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

该数据集包含非洲40个国家从2001年至2024年的员工月收入中位数数据，共有4,008个观测值，覆盖一个核心指标：按性别、城乡地区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数据库，通过REST API获取并过滤为非洲国家。数据集以表格形式组织，包括国家代码、年份、性别、分类变量、观测值等字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILO harmonisation处理，使用ICLS定义，并标注了数据来源和质量状态。This dataset contains median monthly earnings data for employees across 40 African countries from 2001 to 2024, with 4,008 observations covering one key indicator: median monthly earnings of employees by sex, rural/urban areas, and currency. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered for African countries. Organized in tabular format, it includes fields such as country code, year, sex, classification variables, and observed values, suitable for tasks like tabular classification, regression, and time-series forecasting. The data is harmonized by ILO using ICLS definitions and includes source annotations and quality flags.

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）的核心统计数据库ILOSTAT，聚焦于非洲地区雇员月收入中位数的性别与城乡差异。数据集通过ILOSTAT的REST API接口直接获取原始指标数据，并依据非洲ISO3国家代码进行地理过滤，仅保留覆盖40个非洲国家的观测值。数据构建过程中，ILO依据国际劳工统计学家会议（ICLS）定义对来自劳动力调查、家庭收支调查等微观数据进行系统性整合，形成横跨2001年至2024年的4008条年度观测记录。数据源以'source.label'字段标注，确保每条数据的可溯源性，最终由Electric Sheep Africa重封装为HuggingFace标准格式。

特点

该数据集的核心特点在于其精细的多维分类体系与地域聚焦性。从性别维度看，数据区分了男性、女性及总体三类（SEX_M、SEX_F、SEX_T），结合城乡地理覆盖（如国家层面GEO_COV_NAT与城乡细分），能够深入刻画非洲劳动力市场的结构性不平等。此外，指标值以当地货币（LCU）表示，并保留了观测状态标记（如不可靠'U'）与注释字段（如币种说明），为用户筛选高质量数据提供依据。数据集还包含丰富的元数据列（如indicators、classif1/2），便于按行业、学历等进行二次分类分析，且覆盖埃及、马里、赞比亚等国的多年序列数据，是研究非洲就业与收入变迁的权威资源。

使用方法

数据集可通过HuggingFace的`datasets`库便捷加载，调用`load_dataset`函数即可获取整个数据集并转换为Pandas DataFrame进行后续分析。用户可基于'ref_area'字段筛选特定国家数据（如过滤至肯尼亚），或指定'indicator'列聚焦单一指标（如'EAR_EMTM_SEX_GEO_CUR_NB'）并按时序排列以观察变化趋势。数据集同样支持透视表操作，可创建以年份为行、国家为列的矩阵，便于进行跨国的收入水平比较。对于时间序列预测或回归任务，可直接利用'obs_value'数值字段与'time'时间字段构建模型输入，充分挖掘其年度结构化数据的经济学研究价值。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年发布，经Electric Sheep Africa重新打包，聚焦非洲大陆雇员中位月薪的性别与城乡差异。作为ILOSTAT数据库的子集，它涵盖40个非洲国家2001至2024年的4008条观测记录，旨在填补非洲劳动力市场中精细薪酬数据的空白。核心研究问题围绕性别间和城乡间的收入不平等展开，为劳动经济学、发展研究及政策制定提供了标准化的量化基础。其影响力体现在为机器学习驱动的区域劳动力市场分析、可持续发展目标（SDG）中体面工作的指标追踪，以及跨国比较研究提供了可靠的数据源，尤其凸显了非洲在全球化背景下的独特就业结构。

当前挑战

该数据集所应对的领域挑战在于非洲多国劳动力数据的碎片化与不可比性，传统来源往往缺失按性别和城乡维度的精细薪酬统计，限制了公平工资政策的制定。构建过程中面临多重困难：ILO需从各国来源迥异的劳动力调查、家计调查和行政记录中通过国际劳工统计学家会议（ICLS）定义进行数据协调，确保时间序列的一致性与跨国可比性；同时需处理统计口径差异、数据不完整（如部分国家仅提供“全国”分类而无城乡细分）以及观测状态标记的不可靠性，最终在保留原始数据粒度的前提下整合为统一架构，这要求严格的追溯机制与质量管控流程。

常用场景

经典使用场景

在劳动经济学与发展经济学领域，该数据集常被用于分析非洲大陆不同性别、城乡区域间雇员中位数月收入的差异格局。研究者可借助这一跨越40个非洲国家、时间跨度从2001年至2024年的面板数据，构建混合效应模型或固定效应回归，以量化性别收入差距的时空演变轨迹，并识别城市化进程与收入水平之间的潜在关联。数据集提供的性别与城乡划分维度，使得评估经济政策对特定人群收入分配的异质性影响成为可能，从而为理解非洲劳动力市场的结构性特征奠定坚实的数据基础。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国统计部门及政策制定者提供了可靠的基准参考。通过追踪不同性别和城乡类别下的收入中位数变化，决策者可识别收入分配中的脆弱群体，从而设计更具针对性的最低工资政策、就业促进方案与社会保护措施。例如，结合性别与地域的交叉分析，能够为缩小城乡女性收入劣势的干预项目提供数据支撑，优化财政转移支付的分配效率，助力联合国可持续发展目标中体面工作与经济增长指标的监测与实现。

衍生相关工作

围绕该数据集，已衍生出多项具有影响力的研究工作。基于ILOSTAT的非洲收入数据，学者们构建了动态面板模型预测劳动力市场变迁，并开发出自动化数据清洗与插补工具以应对非洲调查数据中的缺失值问题。部分工作进一步将该收入数据与地理信息系统结合，绘制出非洲城乡收入不平等的高分辨率地图，揭示了经济地理与收入分布之间的深层关联。此外，该数据集也为机器学习模型在低收入地区收入预测任务中的训练提供了标准化基准，催生了融合多源非洲社会经济数据的集成分析框架，不断拓展着定量劳动研究的边界。