electricsheepafrica/africa-ilo-ear-emta-sex-ocu-nb-average-monthly-earnings-of-employees-by-sex-and-o

该数据集包含非洲44个国家从1991年至2024年期间，按性别和职业分类的雇员平均月收入数据（以当地货币计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并过滤至非洲国家。数据集共有8,366条观测记录，涵盖1个核心指标（EAR_EMTA_SEX_OCU_NB）。数据模式包括国家代码、国家名称、数据来源、指标代码、性别分类、时间（年份）、观测值等字段。数据以年度频率发布，并包含数据质量说明，如数据可能来自多个来源时使用ILO选择的“最佳来源”，且分类列仅在指标发布该细分时非空。数据集适用于表格分类、表格回归和时间序列预测等任务，语言为英语，数据规模在1K到10K之间，许可证为cc-by-4.0。This dataset contains 8,366 observations of average monthly earnings of employees by sex and occupation (in local currency) across 44 African countries from 1991 to 2024. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its REST API and filtered to African ISO3 country codes. It covers one distinct indicator (EAR_EMTA_SEX_OCU_NB). The schema includes columns such as country code, country name, data source, indicator code, sex disaggregation, time (year), observed value, and data quality flags. The data is annual frequency and includes caveats like the use of ILO-selected best source when multiple sources exist for the same country-year, and disaggregation columns are non-null only when published. It is suitable for tabular classification, tabular regression, and time-series forecasting tasks, is monolingual (English), has a size category of 1K<n<10K, and is licensed under cc-by-4.0.

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数据库，涵盖非洲44个国家1991年至2024年间共8,366条观测记录。数据通过ILOSTAT REST API直接获取，并经由Electric Sheep Africa团队进行筛选与重组，仅保留非洲ISO3国家代码对应的条目。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行协调统一，数据来源以`source.label`字段标识，确保可追溯性。数据以Parquet格式封装，便于高效读取与处理。

特点

数据集聚焦于雇员平均月薪这一核心指标，按性别与职业细分，提供`sex`（总、男、女）及`classif1`（职业技能等级）两个分类维度。数据以本地货币计量，观测值为浮点数，并附带`obs_status`标记数据质量（如临时值、不可靠值）。年度频率的统计覆盖了毛里求斯（967行）、南非（906行）等国家，时间跨度从1991年至2024年，为非洲劳动力市场的纵向比较提供了丰富素材。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数加载数据，并转为pandas DataFrame进行探索。支持按国家代码（如`ref_area == "KEN"`）筛选单一国家数据，或以`indicator`为键对指定指标进行时间序列分析。数据可透视形成国家×年份矩阵，便于面板数据分析或机器学习建模。数据集同时适用于表格分类、回归及时间序列预测任务，为非洲劳动经济学研究提供了直接易用的结构化数据入口。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT发布，经Electric Sheep Africa于2024年重新整理并托管于HuggingFace平台，旨在提供非洲地区雇员平均月收入的系统性微观数据。数据集收录了1991至2024年间44个非洲国家的8,366条观测记录，涵盖按性别与职业分类的平均月收入（以当地货币计），是劳动经济学与发展研究领域弥足珍贵的时空数据资产。其核心研究问题聚焦于揭示非洲大陆劳动力市场收入结构的异质性、性别收入差距的演变趋势，以及职业分层的经济后果。凭借ILOSTAT对各国劳动力调查、住户收入调查及行政记录数据的统一协调与质量标化，该数据集为跨国比较和面板数据分析提供了可靠基石，对推动非洲劳动经济学实证研究、支撑国际劳工组织体面劳动目标监测以及辅助区域发展政策制定，具有不可替代的影响力。

当前挑战

该数据集的核心挑战在于应对非洲地区劳动统计的深层结构性难题：一是跨国数据可比性问题，各国调查设计、职业分类标准及统计能力参差不齐，ILOSTAT虽采用国际劳工统计学家会议定义进行调和，但源数据注释中标记的'不可靠'状态揭示出部分观测值的质量隐患；二是数据稀疏性与时间序列不连续性，观测年份因国家而异（如安哥拉仅覆盖2019-2024年），且非洲44国中少数国家（如毛里求斯、南非）占据了半数以上记录，导致区域代表性失衡。建成过程中，从ILOSTAT REST API抽取数据并过滤至非洲国家代码时，需应对多源数据冲突、货币单位差异（如备注列注明不同国家货币）以及按性别与职业维度拆解的细粒度缺失问题，这些挑战共同制约着对非洲劳动市场收入动态的稳健推断与政策洞察的准确性。

常用场景

经典使用场景

在非洲劳动经济学研究中，该数据集的核心用途在于构建性别与职业维度的收入面板数据模型。研究者能够利用其覆盖44个国家、跨越三十余年的观测值，分析非洲大陆不同技能层级职业的月均收入演变规律。数据集提供的按性别和职业分类的本地货币收入指标，为评估全球化进程中非洲劳动力市场的结构性变迁提供了量化基础，尤其适用于追踪女性劳动参与率提升与收入差距收敛之间的动态关系。

解决学术问题

该数据集直面非洲劳动统计领域长期存在的微观数据匮乏困境，解决了跨国家、长时序收入比较研究中标准化数据不可得的核心障碍。它使学者得以实证检验人力资本理论在非洲语境下的适用性，量化职业技能溢价与性别工资差距的时空特征。通过提供ILO统一协调的统计口径，数据集有力支撑了关于非正规就业规模与收入分配公平性的跨国计量分析，弥补了非洲区域在可持续发展目标（SDG）指标监测中关键数据环节的空白。

衍生相关工作

基于此数据衍生了若干具有影响力的后续工作。ILOSTAT官方发布的《全球工资报告》非洲章节大量引用了该数据集的核心发现，形成了关于非洲技术密集型产业工资溢价上升趋势的经典论述。学术界在此基础上开展了非洲劳动力市场性别隔离的分解研究，利用Oaxaca-Blinder方法量化了禀赋差异与歧视性因素在不同职业间的贡献度。数据集中缺失值模式也催生了针对非洲国家统计能力脆弱性的方法论研究，推动了适用于稀疏面板数据的贝叶斯插值技术在劳动经济中的应用。