electricsheepafrica/africa-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab

该数据集包含非洲28个国家从2005年至2024年的1,983个观测值，聚焦于“按性别、残疾状况和货币划分的员工月平均收入”指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过处理，涵盖就业、工资等劳动统计领域。数据集以表格形式呈现，包括国家代码、年份、性别分类、残疾状况、货币类型等维度，适用于表格分类、回归和时间序列预测等机器学习任务。数据已由Electric Sheep Africa重新打包，便于在HuggingFace平台上使用。This dataset contains 1,983 observations of average monthly earnings of employees by sex, disability status and currency across 28 Africa countries, spanning from 2005 to 2024. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), providing harmonized labor statistics on employment and wages. The data is presented in tabular format with dimensions such as country codes, years, sex disaggregation, disability status, and currency types, suitable for machine learning tasks like tabular classification, regression, and time-series forecasting. Repackaged by Electric Sheep Africa for easy access on HuggingFace.

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，通过REST API直接获取指标代码为EAR_EMTA_SEX_DSB_CUR_NB的原始数据，并依据非洲ISO3国家代码进行地域筛选。数据来源涵盖各国民劳工调查、家庭收入调查、企业调查及行政记录，经ILO统计部门依据国际劳工统计学家会议标准进行统一整合。数据集中非空的分列维度（如性别、残疾状况）严格遵循对应指标的原始发布规范，确保每一条观测记录的来源在source.label字段中可追溯。最终由Electric Sheep Africa管线的重新封装，形成包含1983条观测、覆盖28个非洲国家、时间跨度为2005至2024年的表格数据集。

特点

该数据集聚焦非洲地区雇员月均收入，在性别与残疾状态双维度下提供分列统计，包含本地货币与特定货币单位的观测值。其特色在于支持时间序列分析和面板数据透视，用户可根据ref_area、sex、classif1等字段灵活筛选特定国家、性别或残疾状况子集。数据集标注了观测状态（如临时、不可靠）和来源信息，便于用户评估数据质量。数据频率为年度，且对同一国家同年份的多来源数据采用ILO选择的‘最佳来源’，确保了统计口径的一致性。

使用方法

研究者可通过HuggingFace Datasets库的load_dataset函数一键加载数据，并转换为pandas DataFrame进行探索。典型应用包括：按ref_area字段筛选单一国家子集进行国别分析；针对特定指标按时间排序绘制趋势图；利用pivot_table构建国家×年份的收入矩阵，支持跨国的面板数据分析。此外，数据集的多分列维度（如性别、残疾状态）允许用户通过分类变量进行条件筛选，深入探讨不同群体的收入差异。数据集使用cc-by-4.0许可，引用时需注明ILO原始来源及Electric Sheep Africa的重新封装版本。

背景与挑战

背景概述

在非洲大陆，劳动力市场的性别平等与残疾包容性一直是国际发展议程的核心议题。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库长期致力于提供标准化的劳动力指标。在此背景下，Electric Sheep Africa于2024年从ILOSTAT API中提取并重新打包了名为“africa-ilo-ear-emta-sex-dsb-cur-nb-average-monthly-earnings-of-employees-by-sex-disab”的数据集，聚焦非洲28个国家、2005至2024年间雇员月平均收入的分性别与残疾状况数据。该数据集基于国际劳动统计学家会议的定义进行协调，共收录1,983条观测，旨在填补非洲区域在高分辨率、多维度收入统计方面的空白，为研究收入不平等、劳动市场歧视及可持续发展目标（SDG）进展提供了关键数据支撑。

当前挑战

该数据集所应对的领域挑战在于，非洲劳动力市场长期缺乏按性别与残疾状况细分的可靠收入数据，导致政策制定者难以精准评估收入差距的演变趋势及针对性干预措施的效果。在构建过程中，数据整合面临多重障碍：首先，28个国家的原始调查来源各异（如劳动力调查、家庭收支调查），需依赖ILO的“最佳来源”选择机制进行标准化，但部分观测仍被标记为“不可靠”（如obs_status字段中的U类），影响数据质量。其次，时间序列存在显著不平衡——如赞比亚有171条记录而尼日利亚仅63条，且部分国家覆盖年份短（如贝宁2023年、尼日尔2022年），限制了跨国纵向比较的统计分析效力。此外，残疾状态分类（classif1字段）的缺失值可能源于不同来源对残疾定义的不一致，进一步降低了数据可用性。

常用场景

经典使用场景

该数据集涵盖了2005至2024年间28个非洲国家雇员的月均收入数据，并按性别和残疾状态进行了细粒度分类，是劳动经济学与不平等研究领域不可多得的标准化时序面板数据。研究者可将其用于构建跨国收入水平比较模型，分析不同性别群体在非洲劳动力市场中的薪酬差异，或结合残疾状态变量探索社会包容性政策的实施效果。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经由Electric Sheep Africa重新整合为机器学习就绪格式，支持分类、回归与时间序列预测等任务，为定量分析提供了坚实且可复现的数据基础。

衍生相关工作

该数据集已衍生出多项具有影响力的学术与实践工作。基于其提供的时序收入数据，研究者开发了面向非洲的性别薪酬差距预测模型，利用机器学习算法揭示职业隔离、教育水平与制度环境对收入差异的非线性影响。另有工作将其与ILOSTAT中的就业率、非正规就业比例等指标融合，构建了综合性劳动力市场指数，用以评估非洲各国体面劳动进程的推进情况。此外，Electric Sheep Africa基于此数据集开发的标准化数据管线，为后续非洲地区环境、社会与治理（ESG）数据集的整合与发布提供了技术范式，促进了跨数据集联合分析的新研究生态的形成。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区雇员月均收入在性别与残疾状态维度上的分层差异，为劳动经济学中的收入不平等与包容性就业研究提供了关键微观证据。当前前沿方向集中利用时序面板数据，结合ILOSTAT统一的方法论框架，剖析残疾群体在正规与非正规部门中的收入分布演变趋势，并与联合国2030年可持续发展议程中“体面工作与经济增长”及“减少不平等”目标形成实证呼应。通过覆盖28个非洲国家、长达二十年的观测，该数据集使得研究者能够跨越国境线比较残疾歧视与性别工资差距的交互效应，从而为政策制定者构建更加精准的社会保护与劳动市场干预措施奠定数据基础。