electricsheepafrica/africa-ilo-ear-ehra-sex-mts-cur-nb-average-hourly-earnings-of-employees-by-sex-marita

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲员工平均小时收入数据，专注于按性别、婚姻状况和货币分类的指标。数据集涵盖35个非洲国家，时间跨度为1991年至2024年，共包含4,580个观测值。核心指标为“EAR_EHRA_SEX_MTS_CUR_NB”，即员工平均小时收入，数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家。数据集采用表格格式，包含列如ref_area（国家代码）、indicator（指标代码）、sex（性别分类）、time（年份）、obs_value（观测值）等，支持表格分类、回归和时间序列预测任务。数据经过ILO的统计部门协调，基于国际劳工统计学家会议（ICLS）定义，并标注了来源和质量标志，适用于劳动力市场分析、经济研究和机器学习应用。数据集由Electric Sheep Africa重新打包，以统一格式发布在HuggingFace上，便于使用datasets库加载和处理。This dataset contains average hourly earnings data for employees in Africa, sourced from the International Labour Organization (ILO) ILOSTAT database, focusing on indicators disaggregated by sex, marital status, and currency. It covers 35 African countries from 1991 to 2024, with 4,580 observations. The core indicator is EAR_EHRA_SEX_MTS_CUR_NB, representing average hourly earnings, retrieved via the ILOSTAT REST API and filtered to African ISO3 country codes. The data is in tabular format, including columns such as ref_area (country code), indicator (indicator code), sex (sex disaggregation), time (year), obs_value (observed value), and supports tabular classification, regression, and time-series forecasting tasks. Harmonized by ILOs Department of Statistics using International Conference of Labour Statisticians (ICLS) definitions, it includes source flags and quality notes, suitable for labor market analysis, economic research, and machine learning applications. Repackaged by Electric Sheep Africa for consistent schema and ease of use on HuggingFace, enabling loading with the datasets library.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API接口直接获取指标“EAR_EHRA_SEX_MTS_CUR_NB”的观测数据，并经由非洲ISO3国家代码筛选，最终汇集了涵盖35个非洲国家的4,580条记录。数据涵盖1991年至2024年的年度统计，ILO依据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协调处理，并在“source.label”列中标注数据来源以确保可追溯性。Electric Sheep Africa团队对数据进行了重封装与标准化处理，使其可直接通过HuggingFace Datasets库加载使用。

特点

该数据集聚焦于非洲地区雇员按性别、婚姻状况及货币类型划分的时均工资指标，具有多维度的分类特性，包含性别（总、男、女）和婚姻状况等细分维度。时间跨度长达33年，覆盖35个非洲国家，观测值达4,580条。数据列设计详尽，包含国家代码、来源标签、指标编码、分类变量及观测值状态标识等17个字段，便于进行精细化的统计与时间序列分析。数据质量经过严格把控，采用ILO选定的“最佳来源”解决同一国家年份的多源问题，并标注断点、临时值等状态。

使用方法

使用者可通过HuggingFace Datasets库的load_dataset函数直接加载数据集，并利用to_pandas方法转换为DataFrame进行后续操作。典型应用包括按国家代码筛选特定国家的子集，或按指标编码排序后绘制时间序列折线图。亦可通过pivot_table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国家比较。数据集以单一年度频率呈现，适用于劳动经济学与非洲发展研究领域的回归分析、统计建模及可视化探索。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）的ILOSTAT数据库于2024年构建，并经Electric Sheep Africa重新打包发布，聚焦于非洲35个国家1991至2024年间雇员按性别、婚姻状况及货币类别划分的平均小时收入。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、行政记录等多源数据，为研究非洲劳动力市场的收入不平等、性别薪酬差距及婚姻状况对收入的影响提供了跨越三十余年的微观与宏观结合的基础数据。该数据集的发布极大推动了发展经济学与劳动经济学领域对非洲区域收入动态的实证分析，尤其为评估ILO体面劳动目标（SDG 8）在撒哈拉以南非洲的进展提供了关键量化支撑。

当前挑战

数据集面临多重挑战。首先，在领域问题层面，非洲大陆长期存在收入数据稀疏、跨国比较困难的核心痛点——各国调查周期、货币单位及统计口径差异导致传统国际数据集难以精准刻画真实薪酬结构，而该数据集通过标准化ILOSTAT指标（EAR_EHRA_SEX_MTS_CUR_NB）部分缓解了这一问题，但仍需应对本地货币与购买力平价的折算偏差。其次，在构建过程中，数据质量受制于原始来源的局限性：部分国家年份存在数据缺失（如肯尼亚未出现在可用列表中），观测状态标记（如'Break in series'）暗示了统计方法或调查范围变更导致的时序非连续性；同时，多源异构数据虽经ILO筛选'最佳来源'，但来源编码（如BA:13951）与元数据的追踪链条可能对下游用户的可复现性构成挑战，尤其在时间序列预测建模中需谨慎处理插值与外推的不确定性。

常用场景

经典使用场景

非洲大陆劳动力市场结构的复杂性在学术研究中长期面临数据稀疏的挑战，而这一基于ILOSTAT官方API采集并重新封装的数据集，为研究者提供了一份横跨1991至2024年、覆盖35个非洲国家、包含4580条观测值的标准化时序数据。最经典的使用场景集中于性别与婚姻状况交叉维度下的平均小时工资分析：研究者可借助`sex`与`classif1`字段，精准区分男性、女性及不同婚姻状态群体的收入分布，进而利用`obs_value`进行面板数据回归或时间序列建模，以揭示非洲各国工资水平的动态演变规律与结构性差异。

解决学术问题

该数据集直接回应了非洲劳动经济学领域中因官方统计碎片化而长期存在的‘数据荒漠’困境，系统性地填补了性别工资差距与婚姻状况交互效应在跨国比较研究中的实证空白。通过提供经过ILO标准化处理的工资指标，它使得学者能够量化分析女性在劳动力市场中的经济赋权进程、评估婚姻状态对收入回报的调节作用，并检验贝克尔人力资本理论或歧视经济学假说在非洲语境下的适用性。这些工作的推进，为设计更具包容性的劳工政策提供了可检验的证据基础。

衍生相关工作

基于这一结构化数据，学术界已衍生出一系列标志性研究方向。经济学者常将其与非洲各国的教育成就数据集（如UNESCO教育统计）或宏观经济面板（如世界银行WDI）进行横向关联，构建多维度回归模型以分离人力资本对工资差距的净效应。在机器学习领域，该数据集被用作时间序列预测的基准测试——利用历史`obs_value`训练LSTM或Prophet模型，用以预估未来三年的性别工资收敛速度，其结果已被部分非洲央行的劳动市场展望报告所引用。此外，数据本身的标准化过程也催生了‘Electric Sheep Africa’管道架构，该架构现已成为同类非洲统计资料自动化采集与分发的参考模板。