electricsheepafrica/africa-ilo-ear-emtg-sex-mts-nb-gini-index-of-monthly-earnings-of-employees-by-sex

该数据集包含非洲44个国家从1991年至2024年的5,210个观测值，专注于收入与薪酬不平等主题。具体指标为按性别和婚姻状况分列的雇员月收入基尼指数（Gini index of monthly earnings of employees by sex and marital status），用于衡量收入分配的不平等程度。数据来源于国际劳工组织（ILO）的核心统计数据库ILOSTAT，通过权威调查（如劳动力调查、家庭收入调查）和行政记录收集，并经过ILO统一标准化处理。数据集以表格形式呈现，包含国家代码、年份、指标值、性别和婚姻状况分类等列，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains 5,210 observations across 44 African countries from 1991 to 2024, focusing on income and pay inequality. The specific indicator is the Gini index of monthly earnings of employees by sex and marital status, which measures the inequality of income distribution. The data is sourced from ILOSTAT, the central statistics database of the International Labour Organization (ILO), collected through authoritative surveys (e.g., labor force surveys, household income surveys) and administrative records, and harmonized by the ILO. The dataset is presented in tabular format, including columns such as country code, year, indicator value, and disaggregation by sex and marital status, making it suitable for machine learning tasks like tabular classification, regression, and time-series forecasting.

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接口直接抽取与非洲地区相关的指标数据，并依据非洲ISO3国家代码进行地理范围过滤。原始数据源自各国劳动力调查、家庭收入调查及行政记录等，经ILO依据国际劳工统计学家会议定义进行统一协调与标准化处理，确保了跨国家与跨年份数据的可比性。Electric Sheep Africa团队对原始数据进行了二次封装，将其整理为结构化的表格形式，并标注了数据来源的溯源信息，便于研究者追溯数据的原始出处。

特点

该数据集聚焦于非洲地区雇员月收入的基尼系数，按性别与婚姻状况进行细分，涵盖了44个非洲国家从1991年至2024年的5,210条观测记录，时间跨度长、地理覆盖广。数据不仅包含核心的衡量指标值，还提供了性别分类维度（总人口、男性、女性）、观测状态标志及数据来源等元信息，支持用户按国家、时间与分类进行精细化筛选。作为ML-Ready的Parquet格式数据集，它具备高度的机器可读性，尤其适合进行收入不平等领域的时序分析、跨国比较及机器学习建模研究。

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，并将其转换为Pandas DataFrame以便于后续处理。对于特定国家的分析，可利用'ref_area'字段进行过滤，例如筛选肯尼亚的数据。进行时序分析时，可按'indicator'字段定位至'Gini index'指标，并依据'time'字段排序后绘制观察值的变化趋势。此外，用户还可以通过透视表操作将数据重塑为国家×年份的矩阵格式，便于进行面板数据分析或可视化呈现。数据集兼容主流的Python数据科学生态，降低了非洲劳动经济学研究的编程门槛。

背景与挑战

背景概述

收入与薪酬不平等是劳动经济学与发展研究中长期关注的核心议题，尤其是在非洲大陆，结构性贫困、性别歧视与不充分就业相互交织，使得精准测度收入分配状况成为制定有效政策的前提。该数据集由国际劳工组织（ILO）统计部门基于其ILOSTAT数据库整理，经Electric Sheep Africa于2024年重新封装并发布，涵盖1991年至2024年间44个非洲国家的5,210条观测值，聚焦于“按性别与婚姻状况划分的雇员月收入基尼系数”这一核心指标。数据集通过整合劳动力调查、家庭收入调查等微观数据源，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理，为研究者提供了跨时间、跨国家的可比面板数据，对追踪非洲国家收入不平等演变趋势、评估劳动政策效果以及推动可持续发展目标（SDGs）中体面工作议题的研究具有重要支撑作用。

当前挑战

该数据集在其领域内所面临的挑战主要体现为三个方面。其一，非洲大陆原始调查数据覆盖不均衡，部分国家如毛里求斯、埃及拥有连续多年观测，而二十余个国家样本稀疏，导致基尼系数估计的时空可比性受限。其二，数据源质量参差不齐，不同来源（如劳动力调查与行政记录）采用的问卷设计、调查频率及统计口径存在差异，ILO虽筛选‘最佳来源’以保证一致性，但观测状态标注（如‘序列中断’、‘初步数据’）仍提示用户需谨慎处理结构性断点。其三，构建层面，API数据抽取需处理时区不一致、分类编码（如婚姻状态聚合类别）在不同年份的语义漂移问题，加之部分指标仅发布年度数据而缺失更高频序列，限制了时间序列建模的精度与粒度。

常用场景

经典使用场景

在劳动经济学与不平等研究领域，该数据集最为经典的使用场景是对非洲国家内部及跨国的性别收入不平等进行纵向与横向比较分析。凭借覆盖44个非洲国家、横跨1991至2024年的5,210条观测记录，研究者可借助基尼系数这一标准化度量，按性别及婚姻状况细致剖析雇员月收入的分布离散程度。该数据集尤其适合构建面板数据模型，用以揭示经济发展阶段、劳动力市场制度变迁或社会政策干预如何调节不同性别群体的收入差距，从而为理解非洲大陆收入分配格局的动态演化提供坚实的数据基础。

衍生相关工作

该数据集衍生出的相关工作涵盖了从方法创新到实证拓展的多元方向。在方法论层面，研究者利用其时间序列特性开发了面向稀疏面板数据的缺失值插补算法，或基于贝叶斯层次模型对基尼系数进行跨国稳健估计。在实证层面，经典工作包括将本数据集与非洲各国微观调查数据（如LSMS、DHS）相结合，构建多层级回归模型以分离个体特征与宏观制度对收入不平等的贡献。此外，亦有学者将其与ILOSTAT的其他劳动指标（如失业率、非正规就业比例）联合分析，揭示了收入不平等与劳动力市场脆弱性之间的共变模式，深化了对于非洲收入分配机制的系统认知。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区雇员月收入的性别与婚姻状况基尼系数，为劳动经济学与不平等研究提供了横跨44国、三十余年的面板数据。近期前沿研究方向集中于利用时间序列与表格回归模型，量化非洲大陆内部由性别鸿沟与婚姻状态差异驱动的收入分配极化现象，并与国际劳工组织ILO的SDG体面劳动目标相呼应。该数据集的发布恰逢全球对后疫情时代贫困与结构不平等关注加剧之际，其精细化分类（如按性别与婚姻状况拆分）有助于揭示传统总基尼系数所遮蔽的交叉性不公正，为非洲各国制定针对性薪酬平等政策及评估劳动力市场结构性改革提供了可靠证据，对推动区域包容性增长具有显著学术与决策意义。