electricsheepafrica/africa-ilo-ear-emtm-sex-ocu-cur-nb-median-monthly-earnings-of-employees-by-sex-occupa

这是一个关于非洲国家员工月收入中位数的数据集，涵盖42个非洲国家，时间跨度为1991年至2024年，包含23,735个观测值。数据集的核心指标为EAR_EMTM_SEX_OCU_CUR_NB，即按性别、职业和货币划分的员工月收入中位数。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并经过标准化处理，使用国际劳工统计学家会议（ICLS）定义进行协调。数据集包含多个列，如国家代码、国家名称、数据来源、指标代码、性别分类、职业分类、货币类型、观测年份、观测值及状态等，支持细粒度的分析和时间序列研究。数据为年度频率，适用于表格分类、回归和时间序列预测等任务。This dataset contains median monthly earnings of employees in African countries, disaggregated by sex, occupation, and currency. It covers 42 African countries from 1991 to 2024, with 23,735 observations. The primary indicator is EAR_EMTM_SEX_OCU_CUR_NB, representing median monthly earnings. Data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset includes columns such as country codes, country names, data sources, indicator codes, sex classifications, occupation classifications, currency types, observation years, observed values, and status flags. It is annual frequency data suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，通过REST API直接提取标识符为EAR_EMTM_SEX_OCU_CUR_NB的指标数据，并依据非洲ISO3国家代码进行地理筛选。ILOSTAT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统一整合，并在source.label列标注数据来源，确保可追溯性。数据集经Electric Sheep Africa重新打包，结构化为易于机器读取的表格形式。

特点

数据集包含23,735条观测记录，覆盖42个非洲国家，时间跨度从1991年至2024年，聚焦于雇员按性别、职业和货币划分的月收入中位数这一核心指标。数据按性别（总、男性、女性）进行详细分类，并辅以职业技能水平和货币类型等维度，提供了丰富的人口经济特征颗粒度。所有数据均为年度频率，并采用ILO选定的‘最佳来源’以避免同一国家年份下的数据冲突，同时标记观测状态以提示数据可靠性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载数据，并转换为Pandas DataFrame进行后续分析。例如，通过ref_area列过滤特定国家的数据子集，或利用time和obs_value列绘制单一指标的时间序列趋势图。此外，支持使用pivot_table方法将数据重塑为国家×年份的矩阵形式，便于进行跨国家面板数据分析或构建回归模型，尤其适用于劳动经济学与非洲发展研究。

背景与挑战

背景概述

非洲大陆长期面临劳动力市场数据碎片化与标准化缺失的困境，严重制约了区域经济发展政策的精准制定。在此背景下，国际劳工组织（ILO）于2024年依托其核心统计数据库ILOSTAT，构建了涵盖42个非洲国家、时间跨度达34年（1991–2024）的雇员月收入中位数数据集。该数据集由Electric Sheep Africa团队重新封装并发布在HuggingFace平台，核心研究问题聚焦于揭示非洲劳动力市场中性别、职业与货币维度下的收入差异格局。作为首个大规模、标准化且公开可及的非洲劳工收入时空数据集，它为发展经济学、劳动经济学及区域不平等研究提供了关键基准资源，推动了非洲数据科学在可持续发展目标（SDG）监测领域的应用。

当前挑战

该数据集面临的挑战首先来自领域问题：非洲国家普遍存在非正规经济占比高、调查覆盖不全的难题，导致大量底层劳动者的真实收入被系统性地低估或忽略，基于调查数据推算的中位数指标可能偏离实际且难以捕捉短期波动。构建过程中，ILOSTAT需要调和来自不同国家劳动力调查、家庭收支调查及行政记录在定义、频率和口径上的巨大差异，例如职业分类体系（如OCU_SKILL_TOTAL）与货币类型（本地货币或固定货币）的跨时空可比性问题尤为突出。此外，数据质量标注中约有20%的观测值被标记为不可靠或临时性，进一步增加了建模与推断的不确定性，亟需发展鲁棒的插值与多源融合技术来应对这些数据稀疏与异质性挑战。

常用场景

经典使用场景

在劳动经济学与非洲发展研究领域，该数据集凭借其横跨42个非洲国家、覆盖1991至2024年的面板结构，成为刻画非洲劳动力市场薪酬动态的核心资源。研究者可运用其按性别、职业和货币细分的月收入中位数指标，开展跨国比较分析、性别收入差距测算以及职业分层下的薪酬结构变迁研究。时间序列的连续性使得构建固定效应或随机效应模型成为可能，从而识别出国家间经济发展差异与劳动力市场制度变革对薪酬水平的影响。数据集中标注的观测状态与来源信息，为处理缺失值与异常值提供了透明依据，保障了实证分析的稳健性。

解决学术问题

该数据集直面非洲地区薪酬统计长期存在的碎片化与标准化不足的困境，通过ILOSTAT统一框架下的数据整合，解决了跨时期、跨国境可比性这一学术难题。它使得研究者能够首次系统性地考察非洲大陆内部性别工资差距的演变轨迹，量化正式与非正式部门转换中职业分层对收入不平等的贡献。同时，数据集为验证发展经济学中关于贸易开放、外国直接投资与劳动力报酬关系的经典假说提供了非洲视角的证据。其长面板结构还推动了关于制度变迁——如最低工资立法、劳动保护法规——对就业市场边际影响的严谨识别，填补了全球劳动力研究在非洲维度上的数据空白。

衍生相关工作

围绕该数据集已衍生出一系列标志性研究，推动了非洲劳动经济学的计量方法创新与实证检验。经典工作包括利用双重差分法识别南非种族隔离政策废除后劳动力市场整合对收入趋同的作用，以及运用分位数回归揭示埃及制造业内部职业隔离与工资溢价的动态关联。基于该数据的面板向量自回归模型被用于分析西非国家经济货币联盟内汇率波动对实际工资的传导效应。更有学者构建了结合空间计量与机器学习的混合框架，预测东非共同体成员国城镇化进程对非正规部门收入的挤出效应。这些工作不仅验证了数据集的学术价值，也为后续研究树立了方法论参照系。