electricsheepafrica/africa-ilo-ear-emtm-sex-geo-nb-median-monthly-earnings-of-employees-by-sex-and-ru

该数据集包含来自非洲41个国家、时间跨度为2001年至2024年的员工月收入中位数数据，按性别（总计、男性、女性）和城乡地区划分，使用当地货币单位。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过ILO的统计部门使用国际劳工统计学家会议（ICLS）定义进行统一处理。数据集包含1,414个观测值，涵盖一个核心指标（EAR_EMTM_SEX_GEO_NB），数据以年度频率提供，并包括国家代码、来源、指标、性别分类、观测年份、观测值及其状态等字段。数据集适用于表格分类、回归和时间序列预测等机器学习任务，由Electric Sheep Africa重新打包为Parquet格式，便于使用HuggingFace的`load_dataset()`加载。This dataset contains median monthly earnings of employees across 41 African countries from 2001 to 2024, disaggregated by sex (total, male, female) and rural/urban areas, in local currency. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, harmonized by ILOs Department of Statistics using International Conference of Labour Statisticians (ICLS) definitions. It includes 1,414 observations covering one core indicator (EAR_EMTM_SEX_GEO_NB), with annual frequency data and fields such as country code, source, indicator, sex classification, observation year, observed value, and status flags. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, repackaged by Electric Sheep Africa in Parquet format for easy loading via HuggingFaces `load_dataset()`.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队基于国际劳工组织（ILO）的ILOSTAT数据库重新包装构建。数据通过ILOSTAT REST API直接获取，具体指向指标编码EAR_EMTM_SEX_GEO_NB，并依据非洲ISO3国家代码进行地理范围筛选。原始数据源自各国劳动力调查、家庭收入调查及行政记录，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一标准化处理。最终整合为包含1414条观测值、覆盖41个非洲国家、时间跨度为2001年至2024年的结构化表格数据集。

特点

该数据集的核心特点在于其精细的维度划分与专业性。数据仅聚焦于‘按性别和城乡地区划分的雇员月收入中位数（本币）’这一核心指标，同时提供了性别（男性、女性、总计）和地理覆盖类型（国家、城乡区域）的详细分类。每条记录均附有数据来源标签及质量标记（如‘不可靠’），确保数据可追溯性。作为ILOSTAT数据库的非洲子集，其高度结构化的列式模式为面板数据分析提供了直接便利。

使用方法

该数据集的使用极为便捷，可直接通过Hugging Face的datasets库以load_dataset()函数加载至Python环境。用户可将其转换为Pandas DataFrame进行常规操作，例如通过ref_area列过滤特定国家的数据，或利用time与obs_value绘制单个指标的时间序列趋势。数据集支持以透视表形式重构为国家×年份的矩阵，便于进行跨国家的纵向比较分析。研究人员在发表成果时需同时引用ILO原始数据及Electric Sheep Africa的重包装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门（ILOSTAT）创建，并由Electric Sheep Africa于2024年重新整理发布，旨在提供非洲地区员工月收入中位数的标准化数据。数据集覆盖2001至2024年间41个非洲国家，包含1,414条观测，聚焦性别与城乡区域维度的收入差异。作为全球劳动统计的核心来源，ILOSTAT通过整合各国劳动力调查与行政记录，为评估非洲劳动力市场中的性别收入差距、城乡经济不平等及可持续发展目标（SDG）相关指标提供了关键实证基础。该数据集的发布显著提升了非洲区域劳动经济研究的可及性，推动了机器学习模型在收入预测、政策评估等领域的应用。

当前挑战

该数据集主要应对两大挑战：其一，非洲国家因统计能力差异导致收入数据稀疏且不连续，例如部分国家仅覆盖少数年份或缺失关键细分维度，且不同调查来源的统计口径（如是否包含非正式部门）存在异质性，易引入估计偏差；其二，构建过程中需处理多源数据融合难题，包括ILOSTAT不同来源代码（如'BA:13951'）的标准化映射、观测状态标志（如'U'表示不可靠）的判别机制，以及本地货币单位不一致导致跨国家比较时需额外转换。此外，年度数据频率与人口流动动态之间的时间粒度错配，进一步限制了模型对短期经济波动的捕捉能力。

常用场景

经典使用场景

在劳动经济学与时空统计交叉领域，该数据集为非洲各国中位数月工资的性别差异与城乡差异研究提供了标准化观测基底。研究者可基于1,414条年份-地区-性别分层记录，构建多水平混合效应模型或面板数据回归，以剥离时间趋势、国家固定效应与性别维度对工资水平的影响。同时，得益于其完善的元数据体系（如数据来源标记与观测状态标识），学者能够稳健地处理数据质量异质性问题，从而揭示工资不平等的演变规律。

解决学术问题

该数据集系统性地填补了非洲大陆工资统计中长周期、细粒度面板数据稀缺的空白，使学术界得以突破过往研究对单一国家或时间截面的依赖。它直接助力于检验贝克尔歧视经济学理论在非洲新兴经济体中的适用性，量化城镇化进程对男女工资差距的调节效应，并澄清劳动统计制度标准（如ICLS定义）对跨国比较结论的影响。其深远意义在于为联合国可持续发展目标（特别是SDG 8体面工作）在非洲的监测提供了可复现的证据基石。

衍生相关工作

由该数据衍生的工作主要沿着两条路径展开：其一为自动化劳动力市场监测系统，如Electric Sheep Africa团队基于标准化Schema开发的可复现数据管道，实现了从ILOSTAT REST API到HuggingFace Dataset Card的端到端转化；其二为机器学习增强的工资预测与缺失值插补任务，诸如利用时空Kriging或贝叶斯层级模型对数据稀疏国家（如仅含单一年份的26国）进行推断估计，这些实践共同推动了非洲劳动统计数据的可访问性与可计算性革新。