electricsheepafrica/africa-ilo-ear-emta-sex-cbr-nb-average-monthly-earnings-of-employees-by-sex-and-p

该数据集包含非洲31个国家从1991年至2025年间的851条观测数据，核心指标为EAR_EMTA_SEX_CBR_NB，即按性别和出生地划分的员工平均月收入（本地货币）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为非洲国家。数据集提供了详细的模式，包括国家代码、年份、性别分类（总计、男性、女性）、出生地分类、观测值及其状态等列。数据以年度频率发布，涵盖就业和工资相关统计，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Africa重新打包，以CC-BY-4.0许可证发布。This dataset contains 851 observations across 31 African countries from 1991 to 2025, focusing on the indicator EAR_EMTA_SEX_CBR_NB, which represents Average monthly earnings of employees by sex and place of birth (local currency). Sourced from the International Labour Organization (ILO)s ILOSTAT database via REST API and filtered for African countries, it includes a detailed schema with columns such as country code, year, sex disaggregation (total, male, female), place of birth classification, observed values, and status flags. The data is annual and covers labour and employment statistics, suitable for tabular classification, regression, and time-series forecasting tasks. Repackaged by Electric Sheep Africa and released under the CC-BY-4.0 license.

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中央统计数据库，通过REST API接口直接抽取指标`EAR_EMTA_SEX_CBR_NB`（按性别和出生地划分的雇员平均月薪，以当地货币计）的原始数据，并依据非洲ISO3国家代码进行过滤筛选。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查、机构调查及行政记录等微观数据进行协调统一，数据来源的详细信息在`source.label`列中予以标注，以确保可追溯性。Electric Sheep Africa团队将这些数据重新封装为标准化格式，并整合为包含851条观测记录、覆盖31个非洲国家、时间跨度为1991年至2025年的数据集。

特点

本数据集的核心特点在于其聚焦于非洲大陆的劳动力市场收入维度，提供了按性别（总、男、女）和出生地（本地与外国出生）交叉分类的雇员平均月薪信息，为研究非洲地区的工资差异、性别收入不平等及移民劳动力经济融入等议题提供了稀缺的微观数据支撑。数据集包含`ref_area`、`sex`、`classif1`、`time`、`obs_value`等关键字段，并附有观测状态标识（如数据临时性、断点等）及注释信息，使得数据质量评估更为透明。此外，数据集经过Electric Sheep Africa的统一架构规范化处理，以Parquet格式存储，便于直接进行机器学习与时间序列分析。

使用方法

研究人员可通过`datasets`库的一行代码`load_dataset("electricsheepafrica/africa-ilo-ear-emta-sex-cbr-nb-average-monthly-earnings-of-employees-by-sex-and-p")`快速加载数据集，并将其转换为Pandas DataFrame以便进行探索性分析。典型使用场景包括按国家代码（如`ref_area == "KEN"`）过滤出特定国家数据，或对指标进行时间序列的可视化与趋势分析。数据集还支持构建国家×年份的透视矩阵，便于进行面板数据分析或计量经济学建模。需要注意的是，数据为年度频率，且当同一国家同年存在多个数据来源时，ILO选取了“最佳来源”以保证一致性，研究人员在使用时需关注`obs_status`字段以识别数据质量标记。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，经由Electric Sheep Africa重新封装至HuggingFace平台，聚焦非洲31个国家1991至2025年间员工月均收入（以本币计）按性别与出生地分层的统计数据。数据集源于ILOSTAT数据库，后者是全球劳动统计领域的权威来源，基于各国劳动力调查、家庭收入调查及行政记录等多元渠道，遵循国际劳工统计学家会议（ICLS）定义进行数据协调。核心研究问题在于揭示非洲大陆劳动力市场中性别与移民身份对收入水平的交互影响，为劳动经济学、移民研究及可持续发展目标（SDG）中体面工作指标的监测提供颗粒化证据。作为首项系统性覆盖非洲多国、跨越三十余年的可比较收入数据集，其开放性与细粒度特性为区域劳动力市场分析、政策评估与机器学习建模奠定了重要基础。

当前挑战

该数据集面临的挑战首先来自领域问题层面：非洲劳动力市场中普遍存在的非正规就业（如家庭佣工、临时工）导致大量收入数据未被官方调查有效捕捉，使得观测值可能低估真实的不平等程度；同时，不同国家间本币汇率波动、通货膨胀率差异及购买力平价衡量标准的缺失，使得跨国收入比较存在内在偏差。在构建过程中，ILO需应对各国调查方法、问卷设计及统计口径的历史断裂（如标志位'Break in series'所示），通过'最佳来源'筛选机制在数据连续性与国家间可比性间权衡；此外，性别与出生地维度的缺失值问题显著——仅1个核心指标搭配有限的分类变量（如性别仅含3个取值），限制了多变量交互分析和因果推断的深度，而年度频次数据亦无法捕捉季节性波动或短期政策冲击的即时效应，对时间序列预测模型的精度构成制约。

常用场景

经典使用场景

该数据集汇聚了1991年至2025年间非洲31个国家的雇员月平均收入数据，并按性别与出生地进行了细致分列，为劳动经济学与区域发展研究提供了宝贵的时间序列素材。经典的应用方式是以国家或性别为分组变量，绘制收入随时间演变的趋势曲线，或构建面板数据模型以剖析收入差距的深层诱因。研究者常借助该数据集考察全球化背景下非洲劳动力市场的动态演变，尤其关注跨境移民与本地劳动者在薪酬回报上的差异。此外，通过结合ILO的就业调查背景信息，还能对特定国家收入数据的统计口径与测算方法进行回溯验证，从而提升跨国比较的严谨性与可解释性。

衍生相关工作

围绕该数据集已衍生出多种深化研究的经典工作，其中最具代表性的是将其嵌入时空加权回归模型，以揭示国家间制度环境、劳动力市场规模及产业结构对薪酬异质性的调节作用。部分学者进一步将其与ILO的失业率或非正规就业数据横向拼接，构建包含多维度劳动指标的综合性面板数据，藉此探析薪酬变动与劳动力流动、就业质量之间的内生关联。在机器学习领域，也有研究者尝试利用其年份、性别、地域等特征，构建预测模型估计薪酬受经济危机或政策改革冲击后的潜在走向。这些衍生工作不仅拓宽了数据本身的应用边界，更强化了其在发展经济学与劳动市场智能研判中的枢纽地位。

数据集最近研究

最新研究方向

该数据集聚焦非洲地区雇员月均收入的性别与出生地差异，为劳动经济学与不平等研究提供了关键微观数据支撑。当前前沿方向包括：结合ILOSTAT官方统计与机器学习方法，构建时间序列模型以预测非洲国家劳动力市场波动；通过性别与出生地交叉分类，解析移民群体在非洲本土就业市场中的收入分化机制；以及利用该数据验证非洲大陆自由贸易区（AfCFTA）政策对跨境劳动力收入趋同的潜在影响。作为ILO标准化统计的非洲子集，其严谨的调查方法论与多年跨度记录，使其成为评估区域社会公平、追踪可持续发展目标（SDG 8.5）中体面工作与同工同酬进展的核心基础资源。