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

该数据集是一个表格型数据集，适用于时间序列预测、表格分类和回归任务。它包含1,734个观察值，覆盖非洲44个国家从1991年至2024年的员工月收入中位数数据，按性别和货币进行分类。数据源自国际劳工组织（ILO）的ILOSTAT中央统计数据库，该数据库是全球劳动统计的主要来源，基于国家劳动力调查、家庭收入调查、机构调查和行政记录。数据集经过Electric Sheep Africa重新打包处理，以标准化模式发布，便于机器学习使用。数据结构包括国家代码、国家名称、数据源、指标代码、性别分类、年份、观测值等列，其中指标为EAR_EMTM_SEX_CUR_NB，表示按性别和货币划分的员工月收入中位数。数据质量方面，为年度频率，ILO选择最佳来源以避免重复，且分类列仅在指标发布细分数据时非空。数据集旨在为研究人员和开发者提供非洲劳动市场的标准化、可访问数据，支持经济分析和预测模型开发。This dataset is a tabular dataset suitable for time-series forecasting, tabular classification, and regression tasks. It contains 1,734 observations covering median monthly earnings of employees across 44 African countries from 1991 to 2024, disaggregated by sex and currency. The data is sourced from the International Labour Organizations (ILO) ILOSTAT central statistics database, a leading global source for labour statistics based on national labour force surveys, household income surveys, establishment surveys, and administrative records. Repackaged by Electric Sheep Africa, the dataset is standardized and published in a consistent schema for machine learning readiness. The schema includes columns such as country code, country name, data source, indicator code, sex classification, year, observed value, etc., with the indicator being EAR_EMTM_SEX_CUR_NB, representing median monthly earnings of employees by sex and currency. Data quality notes: it is annual frequency, uses ILO-selected best source to avoid duplicates, and disaggregation columns are non-null only when breakdowns are published. The dataset aims to provide standardized, accessible data on African labour markets for researchers and developers, supporting economic analysis and predictive modeling.

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）旗下的ILOSTAT统计数据库，通过REST API接口直接提取指标代码为EAR_EMTM_SEX_CUR_NB的原始数据，并经非洲ISO3国家代码筛选后构建而成。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、家庭收入调查及行政记录等微观数据进行标准化处理，确保跨国的可比性。数据集中的每一行记录均附有来源标签（source.label），以便追溯数据出处。最终由Electric Sheep Africa团队重新封装为统一的HuggingFace数据集格式，便于机器学习的直接加载。

特点

该数据集聚焦非洲地区，涵盖44个国家、1991年至2024年间的1,734条观测记录，提供员工月收入中位数的性别与货币维度精细化指标。数据按性别拆分为总计、男性和女性三个类别（SEX_T、SEX_M、SEX_F），并注明本地货币或统一货币类型。每条记录包含国家代码、来源、指标名称、观测年份及数值等16个字段，同时附有观测状态标志（如序列中断）和注释信息，便于用户识别数据质量与潜在偏差。其年度频率和ILO优选源机制保证了数据的一致性与权威性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载该数据集至Python环境，并利用to_pandas()方法转为DataFrame进行后续分析。典型操作包括按国家代码（ref_area）筛选特定国家的时间序列数据，或按指标代码（indicator）排序后绘制收入趋势图。此外，用户可借助pivot_table函数将数据重塑为国家×年份的矩阵格式，便于面板数据回归或跨区域比较分析。数据集已预先处理为ML就绪状态，无需额外清洗即可直接用于表格分类、回归或时间序列预测等任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司通过其旗舰数据库ILOSTAT编制，并经Electric Sheep Africa于2024年重新打包发布，聚焦非洲大陆雇员性别与货币维度的中位数月收入。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、家庭收支调查以及行政记录等多源微观数据，并依据国际劳工统计学家会议定义进行标准化处理。该数据集收录了1991年至2024年间44个非洲国家的1734条观测记录，覆盖毛里求斯、埃及、南非等主要经济体，为深入分析非洲劳动力市场中的性别收入差距、货币差异及时间序列演变提供了结构化、机器可读的宝贵资源。研究者可借此探究非洲区域内的收入水平分化趋势、政策干预效果以及劳动力市场的结构性特征，推动关于非洲大陆体面劳动与可持续发展目标的实证研究。

当前挑战

数据集所解决的核心领域挑战在于非洲地区劳动力市场数据长期存在的碎片化与不透明性，尤其是雇员收入的性别差异与货币换算问题，传统统计方式难以支持跨国的比较与趋势分析。在构建过程中，挑战体现为多源异构数据的整合与标准化，各国家调查方法、收入定义及货币单位差异显著，ILO需要筛选最优来源并标记数据断裂与置信度状态；同时，非洲国家间数据采集频率不一，部分经济体缺失多年观测值，导致时间序列存在非均衡性。此外，数据集中仅包含性别维度（男、女、总计）的简单分类，缺乏对年龄、行业、教育背景等更高分辨率特征的分解，限制了更为精细的收入决定因素研究，也凸显了在数据丰富性与结构性约束之间的平衡难题。

常用场景

经典使用场景

该数据集经典的使用场景之一是为非洲大陆的劳动经济学与性别平等研究提供微观与宏观相结合的薪酬量化基准。研究者可借助1,734条覆盖44个非洲国家、跨越1991至2024年的观测记录，深入剖析不同国家与时段内性别间月收入中位数的动态演变。其详尽的列设计（包括性别细分类别、本地货币与多种调查来源标记）使得面板数据分析、收入对数变换后的回归建模以及时间序列分解成为可能，从而揭示性别工资差异在非洲不同经济体制与劳动力市场结构中的具体形态。

衍生相关工作

以该数据集为基石，衍生出一系列值得关注的学术与工具性工作。在方法论层面，研究者可基于其性别-货币双重分类结构，开发适用于非洲小样本面板的缺失值插补算法与多源数据融合方案。在应用研究方面，已有相关工作利用此类ILOSTAT非洲子集构建“工资收敛俱乐部”识别框架，或联合世界银行企业调查数据考察性别薪酬差距与企业所有制形态的关系。此外，Electric Sheep Africa团队以该数据集为样例，示范了将官方统计API实时抽取-标准化-推送至HuggingFace Datasets的自动化管线，催生了面向非洲的数据包与数据集卡片标准化生态，降低了非计算机背景社科研究者使用机器学习工具的准入门槛。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区性别薪酬差异的纵向追踪与跨国比较研究，依托国际劳工组织ILOSTAT的权威统计框架，覆盖44个非洲国家长达34年的雇员月收入中位数数据。当前前沿方向集中于利用时间序列分析揭示经济周期、劳动力市场政策及性别平等倡议对薪酬差距的动态影响，尤其关注非洲大陆自贸区建设、数字经济崛起等热点事件如何重塑性别收入分配格局。研究意义在于为联合国可持续发展目标（SDG 8.5）的非洲本土化监测提供标准化数据底座，推动基于证据的薪酬透明化立法与普惠性就业政策制定，填补撒哈拉以南非洲系统性薪酬统计的空白。