electricsheepafrica/africa-ilo-ged-pear-sex-hht-geo-nb-average-monthly-earnings-of-prime-age-employees-by

该数据集包含非洲17个国家2005年至2024年间按性别、家庭类型和城乡区域划分的黄金年龄（prime-age）员工月平均收入统计数据，共1,181个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，涵盖单一核心指标（GED_PEAR_SEX_HHT_GEO_NB）。数据集包含国家代码、年份、性别分类、家庭类型分类、城乡区域分类、观测值及数据来源等字段，适用于表格分类、回归和时序预测等机器学习任务。This dataset contains 1,181 observations of average monthly earnings for prime-age employees across 17 African countries from 2005 to 2024, disaggregated by sex, household type, and rural/urban areas. The data is sourced from the International Labour Organizations ILOSTAT database via API, filtered for African countries, and covers one core indicator (GED_PEAR_SEX_HHT_GEO_NB). It includes fields such as country codes, year, sex classification, household type classification, area classification, observed values, and data sources, suitable for tabular classification, regression, and time-series forecasting tasks.

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直接获取指标`GED_PEAR_SEX_HHT_GEO_NB`的数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据随后依据非洲ISO3国家代码进行地理过滤，仅保留非洲17个国家的观测记录。Electric Sheep Africa团队对原始数据进行了重新封装，整合为统一的Parquet格式，确保了数据的高效存储与便捷加载。数据集中包含来自劳动力调查、住户收入调查等多种来源的年度数据，并通过`source.label`字段标注了每一条观测的具体来源，保证了数据的可追溯性与透明度。

特点

数据集共包含1,181条观测记录，覆盖了2005年至2024年间非洲17个国家的平均月收入数据。其核心特色在于精细的维度拆解：通过`sex`、`classif1`与`classif2`字段，数据可分别按性别（总、男、女）、家庭类型以及城乡区域进行多层次分解，为研究劳动力市场的结构性差异提供了宝贵素材。所有指标值均为年度频率，并经由ILO筛选的“最佳来源”进行呈现。此外，数据集还附带了观测状态标识符（如`U`表示不可靠），有助于用户在分析时评估数据质量，提升研究的严谨性。

使用方法

用户可通过HuggingFace的`load_dataset`函数直接加载该数据集，并轻松转换为Pandas DataFrame进行后续分析。使用示例包括：按国家代码过滤以聚焦单一国家的收入趋势；对特定指标进行时间序列排序与可视化；以及利用数据透视表构建国家-年份矩阵，便于跨区域比较。该数据集兼容表格分类、回归及时间序列预测等多种任务场景，适合经济学家、数据科学家及政策研究者探索非洲劳动力市场的收入动态，揭示不同性别、家庭结构与地域间的收入差距与演变规律。

背景与挑战

背景概述

在劳动经济学与发展研究领域，准确衡量非洲地区的工资水平对评估可持续发展目标（SDG）中体面劳动进展至关重要。国际劳工组织（ILO）作为全球劳动统计的权威机构，通过其ILOSTAT数据库整合各国劳动力调查数据，为政策制定提供依据。Electric Sheep Africa于2024年对该数据进行了重新封装，构建了涵盖17个非洲国家、时间跨度为2005至2024年的观测数据集，包含1181条关于“黄金年龄雇员平均月收入”的记录，可依据性别、家庭类型及城乡地域进行分层分析。该数据集弥补了非洲区域微观劳动收入数据分散、格式不统一的缺憾，为研究者提供了即时可用的机器学习就绪资源，显著降低数据获取与预处理门槛，推动了非洲劳动力市场定量研究的可复现性与规模化发展。

当前挑战

该数据集所解决的领域核心挑战在于非洲国家间劳动统计标准不一、数据获取滞后及收入数据细粒度不足，导致跨区域比较与时间序列分析困难重重。在实际构建过程中，面临三大难题：其一，源数据来源于多国劳动力调查与行政记录，各机构采样设计与指标定义各异，需依赖ILO基于国际劳工统计学家会议（ICLS）定义的协调流程，但部分来源因标记为“不可靠”而导致观测值置信度存疑。其二，数据呈现显著的时空不均衡性，如纳米比亚占有162行观测，而布基纳法索仅53行，且部分国家仅有单一年份数据，易引发统计推断偏差。其三，数据缺失与分类维度层级交错，如性别、家庭类型与地域三个分解维度并非所有观测均完整，需研究者审慎处理缺失模式以避免引入系统性误差。

常用场景

经典使用场景

该数据集收录了2005年至2024年间非洲17个国家的壮年雇员月均收入数据，按性别、家庭类型及城乡地域进行精细化分层。最为经典的使用场景是构建面板数据回归模型，探究非洲劳动力市场中收入水平的时空演变规律，例如分析城市化进程对不同性别雇员收入差距的调节效应，或评估家庭结构变动对劳动力报酬的异质性影响。此外，因其包含时间序列属性，研究者亦常借此开展断点回归或双重差分分析，以识别政策干预（如最低工资调整、就业促进计划）对特定群体收入的因果效应。

解决学术问题

该数据集有效填补了非洲大陆高质量、细粒度收入统计数据的长期空白，为劳动经济学、发展经济学和区域研究领域的学者提供了关键实证基础。它解决了传统研究中因数据匮乏而难以量化非洲国家内部收入不平等、性别收入差距的城乡分化以及家庭类型差异等核心学术问题。通过多维度分类变量，研究者得以剥离人口结构与地理特征的混杂效应，更精确地检验人力资本理论、劳动力市场分割假说在非洲语境下的适用性，从而深化对发展中国家收入决定机制的理论认知。

衍生相关工作

基于该数据集，已衍生出多项具有影响力的研究工作与数据基础设施。Electric Sheep Africa团队将其重新打包为机器学习友好的格式，使其能够无缝接入HuggingFace生态，催生了诸如自动化的非洲劳动力市场动态监测仪表盘和基于时间序列的短期收入预测模型。学术界则围绕该数据构建了多层次的劳动力市场面板数据库，与教育、健康等微观调查数据联动，形成了研究非洲人力资本积累与收入回报关系的复合数据集，为后续的元分析和比较制度研究奠定了坚实的数据基石。