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

该数据集包含非洲32个国家从1991年至2024年的员工中位小时收入数据，按性别、职业和货币进行细分。数据集共有20,479个观测值，涵盖一个核心指标：按性别、职业和货币划分的员工中位小时收入。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过标准化处理，适用于表格分类、回归和时间序列预测等任务。数据集提供了详细的元数据，包括国家代码、年份、性别分类、职业分类、货币类型以及观测值和状态标志，旨在支持对非洲劳动力市场收入的分析和研究。This dataset contains median hourly earnings data for employees in 32 African countries from 1991 to 2024, disaggregated by sex, occupation, and currency. It includes 20,479 observations covering one key indicator: Median hourly earnings of employees by sex, occupation and currency. The data is sourced from the International Labour Organizations (ILO) ILOSTAT statistical database, harmonized and repackaged for machine learning applications, suitable for tabular classification, regression, and time-series forecasting tasks. The dataset provides detailed metadata such as country codes, years, sex classifications, occupation categories, currency types, observed values, and status flags, facilitating analysis and research on labor market earnings in Africa.

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，聚焦非洲大陆32个国家，涵盖1991年至2024年间雇员按性别、职业和货币划分的时薪中位数数据。数据通过ILOSTAT REST API直接获取，并依据ILO统计学家国际会议（ICLS）的定义对原始调查微观数据进行标准化处理。Electric Sheep Africa团队负责数据再封装，将其整理为统一的Parquet格式，并保留了包括数据来源标签在内的元字段，确保数据的可追溯性。最终数据集包含20,479条观测记录，覆盖单一核心指标，为分析非洲劳动力市场薪酬结构提供了权威、高质量且便于机器学习的结构化资源。

使用方法

数据集的使用极为便捷，得益于HuggingFace Datasets库的集成。用户可通过一行Python代码——`load_dataset("electricsheepafrica/africa-ilo-ear-ehrm-sex-ocu-cur-nb-median-hourly-earnings-of-employees-by-sex-occupat")`——轻松加载数据，并将其转换为Pandas DataFrame进行后续分析。典型应用包括：通过`ref_area`列过滤特定国家（如肯尼亚）的数据进行国家层面研究；利用`indicator`列筛选单一指标并按时序绘制其变化趋势；或采用透视表（pivot_table）方法将数据重塑为国家×年份矩阵，便于进行面板数据分析或构建比较模型。这种标准化接口极大地降低了数据使用的门槛。

背景与挑战

背景概述

在劳动经济学与可持续发展目标（SDGs）的研究视域下，薪酬数据的精细化分析对评估劳动力市场公平性、指导政策制定具有关键意义。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库整合了来自200多个经济体的劳动力调查与行政记录。本数据集由Electric Sheep Africa于2024年重新封装发布，聚焦非洲大陆，涵盖32个国家、1991至2024年的20479条观测，核心指标为按性别、职业与货币分列的雇员小时收入中位数。该数据集的问世为非洲劳动经济学与性别工资差距研究提供了标准化、机器可读的时序面板数据，尤其填补了该区域在跨国家、跨职业维度的薪酬可比性分析上的数据空白，成为推动非洲体面劳动议题量化研究的重要基础设施。

当前挑战

该数据集所解决的领域核心挑战在于，非洲国家间劳动统计口径差异显著，工资数据的跨国可比性长期受限于调查方法、货币单位与职业分类体系的不统一。ILO通过ICLS定义协调原始调查微观数据，并标记来源以保障可溯源性，为研究者提供了统一框架下分析劳动力市场不平等、性别薪酬差异及职业分隔的基础。在构建过程中，挑战集中于多源异构数据的清洗与对齐：不同来源（如劳动力调查、企业调查）的指标定义、观测状态标记（如‘不可靠’）及货币折算逻辑需精准映射；同时，时间序列的稀疏性与国家覆盖不均衡（如毛里求斯2892行与尼日利亚仅417行）引入了样本偏差，要求建模时审慎处理缺失值与亚区域代表性，以避免估计偏倚。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中非洲32个国家1991年至2024年间雇员按性别、职业和货币分类的时薪中位数数据，共计20,479条观测记录。作为劳动经济学与发展研究领域的核心资源，它被广泛用于跨国工资差异分析、性别薪酬鸿沟量化评估以及职业分层对收入影响的实证研究。研究人员通常将观测值按国家和时间轴进行面板数据重构，或利用性别与职业分类维度进行多组间比较。该数据集的结构化特性和时间跨度为基于机器学习的时序预测和分类回归任务提供了高质量的训练素材，尤其适合构建非洲区域劳动力市场监测模型。

解决学术问题

在学术研究中，该数据集有效解决了非洲大陆长期缺乏标准化、可比性薪酬统计数据的难题。它为验证人力资本理论、劳动力市场分割理论及性别歧视假说提供了跨国家的实证基础。研究者能够基于时薪中位数指标，深入探讨经济发展阶段、产业结构变迁与收入不平等之间的动态关联。数据集覆盖长达三十余年的观测窗口，使得长期趋势分析和政策干预效果评估成为可能，弥合了以往因数据碎片化而难以开展的跨国面板研究的空白。其对ILO国际定义的遵从性也保障了研究结果的科学可比性，推动了非洲劳动经济学从描述性统计向因果推断的范式跃迁。

实际应用

在实际应用中，该数据集成为国际发展机构、非洲各国统计部门及劳工权益组织进行政策制定与成效监测的关键工具。国际劳工组织可据此评估成员国体面劳动目标的实现进程，识别性别薪酬差距严重或工资增长滞后的地区。各国政府利用这些信息优化最低工资标准、职业培训计划和性别平等法案的设计与调整。非政府组织和智库则通过数据集中的分类特征，针对特定职业群体或性别群体发布薪酬透明度报告，倡导公平劳动政策。此外，经济学家和数据分析师还将其集成到非洲劳动力市场信息系统中，用于实时生成区域薪酬晴雨表，辅助投资决策与人力资源配置。

数据集最近研究

最新研究方向

该数据集聚焦于非洲32国1991至2024年间雇员按性别、职业与货币划分的时薪中位数，为劳动经济学中性别薪酬差距、职业隔离与货币购买力交织影响的跨时空比较研究提供了宝贵素材。前沿研究方向主要涵盖基于机器学习的薪酬不平等预测模型构建，利用时间序列分析探索非洲劳动力市场结构性变迁与宏观经济政策（如最低工资立法）的冲击效应，以及结合地理与人口特征图神经网络挖掘区域间薪酬传导机制。数据集的精细分类与长期跨度使其成为评估联合国可持续发展目标8（体面工作与经济增长）在非洲落地成效的重要量化工具，尤其在新冠疫情后劳动力市场韧性分析与性别薪资公平性评估中展现出显著应用价值。