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

该数据集包含了非洲45个国家从1991年至2024年间的员工月收入基尼指数数据（按性别划分），共计606个观测值。核心指标为EAR_EMTG_SEX_NB，即按性别划分的员工月收入基尼指数。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，涉及收入与薪酬不平等主题。数据集提供了国家代码、年份、性别（总计、男性、女性）、观测值、数据来源、观测状态等详细列信息，适用于表格分类、回归或时间序列预测等任务。数据由Electric Sheep Africa重新打包，以标准化模式发布，便于机器学习使用。This dataset contains 606 observations of the Gini index of monthly earnings of employees by sex across 45 African countries, spanning from 1991 to 2024. The core indicator is EAR_EMTG_SEX_NB, which measures income and pay inequality. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database. It includes columns such as country code, year, sex disaggregation (total, male, female), observed value, data source, and observation status. Repackaged by Electric Sheep Africa, it is designed for tabular classification, regression, or time-series forecasting tasks in a machine-learning-ready format.

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核心统计数据库，通过其REST API直接获取指标EAR_EMTG_SEX_NB的观测值，并依据非洲ISO3国家代码进行地理范围筛选。原始数据由各国劳动力调查、家庭收入调查及行政记录等资料经ILO统计局采用国际劳工统计学家会议（ICLS）定义进行统一归并与标准化，保证了跨国可比性。针对同一国家与年份存在多重来源的情况，数据集采纳了ILO选定的“最佳来源”以确保数据质量。构建过程中保留了源数据标识列（source.label），以维持数据的可追溯性与透明度。最终整理为606条观测记录，覆盖45个非洲国家，时间跨度从1991年至2024年。

特点

该数据集聚焦于非洲地区雇员月收入基尼系数的性别分异，是衡量收入与薪酬不平等的关键指标。其核心特色在于融合了时间序列、跨国面板与性别维度（总计、男性、女性）的三重结构，为研究非洲劳动力市场中的性别收入差距提供了精细化的数据支撑。数据涵盖45个非洲国家，时间跨度长达三十余年，为纵向趋势分析和横向比较研究奠定了坚实基础。此外，数据集采用标准化的模式设计，包含国家代码、指标标识、观测值、状态标记及注释信息等字段，便于研究者快速理解与验证数据背景。

使用方法

数据集可通过HuggingFace的datasets库便捷加载，用户执行load_dataset('electricsheepafrica/africa-ilo-ear-emtg-sex-nb-gini-index-of-monthly-earnings-of-employees-by-sex')即可获得Pandas DataFrame格式的完整样本。研究者可按国家代码筛选特定国家的子集，亦可针对单一指标按时间排序后进行时间序列的可视化分析。同时，数据集支持透视表操作，能够高效地将数据重塑为以年份为行、国家为列的矩阵形式，便于进行多国对比或构建面板数据模型。所有功能均基于列式存储和标准化字段名称实现，降低了数据处理的前期成本。

背景与挑战

背景概述

在劳动经济学与收入分配研究领域，性别收入差距及其测度一直是政策制定与学术探讨的核心议题。基尼系数作为衡量收入不平等程度的经典指标，其按性别分层的计算能够揭示劳动力市场中结构性差异的动态演变。由国际劳工组织（ILO）统计部门创建的ILOSTAT数据库，自1999年起系统整合全球劳工统计指标，成为该领域最具权威性的数据来源之一。在此基础上，Electric Sheep Africa于2024年发布了专门聚焦非洲大陆的性别基尼指数数据集，涵盖45个非洲国家、时间跨度从1991年至2024年，共计606条观测记录。该数据集的核心研究问题在于通过标准化的收入不平等指标，量化非洲地区男女雇员月收入分布的差异，为理解非洲劳动力市场的性别平等进程、评估社会保障政策效果以及追踪可持续发展目标（SDG）中体面工作指标提供关键数据支撑。其发布尤其为机器学习模型在区域经济不平等预测、性别差异动态分析等方向开辟了新的研究路径。

当前挑战

该数据集所解决的领域问题核心在于非洲地区性别收入不平等量化分析的长期数据匮乏。传统统计数据多聚焦国家层面加总指标，缺少按性别、时间序列细分的精细观测，导致研究者难以揭示收入差距的演变规律及其驱动因素。此外，非洲各国数据采集能力参差，调查方法与定义标准不一，跨国的可比性面临严峻挑战。在构建过程中，主要挑战体现为三方面：其一，数据源异构性——原始数据来源于多个国家的劳动力调查、家庭收入调查与行政记录，需通过ILO统计部门基于国际劳工统计学家会议（ICLS）定义进行复杂的协调统一；其二，数据稀疏性与时效性——45个国家中，部分国家仅有少量年份观测值（如马里仅2013-2024年间33条记录），数据时间序列不连续，且部分观测状态标记为“序列断裂”或“临时数据”，增加了模型训练与推断的不确定性；其三，指标维度局限——当前仅包含性别维度分组，缺乏行业、职业、教育程度等更细粒度分类，限制了收入不平等结构成因的深入分析。

常用场景

经典使用场景

该数据集汇集了国际劳工组织（ILOSTAT）中覆盖45个非洲国家、跨越1991至2024年的月度工资基尼系数观测值，共计606条记录。作为衡量收入不平等程度的核心指标，基尼系数通过按性别分层的维度（总人口、男性、女性）揭示了非洲大陆劳工市场内部的薪酬分配结构。研究者可借助此数据集进行跨国的面板数据分析，追踪不同经济体在时间序列中收入差距的演变轨迹，或利用其规范的表格结构开展回归建模与分类任务，探讨经济发展阶段、劳动政策与性别收入鸿沟之间的统计学关联。

衍生相关工作

该数据集的发布催生了多项衍生性研究工作与工具的开发。研究社区已基于此基尼指数数据，结合ILOSTAT中的就业率、行业构成等配套指标，构建了非洲劳动力市场综合监测面板，推动了跨国收入不平等影响因素的多变量计量分析。在机器学习领域，部分工作利用数据集内的性别、国家与时间维度特征，训练时间序列预测模型以勾勒非洲收入差距的近期演变趋势。同时，Electric Sheep Africa项目组在HuggingFace平台上对该数据的标准化封装与Parquet格式的发布，为后续自动化数据管道建设和大规模跨数据集迁移学习提供了可复用的技术范例，加速了非洲区域数据科学应用的标准化进程。

数据集最近研究

最新研究方向

该数据集聚焦于非洲45国1991至2024年间按性别划分的雇员月收入基尼系数，为劳动经济学中的收入不平等研究提供了关键时间序列数据。当前前沿方向包括利用该数据集结合机器学习模型预测性别收入差距的演化趋势，并关联非洲大陆自由贸易区（AfCFTA）等政策事件，评估区域一体化对劳动力市场公平性的影响。此外，研究者正将其与ILOSTAT其他就业指标融合，构建多维不平等指数，以揭示非洲国家在实现联合国可持续发展目标（SDG 8和10）过程中的结构性挑战。该数据的高频更新与标准化整理，为跨国的纵向比较和因果推断研究奠定了坚实基础。