非正规经济部门的薪酬劣势及其与正规化政策之间的关联。此外，部分研究者利用该数据集的货币类别变量，计算实际工资的时间序列并进行跨国购买力平价调整，从而在区域一体化（如非洲大陆自由贸易区）的背景下，探讨工资趋同假说是否成立。这些工作显著深化了学界对非洲劳动市场异质性的理解。