electricsheepafrica/africa-ilo-ear-ehrm-sex-geo-cur-nb-median-hourly-earnings-of-employees-by-sex-rural-u

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲地区员工每小时收入中位数统计数据，具体指标为EAR_EHRM_SEX_GEO_CUR_NB（按性别、城乡地区和货币划分的员工每小时收入中位数）。数据集涵盖33个非洲国家，时间跨度为2001年至2024年，共包含3,219个观测值。数据通过ILOSTAT REST API获取，并经过ILO根据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包含多个维度列，如国家代码、数据来源、指标、性别分类（总计、男性、女性）、城乡分类、货币类型、观测年份、观测值及数据质量标志等，适用于表格分类、回归和时间序列预测等任务。This dataset contains median hourly earnings statistics for employees in Africa from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator EAR_EHRM_SEX_GEO_CUR_NB (Median hourly earnings of employees by sex, rural / urban areas and currency). It covers 33 African countries from 2001 to 2024, with 3,219 observations. Data is sourced directly from the ILOSTAT REST API and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions. The dataset includes columns such as country code, data source, indicator, sex disaggregation (total, male, female), area classification, currency type, observation year, observed value, and data quality flags, making it suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过其REST API接口直接提取，并基于非洲ISO3国家代码进行过滤筛选。原始数据涵盖2001年至2024年间33个非洲国家的劳动力调查、家庭收入调查及行政记录等多元来源，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调处理。数据集包含3,219条观测记录，并由Electric Sheep Africa团队重新封装为Parquet格式，确保数据以标准化结构呈现，便于机器学习直接调用。

特点

该数据集聚焦于非洲地区雇员按性别、城乡区域及货币分类的每小时收入中位数指标（EAR_EHRM_SEX_GEO_CUR_NB），兼具时空跨度与精细化分类维度。数据涵盖33个国家，时间序列长达24年，提供共计15个字段的详细元数据，包括ISO国家代码、数据来源标签、性别分类（总/男/女）、区域类型（全国/城乡）及货币类型（本币）等。此外，观测值附有状态标记（如不可靠标识），便于数据质量评估与过滤使用。

使用方法

用户可通过HuggingFace Datasets库以load_dataset()函数一键加载数据，随后转换为Pandas DataFrame进行探索性分析。示例操作包括按国家筛选子集（如肯尼亚）、对特定指标进行时间序列可视化，以及通过透视表构建国家×年份矩阵以观察跨时空分布模式。数据预处理阶段建议关注obs_status列的质量标记，并根据分析需求决定是否排除标记为不可靠的观测值。推荐在学术引用时注明原始ILO来源及Electric Sheep Africa的重封装版本。

背景与挑战

背景概述

在劳动经济学与发展研究的交汇点上，工资数据是理解劳动力市场结构、性别不平等及区域经济分化的核心指标。该数据集由国际劳工组织（ILO）统计部门创建，经由Electric Sheep Africa于2024年重新整合并发布于HuggingFace平台，专注于非洲33个国家2001至2024年间雇员按性别和城乡划分的时薪中位数。数据集以ILOSTAT这一全球权威劳动统计数据库为根基，利用了ILO基于国际劳工统计学家会议（ICLS）定义的调查微观数据，覆盖3,219条观测记录，旨在揭示非洲大陆内工资差异的时空演变。其核心研究问题聚焦于性别工资差距与城乡经济板结程度，为评估可持续发展目标（SDG）中的体面工作指标提供了关键定量基础，对非洲区域发展政策设计及跨国产出比较具有显著的学术与应用价值。

当前挑战

该数据集所应对的领域挑战在于，非洲地区长期面临劳动收益数据的碎片化、低频更新以及跨国可比性缺失等核心问题。数据构建过程中需克服多重障碍：首先，各国统计能力与调查周期参差不齐，导致部分国家（如坦桑尼亚、肯尼亚）观测跨度不连续或缺失近年数据，造成时序上的缺口；其次，不同来源（如劳动力调查与行政记录）的微观数据在货币单位、地域分类（如城市/农村界定）及性别编码逻辑上存在异构性，ILO虽进行统一协调，但残留的标记（如“不可靠”状态）提示数据质量仍需审慎对待；再者，城乡二元维度与当地货币计价增加了汇率波动及购买力平价折算的复杂性，使得跨国家聚合分析面临通胀与选币偏误的困扰。

常用场景

经典使用场景

在非洲劳动力市场的研究中，该数据集被广泛用于分析性别与地域差异对工资水平的影响。研究人员常利用其按性别（男性、女性、总体）和城乡分类的每小时收入中位数数据，构建面板数据模型，以揭示非洲各国工资结构的演变特征。例如，通过对比不同国家在2001年至2024年间的收入差距趋势，学者能够量化城市化进程与性别平等政策对劳动力市场的实际作用。该数据集的时间序列属性也使其适用于预测性建模，如利用历史工资数据训练回归模型，推演未来收入变动的可能路径。

实际应用

在实际应用中，该数据集为国际发展机构与非洲各国政府制定劳动政策提供了数据支撑。例如，国际劳工组织可依据城乡间与性别间的收入中位数差异，精准定位工资不平等程度较高的地区，从而设计差异化的最低工资调整方案或职业培训项目。非政府组织与政策研究中心则借助该数据监测可持续发展目标中关于体面工作与经济增长的进展，评估特定扶贫举措对弱势群体收入的实际改善效果。企业也可利用这些信息评估不同市场的劳动力成本，优化区域投资与人力布局。

衍生相关工作

该数据集衍生出多项经典研究，主要集中在三个方向：一是基于性别工资差距的跨国比较研究，学者们利用其性别分类字段构建迪基-格勒分解模型，量化职业隔离与歧视性差异对收入差距的贡献。二是时间序列预测工作，如采用ARIMA或LSTM模型对埃及、南非等国的中位小时收入进行趋势外推，为劳动力市场预警提供工具。三是空间数据整合项目，将本数据集与健康、教育等其他非洲指标库合并，构建综合性的非洲可持续发展评估框架，推动了跨国面板数据在机器学习中的创新应用。