electricsheepafrica/africa-ilo-ear-ehra-sex-eco-cur-nb-average-hourly-earnings-of-employees-by-sex-econom

该数据集包含非洲36个国家从1991年至2024年的42,232个观测值，涵盖按性别、经济活动和货币划分的员工平均小时收入这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains 42,232 observations of average hourly earnings of employees by sex, economic activity and currency across 36 Africa countries, spanning 1991–2024, with data sourced from ILOSTAT (International Labour Organization) and repackaged by Electric Sheep Africa for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API接口直接抽取指标代码为EAR_EHRA_SEX_ECO_CUR_NB的原始数据，并依据ISO 3166-1 alpha-3标准筛选出非洲36个国家的观测记录，共计42,232条。ILOSTAT基于国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等微观数据进行统一协调与标准化处理，数据集在‘source.label’字段中标注了数据来源，确保可追溯性。Electric Sheep Africa团队进一步对原始数据进行重新封装，形成结构化表格，便于机器学习与时间序列分析场景的直接调用。

特点

本数据集覆盖1991年至2024年期间非洲36个国家的雇员平均小时收入指标，按性别、经济活动类型和货币单位进行细致分解。数据集包含三个主要分类维度：性别（总、男、女）、经济活动部门（如总经济活动、具体行业）及货币种类（如本币），为分析非洲劳动力市场性别收入差异、行业收入结构及货币波动影响提供了丰富的颗粒度。数据以年度频率呈现，并通过观测状态标志（如‘不可靠’）和注释字段提供质量标识，便于使用者筛选高质量子集。所有数据遵循CC-BY-4.0许可协议，由权威的国际劳工组织发布，具备高可靠性和学术引用价值。

使用方法

用户可通过HuggingFace Datasets库的一行代码加载数据集，并转换为Pandas DataFrame进行高效操作。典型用法包括按国家代码过滤特定国家的时间序列数据，例如筛选肯尼亚的观测记录；亦可针对单一指标按年份排序后绘制收入变化折线图，直观观察趋势。对于多国比较研究，建议利用pivot_table函数将数据重塑为国家×年份的矩阵，便于进行面板数据分析或计量建模。数据集字段清晰，包含国家代码、指标代码、分类变量（性别、经济活动、货币）、时间及观测值，可直接用于表格分类、回归分析或时间序列预测任务，无需额外清洗。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其ILOSTAT平台编制，并于2024年由Electric Sheep Africa重新打包发布，聚焦非洲大陆36个国家在1991至2024年间按性别、经济活动及货币分类的雇员平均时薪数据。作为全球劳动统计领域的权威来源，ILOSTAT整合了各国劳动力调查、家庭收入调查及行政记录等多元化数据，旨在揭示非洲劳动力市场的薪酬结构及其演变趋势。该数据集涵盖42,232条观测记录，为时间序列分析、分类与回归任务提供了标准化、机器可读的高质量数据资源，对研究非洲性别工资差距、经济部门薪酬差异及区域劳动经济学具有重要推动意义，尤其填补了非洲大陆在细粒度薪酬统计领域的数据空白。

当前挑战

该数据集构建与使用面临多重挑战：首先，非洲各国数据采集标准不一，部分观测值被标记为‘不可靠’（obs_status为U），且因调查方法（如劳动力调查与行政记录）差异导致跨时期、跨国别比较存在偏差；其次，37年间36个国家的覆盖范围导致数据稀疏性显著，许多国家仅有少数年份的观测记录（如乌干达、卢旺达等），难以支撑稳健的时序建模；此外，分类维度中的货币类型（如安哥拉宽扎）与经济活动分类等字段的缺失或不完整，限制了多维度交叉分析的深度。这些挑战要求研究者在使用时必须审慎处理数据质量标记、进行合理的缺失值插补，并依据来源标签（source.label）评估不同数据源的调合一致性。

常用场景

经典使用场景

该数据集汇集了国际劳工组织ILOSTAT数据库中关于非洲36个国家1991至2024年间雇员平均时薪的宏观面板数据，涵盖性别、经济活动部门与货币类别等关键分层维度。其最经典的用途在于构建跨国家、跨时间序列的劳动力市场计量模型，研究者可借此剖析非洲大陆工资水平的时空演化规律，并通过性别与行业等分组变量揭示结构性差异。数据结构支持面板回归、固定效应估计以及时间序列预测等经典方法，尤其适用于评估宏观经济政策、贸易开放与制度变迁对工资决定机制的影响。该数据集也被广泛用于联合国民生监测中体面劳动指标的量化追踪，为跨国比较提供了统一、可复现的数字基础。

解决学术问题

长期以来，非洲工资数据的碎片化与标准化缺失严重制约了劳动经济学与区域发展研究的纵深推进。该数据集通过国际劳工组织统一编纂的统计口径，将分散于各国调查与行政记录中的薪资信息整合为高可比性的面板数据，系统性地解决了跨国数据不一致、时间跨度短与分类维度有限等核心难题。研究者得以突破早期研究的样本局限，在完整的非洲地理框架下量化性别薪资差距的收敛趋势，评估经济结构转型对不同行业工资溢价的影响，并检验最低工资制度、劳工权益保护等制度变量对小时收入的因果效应。这些发现为理解非洲劳动力市场的非正式性特征及其对可持续发展的制约提供了实证支撑。

衍生相关工作

基于该数据集，学术界与开源社区衍生出一系列富有影响力的代表性工作。计量经济学领域涌现了大量运用差分与动态面板模型探析非洲最低工资对就业与收入分配冲击的研究，其原始数据来源均可追溯至该ILOSTAT系列。在机器学习方向，研究者将其作为时序预测与表格回归任务的基准，开发了基于梯度提升与循环神经网络的非洲薪资短期预测模型。数据科学社区也在此基础上构建了交互式可视化面板，用于呈现非洲性别工资差距的动态演变。此外，该数据集推动了横跨多个非洲国家的体面劳动指标统一开发，为联合国可持续发展目标框架下的全球监测提供了标准化的地区数据基础。