electricsheepafrica/africa-ilo-ear-emtg-sex-age-nb-gini-index-of-monthly-earnings-of-employees-by-sex

该数据集包含非洲45个国家从1991年至2024年的4,776个观测值，核心指标是按性别和年龄划分的员工月度收入基尼指数（Gini index of monthly earnings of employees by sex and age），用于衡量收入不平等程度。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家，涵盖不同性别（总计、男性、女性）和年龄组的细分维度。数据集适用于表格分类、回归和时间序列预测等机器学习任务，旨在为非洲提供统一、机器学习就绪的数据层。This dataset contains 4,776 observations across 45 African countries from 1991 to 2024, with the core indicator being the Gini index of monthly earnings of employees by sex and age, which measures income inequality. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved via API and filtered for African countries, and includes disaggregation by sex (total, male, female) and age groups. It is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting, and is part of a unified, ML-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，通过REST API直接抽取指标代码为EAR_EMTG_SEX_AGE_NB的月度雇员收入基尼系数数据，并依据非洲国家ISO3代码进行地理过滤与整合。数据经Electric Sheep Africa团队重新封装，保留ILOSTAT基于国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调处理的流程，并在source.label列中标记数据来源（如劳动力调查、行政记录等），确保了因追溯需求而具备的透明性与规范性。

特点

该数据集收录了1991年至2024年间非洲45个国家的4776条观测记录，聚焦于按性别与年龄维度划分的雇员月度收入基尼系数这一单一指标，提供了丰富的分类信息，包括性别（总计、男性、女性）与年龄组别。数据以年度频率呈现，且当同一国家同年存在多个数据来源时，采用ILO筛选的“最佳来源”以保证质量。其地理覆盖范围广泛，从毛里求斯（573条）至安哥拉等国，呈现了非洲大陆收入不平等状况的长期演变图景。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载该数据集，返回的DataFrame结构清晰，包含ref_area（ISO国家代码）、sex（性别分类）、time（年份）、obs_value（基尼系数值）等20个字段。支持快速按国家筛选（如df['ref_area']==“KEN”）、按指标排序后绘制时间序列图，或构建以年份为行、国家为列的透视矩阵，便于进行非洲各国收入不平等程度的横向对比与纵向趋势分析，适配表格分类、回归及时间序列预测等下游任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT编制，并由Electric Sheep Africa于2024年重新整理发布，聚焦于非洲45个国家1991至2024年间雇员月收入的基尼指数，用以衡量收入与薪酬不平等状况。基尼指数作为量化收入分配公平性的经典指标，在劳动经济学与发展研究中具有举足轻重的地位，尤其对于揭示非洲大陆内部性别与年龄维度的收入差距至关重要。数据集涵盖了4,776条观测值，横跨三十余年，为分析非洲劳动力市场的结构性不平等提供了宝贵的时间序列素材，进而推动了针对非洲区域收入分配政策的实证研究，对理解经济发展与社会公正的互动关系产生了深远影响。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：基尼指数虽能反映总体不平等，却难以捕捉种族、教育或地理等交叉维度的细微差异，且其计算依赖于高质量的微观调查数据，而非洲国家间数据采集标准不一、调查频率与覆盖范围参差不齐，导致跨国可比性受限。在构建过程中，数据整合需应对多源调查（如劳动力调查与行政记录）的格式差异，ILO虽采用ICLS定义进行协调，但部分观测值存在序列断裂或可靠性标记，如标识为'B'的断点数据增加了建模难度；此外，稀疏的年频率数据与缺失的月度或季度序列进一步限制了时间序列预测的精度与泛化能力。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中关于非洲45个国家、横跨1991至2024年间雇员月收入基尼系数的面板数据，共计4776条观测。其经典使用场景涵盖基于性别与年龄维度的收入不平等测度与跨时点追踪，研究者可借助时间序列回归模型剖析非洲各国收入分配格局的演变轨迹，或运用面板数据分析方法探究经济发展、劳动力市场政策对收入差距的异质性影响。数据集的细粒度分拆特征（如性别与年龄组别）为构建多层次统计推断模型提供了坚实支撑，也是开展非洲大陆内部收入不平等比较研究的宝贵资源。

衍生相关工作

基于此数据集衍生出的相关工作集中于非洲收入不平等的时空模式挖掘与因果推断。典型研究包括利用该数据揭示性别基尼系数差距的收敛或发散趋势，以及结合教育、就业结构等辅变量构建多因素面板回归模型，识别驱动不平等变化的关键因素。一些工作进一步将基尼指数与宏观经济指标（如GDP增长率、外商直接投资）关联，评估经济增长对分配公平性的影响。此外，该数据集也被用作训练机器学习模型以预测未来不平等走势的基准，并与卫星夜间灯光数据、人口普查微观数据融合，衍生出更丰富的区域不平等测度研究。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆雇员月收入基尼系数的性别与年龄维度分解，为劳动经济学中收入不平等的前沿研究提供了关键数据支撑。当前研究热点在于利用长时间跨度（1991-2024年）和跨国面板数据，结合ILOSTAT的标准化方法论，深入探讨非洲国家在可持续发展目标（SDG 8与10）框架下，收入分配格局的演变轨迹与驱动因子。尤其值得关注的是，数据集内含的性别与年龄分类信息，使得研究者能够精准刻画不同劳动群体间的收入差异，例如年轻女性与成年男性雇员在工资分布中的结构性差距。这一数据资源对于评估非洲经济转型过程中的包容性增长政策，以及揭示全球化与劳动力市场制度变迁对不平等的影响，具有不可替代的实证价值。