electricsheepafrica/africa-ilo-ear-ehrg-sex-eco-nb-gini-index-of-hourly-earnings-of-employees-by-sex

该数据集包含14,821个观测值，涵盖了35个非洲国家从1991年至2024年的收入与薪酬不平等数据，主要指标为按性别和经济活动分类的员工小时收入基尼指数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家数据，涉及按性别（总计、男性、女性）和经济活动分类的员工小时收入基尼指数，用于衡量收入不平等程度。数据集包括国家代码、年份、观测值、数据来源、分类变量等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 14,821 observations of income and pay inequality data across 35 Africa countries, spanning from 1991 to 2024, with the primary indicator being the Gini index of hourly earnings of employees by sex and economic activity. It is sourced from the International Labour Organizations ILOSTAT database, retrieved via API and filtered to Africa country codes, covering the Gini index of hourly earnings disaggregated by sex (total, male, female) and economic activity to measure income inequality. The dataset includes country codes, years, observed values, data sources, classification variables, and is suitable for tasks such as tabular classification, regression, and time-series forecasting.

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中央统计数据库，聚焦于非洲大陆雇员时薪收入基尼系数这一核心指标。数据通过ILOSTAT提供的REST API直接获取，并依据非洲ISO3国家代码进行地理范围过滤，最终整合了来自35个非洲国家、横跨1991年至2024年间共计14,821条观测记录。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统一协调，同时在“source.label”字段中标注了数据原初来源，如劳动力调查或行政记录，以保障可溯源性。Electric Sheep Africa团队负责了数据的重新封装与标准化处理，使其更易于机器学习和时间序列分析场景的直接使用。

特点

本数据集的一个显著特点在于其聚焦于收入与薪酬不平等主题，提供了唯一但高度精细的指标——按性别和经济活动划分的雇员时薪基尼系数。数据结构中蕴含了丰富的维度划分，特别是性别分类（包括总计、男性和女性三个层级），为分析劳动力市场中性别薪酬差距的演变趋势提供了宝贵素材。此外，数据集还包含了多重注释字段（如观测状态标志、分类变量说明和来源注释），这些元数据有助于研究人员评估数据质量和理解其局限性。数据的时间跨度覆盖三十余年，并以年频率呈现，能够有效支持长期趋势分析与面板数据建模。

使用方法

用户可通过HuggingFace Datasets库便捷地加载此数据集，仅需一行代码`load_dataset("electricsheepafrica/africa-ilo-ear-ehrg-sex-eco-nb-gini-index-of-hourly-earnings-of-employees-by-sex")`即可获取完整数据。加载后，数据将自动转换为Pandas DataFrame格式，便于进行后续探索性分析与建模。使用者能够轻松地按国家过滤数据（如`df[df["ref_area"] == "KEN"]`），或针对特定指标进行时间序列可视化。若需构建国家间比较的矩阵结构，可运用数据透视表功能，将时间列设为索引，国家代码设为列，观测值作为填充值，从而高效生成用于回归分析或面板数据模型的标准格式。

背景与挑战

背景概述

收入不平等是衡量社会经济发展与劳工福祉的关键维度，尤其在非洲大陆，结构性贫困与劳动力市场分化问题尤为突出。该数据集由国际劳工组织（ILO）依托其核心统计数据库ILOSTAT于2024年创建，并由Electric Sheep Africa重新打包发布。数据集聚焦于非洲35个国家1991年至2024年间按性别和经济活动划分的雇员小时收入基尼系数，包含14,821条观测记录。作为ILO推动体面劳动与可持续发展目标（SDGs）监测的重要组成部分，这些数据为研究非洲劳动力市场的收入分配格局、性别工资差异及行业间不平等提供了标准化、可比较的量化基础。其发布显著填补了非洲区域在微观收入不平等研究中的数据空白，并成为跨国面板分析与机器学习建模的重要资源。

当前挑战

该数据集所应对的领域挑战在于，非洲各国缺乏统一的收入分配监测指标与长期可比数据，导致难以系统评估去增长与减贫政策的效果。ILOSTAT通过整合多国劳动力调查、住户收入调查与行政记录，并依据国际劳工统计学家会议（ICLS）标准进行协调，以生成可比较的基尼系数。构建过程中的挑战包括：各国调查方法、问卷设计与抽样框架差异导致的分类口径不一致；部分观测值因数据质量被标记为不可靠（如状态码U）；来源多样性与时间序列不连续（例如部分国家仅有特定年份数据）加剧了数据稀缺性；此外，按性别和经济活动交叉分组后，样本量稀疏使得稳健估计与模型训练面临统计学困难。

常用场景

经典使用场景

该数据集汇集了非洲35个国家在1991年至2024年间关于雇员小时工资基尼系数的观测值，共计14,821条记录。研究者常将其用于分析非洲大陆内部收入不平等的时空格局，通过按性别和经济活动分类的数据，揭示不同国家在缩小性别工资差距与行业收入分化方面的长期演变趋势。数据的时间跨度与地理覆盖使其成为评估非洲劳动力市场结构性变迁的珍贵资源。

解决学术问题

在学术研究中，该数据集主要服务于劳动经济学与发展经济学领域，旨在填补非洲地区系统性收入不平等微观数据的空白。它使得研究者能够量化经济增长与收入分配之间的关系，检验库兹涅茨曲线在非洲情境下的适用性，并评估性别歧视、行业垄断及政策干预对工资差异的影响。这些发现为国际劳工组织推动的体面劳动议程提供了实证依据。

衍生相关工作

围绕该数据集衍生出一系列典范性研究，包括基于机器学习的非洲工资不平等预测模型，以及融合面板数据回归与空间计量方法分析邻国溢出效应的文献。经典工作如利用该数据验证贸易开放度与收入分配的非线性关系，或通过分位数回归识别劳动技能溢价的变化。这些工作已成为非洲劳动市场分析的方法论基石，推动了更精细化的跨国对比研究。