electricsheepafrica/africa-ilo-ear-ehrg-sex-mts-nb-gini-index-of-hourly-earnings-of-employees-by-sex

该数据集包含非洲35个国家1991年至2024年间的4,368个观测值，聚焦于收入与薪酬不平等主题，具体指标为“按性别和婚姻状况划分的员工小时收入基尼指数”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过规范化处理，涵盖国家代码、年份、观测值及分类维度（如性别和婚姻状况）等信息。数据集旨在提供机器学习就绪的非洲劳动力市场不平等数据，支持表格分类、回归和时间序列预测等任务。This dataset contains 4,368 observations across 35 African countries from 1991 to 2024, focusing on income and pay inequality, specifically the Gini index of hourly earnings of employees by sex and marital status indicator. Sourced from the International Labour Organization (ILO) ILOSTAT database, it is retrieved via API and normalized, including country codes, years, observed values, and disaggregation dimensions such as sex and marital status. The dataset provides ML-ready data on labor market inequality in Africa, supporting tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集来源于国际劳工组织（ILO）的ILOSTAT数据库，核心指标为基于性别与婚姻状况的雇员时薪基尼系数（EAR_EHRG_SEX_MTS_NB）。数据通过ILOSTAT REST API直接从官方接口获取，并依据非洲ISO3国家代码进行地理范围过滤，最终涵盖了35个非洲国家。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调，确保跨国家、跨年份的数据一致性，并在'source.label'列标注了各观测值的具体来源。

特点

数据集共包含4,368条观测值，时间跨度为1991年至2024年，覆盖了非洲大陆35个国家的收入与薪酬不平等状况。其核心特点在于提供了按性别（男性、女性、总计）和婚姻状况（聚合级别）细分的基尼系数，使得研究者能够深入探究不同社会人口群体的工资分布不均等程度。此外，数据来源的标注和观测状态标识（如'不可靠'）为用户提供了质量评估的透明度。

使用方法

通过Hugging Face Datasets库可轻松加载，使用`load_dataset`函数即可获取Pandas DataFrame格式的数据。用户可按国家代码过滤特定国家的时间序列数据，利用'obs_value'列进行基尼指数分析。支持以指标代码为索引，对'time'和'ref_area'字段进行透视操作，构建国家×年份的面板数据矩阵，便于后续的回归分析或趋势可视化研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年创建，经Electric Sheep Africa整理后发布于HuggingFace平台，聚焦非洲地区按性别和婚姻状况划分的雇员小时收入基尼系数。作为ILOSTAT核心指标之一，基尼系数是衡量收入不平等程度的经典工具，其从0（完全平等）到1（完全不平等）的数值区间为劳动力市场公平性研究提供了量化基准。该数据集覆盖35个非洲国家、跨越1991年至2024年的4368条观测记录，揭示了非洲大陆在收入分配领域的时空演变轨迹，对于劳动经济学、发展政策及性别平等研究具有重要参考价值，尤其为非洲区域性收入不平等比较分析提供了易用的标准化数据源。

当前挑战

该数据集面临的核心挑战在于非洲地区原始调查数据的质量与可比性。由于各国劳动调查（如劳动力调查、家庭收支调查）在抽样设计、数据采集频率及指标定义上存在显著差异，ILO虽采用国际劳工统计学家会议（ICLS）标准进行协调，但部分观测值仍标注为“不可靠”，反映了底层数据治理的困难。此外，数据集中仅包含年度频率数据，且部分国家观测年份稀疏（如安哥拉仅从2019年起有记录），导致时间序列分析的连续性受限。从数据构建角度看，通过API从ILOSTAT批量抽取并过滤非洲国家子集时，需处理异构编码体系、缺失维度字段及多源冲突问题，最终通过“最佳来源”策略筛选值，但可能遗漏部分微观数据细节，增加了跨种族或婚姻状态细分分析的偏差风险。

常用场景

经典使用场景

该数据集聚焦于非洲35个国家1991至2024年间按性别和婚姻状况分列的雇员小时收入基尼系数，为劳动经济学与不平等研究提供了弥足珍贵的时空面板数据。研究者可借助此数据集进行跨国收入不平等比较，构建性别收入差距的纵向演变模型，或利用其丰富的分类变量探索婚姻状态如何调节收入分配的性别差异。基尼系数作为衡量收入分配均衡度的核心指标，使得该数据集成为阐释非洲劳动力市场结构性矛盾的理想工具。

衍生相关工作

该数据集的出现催生了一系列衍生性学术工作。其一，基于面板数据的收敛分析被用于检验非洲各国收入不平等是否存在追赶效应，即初始差距较大的国家是否在后续年份中表现出更快的缩小趋势。其二，结合婚姻状态变量的分解模型得以构建，研究者借此识别出婚姻溢价或惩罚中由性别隔离、自选择与就业歧视各自贡献的比例。其三，时间序列建模（如ARIMA或状态空间模型）被用于预测未来若干年的基尼系数走势，为前瞻性治理提供数据支撑。这些工作共同丰富了关于非洲劳动力市场不平等动态的理论库。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别与婚姻状况划分的时薪基尼系数，为研究劳动力市场中的收入不平等提供了细分维度。当前前沿方向包括利用该时序数据追踪非洲各国在可持续发展目标（SDG）框架下性别收入差距的演变轨迹，并结合婚姻状况等社会经济变量，剖析结构性歧视与家庭分工对薪酬差异的长期影响。研究热点集中于南非、埃及、毛里求斯等高观测频次国家的政策干预效果评估，以及通过机器学习模型预测收入不平等的动态收敛路径。该数据集的发布显著提升了非洲劳动力统计数据的可获取性与机器可读性，为跨国比较研究和基于证据的社会政策制定奠定了重要基础。