electricsheepafrica/africa-ilo-ear-ehrm-sex-ocu-nb-median-hourly-earnings-of-employees-by-sex-and-occ

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的按性别和职业划分的员工每小时收入中位数（本地货币）指标数据。它涵盖了32个非洲国家从1991年至2024年的7,112个观测值。数据以表格形式组织，包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（总计、男性、女性）、职业分类、观测年份、观测值（以本地货币计的收入中位数）、观测状态等列。数据经过ILO的标准化处理，适用于表格分类、表格回归和时间序列预测等任务。This dataset contains the Median hourly earnings of employees by sex and occupation (local currency) indicator from the International Labour Organization (ILO) ILOSTAT database. It includes 7,112 observations across 32 African countries from 1991 to 2024. The data is structured in tabular format with columns such as country code, country name, data source, indicator code, indicator label, sex disaggregation (total, male, female), occupation classification, observation year, observed value (median hourly earnings in local currency), observation status, and more. The data is harmonized by ILO and is suitable for tasks like tabular classification, tabular 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统计数据库，通过其REST API接口直接提取非洲国家相关指标数据。原始数据经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，涵盖各国劳动力调查、家庭收支调查及行政记录等多源信息。Electric Sheep Africa团队对API返回数据进行区域过滤，仅保留ISO 3166-1 alpha-3代码所标识的32个非洲国家观测值，并对表格结构进行标准化重构，最终以Parquet格式封装发布，确保研究者可通过HuggingFace Datasets库直接加载使用。

特点

数据集包含7112条观测记录，时间跨度从1991年至2024年，覆盖非洲32个国家，聚焦“按性别和职业划分的雇员小时收入中位数（本币）”单一核心指标。其结构精巧，每条记录包含国家代码、数据来源、性别分类、职业技能等级分类及时序值等字段。尤为特别的是，数据提供了性别（男性、女性、合计）和职业技能等级的多维交叉细分，便于开展收入差距与劳动市场结构的深入分析，同时标注观测状态与注释信息，确保数据溯源与质量评价有据可依。

使用方法

使用者可通过HuggingFace的`datasets`库以一行命令加载数据：`load_dataset("electricsheepafrica/africa-ilo-ear-ehrm-sex-ocu-nb-median-hourly-earnings-of-employees-by-sex-and-occ")`，并将数据集转换为Pandas DataFrame进行后续操作。典型分析流程包括：按国家代码筛选特定国家的数据，按时间序列排序单一指标并绘图展示趋势，或利用透视表功能构建以年份为行、国家为列的矩阵，便于跨国比较和面板数据分析。该数据集设计与主流数据科学工具无缝衔接，降低了研究人员获取和处理非洲劳动收入数据的门槛。

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整理后托管于HuggingFace平台，聚焦非洲32个国家1991至2024年间雇员按性别与职业划分的时薪中位数（以当地货币计）。数据集涵盖7,112条观测记录，源自ILOSTAT数据库——全球劳动统计领域最具权威性的来源之一，其数据经由各国劳动力调查与行政记录整合并统一标准化。这一资源的涌现，为剖析非洲大陆在性别薪酬差距、职业分层与劳动力市场不平等问题提供了关键的量化基础。它不仅服务于劳动经济学与公共政策研究，也为跨国比较、纵向趋势分析乃至机器学习建模奠定了基础。作为连接微观调查与宏观决策的桥梁，数据集在推动可持续发展目标（特别是体面工作和经济增长）的监测与评估方面具有深远影响力。

当前挑战

数据构建与使用面临多重挑战：其一，非洲各国劳动力调查设计、数据收集周期与质量参差不齐，导致时间序列稀疏且存在大量缺失值，部分观测被标记为“不可靠”，增加了统计推断与模型训练的噪声；其二，数据集仅涵盖32个国家，且观测分布极不均衡（如毛里求斯占964行，而多个国家不足200行），地理偏差可能削弱结论的泛化能力；其三，源数据多为年度频率，且使用当地货币计价，汇率的波动与通货膨胀使得跨时期与跨国的直接比较复杂化；此外，职业与性别维度的精细分类（如技能等级）在部分国家记录不足，限制了分组的粒度。整理过程还需解决ILO多源择优策略带来的一致性挑战，以及指标编码与元数据的对齐问题。

常用场景

经典使用场景

该数据集的核心应用场景在于对非洲大陆雇员时薪中位数的跨时空分析，涵盖性别与职业维度的细致解构。研究者可借此构建面板数据模型，考察1991年至2024年间32个非洲国家工资水平的演化轨迹，揭示经济发展、劳动力市场政策与薪酬结构之间的复杂关联。通过将性别作为关键分组变量，该数据集支持性别工资差距的纵向比较与跨国横截面分析，为理解非洲地区职业性别隔离与收入不平等提供了翔实的量化基础。

解决学术问题

该数据集有效回应了非洲劳动经济学领域长期面临的数据稀疏与口径不统一的核心困境。依托国际劳工组织（ILO）采用国际劳动统计学家会议（ICLS）标准进行严格协调后发布的数据，研究者得以克服以往依赖零散国别调查的局限，系统性地探讨非洲劳动力市场的结构变迁、性别收入差异的收敛或发散趋势，以及不同技能等级职业间的薪酬分层规律。这对于检验人力资本理论、劳动市场分割理论在非洲特定语境下的适用性具有重要学术价值，也为制定证据驱动的减贫与体面劳动政策提供了坚实依据。

衍生相关工作

围绕此数据集，已衍生出若干具有影响力的学术与实践成果。ILO利用该数据源定期发布《全球工资报告》非洲专章，为跨国比较与政策倡导提供权威参考。在学术界，研究者基于该数据构建了非洲劳动力市场动态面板数据库，进而实证分析了贸易自由化、外国直接投资与非洲制造业薪资变动的关系。此外，数据集的重新封装版本经Electric Sheep Africa标准化处理后，已作为机器就绪（ML-ready）形式融入HuggingFace生态系统，催生了多篇利用时间序列预测模型探讨非洲各国薪资趋势的预印本研究。