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

该数据集包含49,860个观测值，覆盖44个非洲国家，时间跨度为1991年至2024年，涵盖1个独特指标：按性别、经济活动和货币划分的员工月收入中位数（EAR_EMTM_SEX_ECO_CUR_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤为非洲国家。数据集包括细分维度，如性别（总计、男性、女性）、经济活动和货币类型，并提供了数据来源、观测状态和注释等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 49,860 observations of earnings data across 44 Africa countries, spanning 1991–2024, covering 1 distinct indicator: Median monthly earnings of employees by sex, economic activity and currency (EAR_EMTM_SEX_ECO_CUR_NB). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for African countries. It includes disaggregation dimensions such as sex (total, male, female), economic activity, and currency type, along with information on data sources, observation status, and notes, making it suitable for tasks like tabular classification, 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接口直接抽取关于非洲雇员中位数月薪的指标数据，并依据非洲ISO3国家代码进行地理范围过滤。数据经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调与整合，原始来源涵盖劳动力调查、家庭收入调查及行政记录等多种渠道，并在数据集中以source.label字段标注出处，以确保可追溯性。最终由Electric Sheep Africa团队重新打包，形成结构化的表格数据集。

特点

数据集收录了1991年至2024年间44个非洲国家的49,860条观测记录，覆盖单一核心指标——按性别、经济活动与货币划分的雇员中位数月薪。其空间涵盖毛里求斯、埃及、南非等主要经济体，时间跨度长达三十余年。数据结构包含ISO国家代码、性别分类、经济活动分类及货币类型等多个维度，支持按性别（总、男、女）进行精细拆分。数据质量方面，对于同一国家与年份的多源情况，采用ILO选定的最佳来源，并保留观测状态标志以标识可靠性。

使用方法

用户可通过HuggingFace Datasets库中的load_dataset函数直接加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型用法包括：按国家代码筛选特定国家的数据以开展国别研究；针对单一指标按时间排序绘制时间序列图以观察趋势；或利用pivot_table方法构建以年份为行、国家为列的矩阵形式，便于进行跨国的面板数据分析。代码示例简洁明确，适合快速开展非洲劳动经济学相关的实证研究。

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数据库构建，由Electric Sheep Africa于2024年重新整理并发布，聚焦于非洲大陆雇员按性别、经济活动和货币分类的月收入中位数。数据集涵盖44个非洲国家、时间跨度从1991年至2024年，包含近5万条观测记录，旨在为非洲劳动力市场中的性别收入差异、经济结构转型及货币波动对劳动者收入的影响提供高分辨率量化依据。作为ILO核心劳动统计数据的区域化子集，该数据集填补了非洲低收入经济体在收入分布中位数指标上的系统性空白，为可持续发展目标（SDG）中体面工作与经济增长的监测提供了关键数据支撑，尤其为跨国产出比较和政策评估提供了统一基准。其发布推动了非洲经济研究中从宏观总量到微观劳动收入分布的范式转变，成为劳动经济学、发展经济学及公共政策分析领域的重要资源。

当前挑战

该数据集所应对的核心挑战在于非洲大陆长期存在的劳动收入数据碎片化、不一致及缺失问题。首先，各国统计机构在调查方法、收入定义（是否包含实物支付、非正规部门收入）及货币估值上存在显著差异，导致跨国可比性极为困难，ILO虽通过国际劳工统计学家会议（ICLS）标准进行协调，但源头数据质量参差不齐（如部分观测值标注为‘不可靠’）。其次，数据时间序列不连续，许多国家仅提供近年数据（如安哥拉自2019年起才有记录），且部分年份存在空缺，限制了长期趋势分析和面板计量模型的稳健性。此外，数据仅提供年度频率，未包含更精细的月度或季度波动信息，难以捕捉季节性就业和收入波动。构建过程中，数据整合面临多重挑战：需通过REST API批量拉取ILOSTAT原始数据，再针对非洲国家ISO3代码进行过滤，同时处理多源指标标识符的冲突和分类变量的异构性（如经济活动分类标准因国而异），最终还需将数据统一转换为机器可读的Parquet格式并设计标准化模式，确保与HuggingFace生态兼容，过程涉及大量数据清洗、质量标注和元数据追踪工作。

常用场景

经典使用场景

该数据集记录了1991年至2024年间44个非洲国家按性别、经济活动类型和货币分组的雇员月收入中位数，共计49,860条观测值。在劳动经济学与区域发展研究中，它被广泛用于跨国的性别工资差距纵向比较分析，以及不同经济部门（如农业、工业、服务业）薪酬结构的差异化建模。研究者常以此为基准，通过面板数据回归或时间序列分解，考察非洲大陆内部收入分配的时空演变规律。

解决学术问题

该数据集有力地支撑了非洲劳动力市场中的核心学术议题：性别收入不平等的量化测度及其驱动力分析。它使得学者能够跨越国界，系统性地评估经济发展阶段、产业结构变迁与制度政策对男女员工收入差距的影响。同时，数据的时间跨度覆盖了非洲多个经济周期与重大政策调整时期，为验证人力资本理论、劳动力市场分割理论以及全球化对本地薪酬冲击的假说提供了稀缺的实证基础，显著提升了非洲劳动经济学研究的精度与广域可比性。

衍生相关工作

基于该数据集衍生的经典工作主要集中在三个方向：一是构建非洲性别收入不平等的动态面板数据库，结合世界银行与非洲开发银行的宏观指标，用于跨国回归模型的基准测试；二是开发可解释的机器学习模型，如分位数随机森林或广义加性模型，以揭示不同国家收入决定因素的异质性；三是将其作为ILOSTAT非洲子集的代表性样本，参与全球劳动统计的标准化与缺失值插补研究，推动低收入国家统计能力的提升与数据对齐方法论的创新。