five

World Bank Poverty and Equity Database|贫困数据集|不平等数据集

收藏
datacatalog.worldbank.org2024-10-26 收录
贫困
不平等
下载链接:
https://datacatalog.worldbank.org/dataset/poverty-and-equity-database
下载链接
链接失效反馈
资源简介:
该数据集包含了全球贫困和不平等的相关数据,涵盖了收入、消费、贫困线、不平等指标等多个方面。数据集提供了详细的国别和区域数据,帮助研究人员和政策制定者分析和理解全球贫困和不平等的现状及趋势。
提供机构:
datacatalog.worldbank.org
AI搜集汇总
数据集介绍
main_image_url
构建方式
World Bank Poverty and Equity Database的构建基于全球范围内的经济和社会数据,由世界银行通过其广泛的国际合作网络收集。数据涵盖了多个国家和地区的贫困与公平指标,包括收入分配、贫困率、生活水平等。这些数据通过标准化处理和质量控制,确保了其在全球范围内的可比性和可靠性。
特点
该数据集的特点在于其全面性和时效性。它不仅包含了历史数据,还定期更新,反映了全球贫困和公平状况的最新动态。此外,数据集提供了多维度的贫困衡量指标,如收入、教育、健康等,使得研究者能够进行深入的跨领域分析。
使用方法
使用World Bank Poverty and Equity Database时,研究者可以根据具体研究需求选择不同的数据维度进行分析。数据集支持多种数据检索和下载方式,包括在线查询、API接口和批量数据下载。用户可以通过世界银行的官方网站或相关研究平台访问和使用这些数据,进行贫困与公平问题的研究、政策制定和学术探讨。
背景与挑战
背景概述
世界银行贫困与公平数据库(World Bank Poverty and Equity Database)是由世界银行于2000年代初发起的一项重要数据收集与分析项目。该数据库旨在为全球政策制定者、研究人员和公众提供关于贫困和不平等的详细数据,以支持可持续发展目标的实现。通过整合来自多个国家和地区的经济、社会和人口统计数据,该数据库为全球贫困和不平等问题的研究提供了宝贵的资源。世界银行通过这一数据库,不仅推动了贫困和不平等问题的量化研究,还为全球减贫政策的制定和实施提供了科学依据。
当前挑战
尽管世界银行贫困与公平数据库在提供全球贫困和不平等数据方面具有重要价值,但其构建过程中仍面临诸多挑战。首先,数据来源的多样性和质量不一,导致数据整合和标准化过程复杂。其次,不同国家和地区的数据收集方法和频率存在差异,增加了数据一致性和可比性的难度。此外,随着全球经济和社会环境的快速变化,数据库需要不断更新和扩展,以反映最新的贫困和不平等状况。这些挑战要求世界银行在数据收集、处理和分析技术上不断创新,以确保数据库的准确性和时效性。
发展历史
创建时间与更新
World Bank Poverty and Equity Database由世界银行于2000年首次发布,旨在提供全球贫困和不平等的全面数据。该数据库定期更新,最新版本通常每年发布一次,以反映全球经济和社会状况的最新变化。
重要里程碑
该数据集的重要里程碑包括2006年引入多维贫困指数,这一创新方法超越了传统的收入贫困测量,提供了更全面的贫困评估。2012年,数据库增加了性别不平等指标,进一步丰富了其分析维度。此外,2018年,世界银行推出了全球贫困线更新,将国际贫困线从每人每天1.90美元调整为1.90美元,这一调整标志着全球贫困测量标准的重大进步。
当前发展情况
当前,World Bank Poverty and Equity Database已成为全球政策制定者和研究者的重要工具,提供了关于贫困、收入分配和财富不平等的详尽数据。该数据库不仅支持全球减贫目标的实现,还促进了国际社会对可持续发展目标(SDGs)的监测和评估。通过持续的数据更新和技术创新,该数据库在推动全球经济公平和社会正义方面发挥了关键作用,为全球贫困和不平等问题的研究提供了坚实的基础。
发展历程
  • 世界银行首次发布贫困与公平数据库,旨在提供全球贫困和不平等的详细数据。
    2000年
  • 数据库进行了重大更新,增加了更多国家和地区的数据,并引入了新的指标,如多维贫困指数。
    2005年
  • 世界银行贫困与公平数据库首次应用于全球贫困报告,成为国际社会评估贫困状况的重要工具。
    2010年
  • 数据库再次更新,引入了可持续发展目标(SDGs)相关的数据,为全球减贫和公平发展提供了新的数据支持。
    2015年
  • 面对新冠疫情的影响,数据库迅速更新了全球贫困和不平等的最新数据,为政策制定者提供了关键信息。
    2020年
常用场景
经典使用场景
在经济学和社会科学领域,World Bank Poverty and Equity Database 常被用于分析全球贫困和不平等现象。研究者利用该数据集,通过多维度的贫困指标,如收入、教育和健康等,深入探讨不同国家和地区贫困的成因与趋势。此外,该数据集还支持跨国比较研究,帮助学者识别贫困和不平等的全球模式与区域差异。
解决学术问题
World Bank Poverty and Equity Database 解决了多个重要的学术研究问题。首先,它为贫困和不平等的测量提供了标准化和一致性的数据,使得跨时间和空间的研究成为可能。其次,该数据集通过丰富的变量和详细的统计数据,帮助学者揭示贫困和不平等的深层结构,从而为政策制定提供科学依据。此外,它还促进了贫困和不平等的跨学科研究,推动了经济学、社会学和公共政策等领域的理论发展。
衍生相关工作
World Bank Poverty and Equity Database 的发布催生了一系列相关的经典研究工作。例如,学者们基于该数据集,开发了多种贫困和不平等的测量模型,如多维贫困指数(MPI)和基尼系数。这些模型不仅丰富了贫困研究的理论框架,还为实际政策提供了量化工具。此外,该数据集还激发了大量关于贫困和不平等的实证研究,推动了全球减贫议程的进展。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

stock_predicted

该数据集可用于循环神经网络的学习,股票预测数据集通常包含与股票市场相关的各种数据,目的是用于训练和测试机器学习模型,以预测股票价格或市场趋势。以下是一些常见的特征和数据类型,通常会在股票预测数据集中找到: 1. 基本特征 日期:每个数据点的日期。 开盘价(Open):股票在交易开始时的价格。 收盘价(Close):股票在交易结束时的价格。 数据集下载链接见:http://t.csdnimg.cn/VnnfE 代码学习也可见博主海里有太阳

阿里云天池 收录

Kaggle - Digit Recognizer

该数据集包含手写数字(0-9)的图像数据,用于训练和测试数字识别模型。数据集包括训练集和测试集,训练集包含42000个样本,每个样本是一个28x28像素的灰度图像,以及对应的标签。测试集包含28000个样本,用于评估模型的性能。

www.kaggle.com 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2020)

中国区域地面气象要素驱动数据集(China Meteorological Forcing Data,以下简称 CMFD)是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素,时间分辨率为 3 小时,水平空间分辨率为 0.1°,时间长度为 70 年(1951~2020 年),覆盖了 70°E~140°E,15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据,并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品,其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展,其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本,而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集,但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外,在制作 CMFD 2.0 的过程中,研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息,显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时,CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年,并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同,但其有效数据扩展到了中国之外,能够更好地支持跨境区域研究。为方便用户使用,CMFD 2.0 还在基础变量集之外提供了若干衍生变量,包括近地面相对湿度、雨雪分离降水产品等。此外,CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术,转而直接将实型数据压缩存储于 NetCDF4 格式文件中,从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7,但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变,故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中,计划于 2025 年上半年发布,从而使 CMFD 2.0 延伸至 2024 年底。

国家青藏高原科学数据中心 收录

Asteroids by the Minor Planet Center

包含所有已知小行星的轨道数据和观测数据。数据来源于Minor Planet Center,格式包括Fortran (.DAT)和JSON,数据集大小为81MB(压缩)和450MB(未压缩),记录数约750,000条,每日更新。

github 收录