electricsheepafrica/africa-ilo-ear-inee-cur-nb-statutory-nominal-gross-monthly-minimum-wage-by-cu

该数据集包含非洲47个国家从1995年至2024年的法定名义月最低工资（按货币统计）数据，共计3,062个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API获取并过滤至非洲国家。数据集包含国家代码、年份、观测值、数据来源等字段，适用于表格分类、回归和时间序列预测等任务。数据为年度频率，经过ILO的标准化处理，并标注了最佳来源选择。This dataset contains 3,062 observations of statutory nominal gross monthly minimum wage by currency across 47 Africa countries, spanning from 1995 to 2024. The data is sourced from the International Labour Organizations ILOSTAT database, retrieved via its REST API and filtered to Africa ISO3 country codes. It includes fields such as country code, year, observed value, and data source, suitable for tabular classification, regression, and time-series forecasting tasks. The data is annual frequency, harmonized by ILO, and uses the best source selection for multiple sources.

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，经由Electric Sheep Africa团队重新封装并发布至HuggingFace平台。构建过程通过调用ILOSTAT的REST API接口，直接获取全局指标代码为EAR_INEE_CUR_NB的法定名义月最低工资数据，并依据ISO 3166-1 alpha-3标准筛选出非洲47个国家的观测值。ILOSTAT内部采用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统一，确保了跨国数据的可比性。每一观测记录均附有数据来源标识，便于研究人员追溯原始统计依据，实现了数据获取的透明化与可复现性。

特点

本数据集收录了1995年至2024年间47个非洲国家的3,062条观测记录，聚焦于按不同货币计价的法定名义月最低工资总额这一核心经济指标。其显著特点在于以标准化的国家代码、来源标识和时间戳构建起清晰的多维数据结构，支持按国家、年份等进行灵活过滤与分析。数据为年度频率，ILO在存在多来源冲突时优先选用“最佳来源”，有效降低了噪声。此外，数据集不包含性别、年龄等分类变量的拆分，保持了指标聚焦的纯粹性，适用于面板数据分析、时间序列建模及跨国比较研究。

使用方法

用户可通过HuggingFace的datasets库一键加载该数据集，命令为`load_dataset("electricsheepafrica/africa-ilo-ear-inee-cur-nb-statutory-nominal-gross-monthly-minimum-wage-by-cu")`，并直接转换为Pandas DataFrame进行后续操作。使用示例包括：按国家代码（如`ref_area == "KEN"`）过滤特定国家的时间序列数据；针对指标`EAR_INEE_CUR_NB`进行排序与可视化；利用pivot_table将数据结构重组为国家×年份的矩阵形式，便于面板回归或缺失值分析。数据集采用CC-BY-4.0许可协议，引用时需同时注明ILO原始来源与Electric Sheep Africa的重新封装版本。

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于2024年创建，经Electric Sheep Africa团队重新打包发布，专注于非洲地区47个国家在1995至2024年间法定名义总月最低工资的货币化数据。数据集涵盖3062条观测记录，核心研究问题在于系统性地归集并标准化非洲各国以本币计价的法定最低工资信息，为劳动经济学、收入不平等研究及区域政策制定提供跨时空可比的基础数据。作为ILO全球劳动统计旗舰数据库的衍生资源，该数据集填补了非洲大陆最低工资高频率、多国别面板数据的空白，尤其对评估非洲劳动力市场改革、贫困消除及可持续发展目标（SDG）中的体面劳动指标具有重要支撑作用，已成为学术界与国际组织进行非洲工资动态分析的关键数据源。

当前挑战

数据集面临的挑战首先在于其反映的核心领域问题：非洲各国法定最低工资的频繁调整、币种差异及统计口径不统一，使得跨国家与跨时间维度的可比性分析面临天然障碍，需要解决货币通胀调整与购买力平价换算的方法论困境。构建过程中，ILOSTAT需从各国劳动力调查、行政记录等异构来源中抽取数据，面临原始问卷定义与国际劳工统计学家会议（ICLS）标准不一致带来的协调难题，且多来源数据在同一国家同一年份的择优选择机制虽提高了精度，却可能引入系统性偏差。此外，数据集仅提供年度频率，缺失部分国家的早期观测值，以及分类变量（如性别、行业等）仅在部分指标中存在，限制了细颗粒度分析的深度。

常用场景

经典使用场景

该数据集的核心应用在于开展非洲地区法定名义最低工资的跨国时序比较研究。通过整合47个非洲国家自1995年至2024年的月度最低工资数据，并以当地货币计值，研究者能够系统地追踪各经济体劳动报酬底线的演变轨迹。这一数据为探讨经济发展水平、劳动力市场制度与最低工资政策之间的动态关系提供了坚实的基础，尤其适用于面板数据回归、时间序列分析与政策效应评估等计量经济学范式下的经典研究。

实际应用

在政策实践中，该数据集为非洲各国政府、国际发展机构及劳工权益组织提供了制定和调整最低工资标准的量化依据。通过对比邻国或相似经济体的最低工资水平，政策制定者可进行基准测试，评估自身政策在全球背景下的竞争力与合理性。国际货币基金组织和世界银行等机构可借助这些数据，在结构性贷款或援助项目中融入劳工权益保护条款，确保经济政策与就业包容性并行不悖。

衍生相关工作

该数据集衍生出一系列紧扣非洲劳工现况的实证工作，包括基于机器学习的工资预测模型构建。研究者利用多维度特征（如国家、年份、行业代码）训练回归或分类模型，以预测特定情境下的法定最低工资水平，并识别其关键驱动因素。此外，时间序列预测方法也被广泛应用，用以模拟未来最低工资的变动趋势，从而为劳动力市场的早期预警系统和社会保护政策的前瞻性规划提供技术支撑。