electricsheepafrica/africa-ilo-ear-ehra-sex-age-nb-average-hourly-earnings-of-employees-by-sex-and-ag

该数据集包含非洲36个国家从1991年至2024年的员工平均小时收入数据，共有3,960个观测值。核心指标为EAR_EHRA_SEX_AGE_NB，表示按性别和年龄划分的员工平均小时收入（以本地货币计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并专门过滤为非洲国家。数据集包含多个维度字段，如国家代码、国家名称、数据来源、指标代码、性别（总计、男性、女性）、年龄分类、观测年份、观测值、观测状态等。数据以年度频率发布，并经过ILO的标准化处理，确保定义一致性。该数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲劳动力市场中的收入差异和趋势。This dataset contains 3,960 observations of average hourly earnings data for employees across 36 African countries, spanning from 1991 to 2024. The core indicator is EAR_EHRA_SEX_AGE_NB, representing average hourly earnings of employees by sex and age in local currency. Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African countries. The dataset includes multiple dimension fields such as country code, country name, data source, indicator code, sex (total, male, female), age classification, observation year, observed value, and observation status. Data is published at annual frequency and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions. It is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of income disparities and trends in African labor markets.

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，通过其REST API直接获取指标代码为EAR_EHRA_SEX_AGE_NB的原始数据，并依据非洲ISO3国家代码进行地理范围筛选。为了确保统计口径的一致性，ILOSTAT采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一整合，并在source.label字段中标注数据来源（如劳动力调查、雇主调查等），实现完整的可追溯性。最终由Electric Sheep Africa团队完成数据的重新打包与标准化，形成包含3960条观测值、覆盖36个非洲国家及1991至2024年时间跨度的结构化表格数据集。

特点

该数据集的核心特点在于其精细的维度切分与权威性。它聚焦于非洲地区按性别与年龄分组的雇员平均小时工资（以当地货币计）这一关键劳动经济指标，提供了从总人口、男性到女性的三级性别细分（SEX_T、SEX_M、SEX_F），并辅以年龄分类变量。数据覆盖36个非洲国家，时间跨度长达34年，其中毛里求斯（552条）、埃及（384条）和南非（336条）的观测最为密集。此外，数据集中包含了观察状态标志和序列中断注释，为用户评估数据质量与时间序列连续性提供了透明依据。

使用方法

用户可通过HuggingFace的datasets库便捷加载数据，只需一行代码ds = load_dataset('electricsheepafrica/africa-ilo-ear-ehra-sex-age-nb-average-hourly-earnings-of-employees-by-sex-and-ag')即可获得完整的Pandas数据框。针对具体分析需求，可基于ref_area列筛选特定国家数据，例如df[df['ref_area'] == 'KEN']获取肯尼亚的工资记录。对于时间序列分析，可按indicator字段定位指标后使用sort_values按年份排序并绘制趋势图。该数据集还支持透视操作，通过pivot_table方法将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨区域比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门基于ILOSTAT数据库整理，经Electric Sheep Africa于2024年重新打包发布，聚焦非洲大陆36个国家1991年至2024年间按性别与年龄划分的雇员平均小时工资（以当地货币计）。ILOSTAT作为全球劳工统计的权威来源，整合了各国劳动力调查、家庭收入调查及行政记录等多元数据，遵循国际劳工统计学家会议（ICLS）定义进行标准化处理。此数据集为研究非洲劳动力市场的性别工资差异、年龄结构对收入的影响以及区域经济不平等提供了跨越三十余年的宝贵面板数据，成为评估非洲可持续发展目标中体面工作进展的关键支撑，尤其对发展经济学、劳动经济学及公共政策领域具有重要参考价值。

当前挑战

该数据集面临的主要挑战包括：其一，非洲国家间的数据质量参差不齐，部分观测值存在断裂序列或标记为临时数据，需谨慎处理时间序列的连续性与可比性；其二，工资数据以当地货币计价，未统一换算为购买力平价，跨国家与跨时期的真实收入比较需额外处理通胀与汇率波动；其三，性别与年龄的分组维度有限，仅包含总、男、女三类性别及15岁以上青年与成人两组年龄，难以深入分析更细粒度的人口特征差异。此外，数据集以年频发布，缺失月度或季度波动信息，限制了高频率劳动市场动态监测的能力。

常用场景

经典使用场景

作为国际劳工组织（ILO）核心劳动统计数据库ILOSTAT的非洲子集，该数据集以性别与年龄为关键维度，系统记录了1991至2024年间36个非洲国家员工平均时薪（本币计值）的年度观测值。其经典使用场景涵盖时间序列预测——研究者可借助3,960条观测数据构建自回归移动平均或结构时间序列模型，以刻画非洲大陆薪资演变的长期趋势与季节性模式；此外，该数据亦广泛用于面板回归分析，通过固定效应或随机效应模型，探究性别薪资差距、年龄组别收入差异及其随经济发展的动态变迁规律。

衍生相关工作

该数据集衍生出多支影响深远的学术脉络，显著拓展了劳动经济学与时间序列分析的交叉边界。一方面，研究者基于其性别与年龄维度的细粒度拆分，构建了非洲首个可比较的跨国薪资不平等指数，后续被应用于全球性别差距报告的区域评估章节。另一方面，部分学者将ILOSTAT数据与非洲家庭调查微观数据融合，开发出适用于缺失数据场景的非参数插补算法，显著提升了预测模型的鲁棒性。此外，该数据集亦催生了面向ILO官方API的标准化数据抓取工具包，降低了后续研究者整合多源劳动统计信息的技术门槛。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆按性别与年龄分层的雇员平均时薪趋势分析，其核心价值在于为劳动经济学、性别薪酬差距及体面劳动指标（SDG 8）的前沿研究提供标准化的时序数据支撑。在ILO推广2023年《统计劳动市场不平等指南》的背景下，该数据可赋能对非洲36国、跨越三十余年结构性变迁的薪资动态建模，尤其支持因果推断与面板数据分析以探究性别工资鸿沟的演变、青年就业质量的区域异质性，以及轮值调查数据源对估计稳健性的影响。通过结合Electric Sheep Africa的ML就绪管道，其结构化格式适配时间序列预测与分类任务，为政策制定者与研究者洞察非洲劳动力市场的非正规性、结构性转型及包容性增长路径提供了可复现的证据基础。