electricsheepafrica/africa-ilo-ear-emta-sex-cct-nb-average-monthly-earnings-of-employees-by-sex-and-c

该数据集包含非洲34个国家员工按性别和公民身份（本地货币）分类的平均月收入数据，涵盖1991年至2025年期间的895个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过处理，专为非洲地区设计。数据集以表格形式呈现，包括国家代码、来源、指标代码、性别分类、年份、观测值等字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，确保与ICLS定义一致，并标注了来源和质量标志（如不可靠数据）。数据集旨在支持机器学习研究和分析，特别是针对非洲劳动力市场的经济指标。This dataset contains 895 observations of average monthly earnings of employees by sex and citizenship (local currency) across 34 African countries, spanning from 1991 to 2025. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via API and filtered to African countries. It is presented in tabular format with columns such as country code, source, indicator code, sex classification, year, observed value, and more, suitable for tasks like tabular classification, regression, and time-series forecasting. The data is harmonized using ICLS definitions and includes quality flags (e.g., unreliable data). It is designed for machine learning research and analysis, particularly focusing on economic indicators in African labor markets.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从国际劳工组织（ILO）的ILOSTAT REST API直接抓取而来，聚焦于非洲地区的劳动力市场微观数据。原始数据经过ILOSTAT依据国际劳工统计学家会议（ICLS）定义进行的统一清洗与标准化，包含来自34个非洲国家的895条观测记录，时间跨度覆盖1991年至2025年。数据集通过过滤非洲ISO3国家代码进行区域筛选，并保留了来源标签字段以追溯数据源，确保信息具有可追溯性与透明度。

特点

数据集的核心特色在于其多维度的分层结构，提供了基于性别和公民身份的精细分类（如SEX_T总人口、SEX_M男性、SEX_F女性），并包含丰富的元数据字段，如观测状态标志和注释说明。仅包含唯一指标EAR_EMTA_SEX_CCT_NB（按性别和公民身份划分的员工平均月收入，以当地货币计），但数据来源多样，涵盖劳动力调查、家庭收支调查等多种官方渠道。这份数据以年度频率发布，且当同一国家年份存在多个来源时，优先采用ILO筛选的“最佳来源”，保障了数据质量与一致性。

使用方法

研究人员可通过HuggingFace的datasets库便捷地加载该数据集，仅需一行代码`load_dataset`即可获得可直接操作的Pandas DataFrame。随后可按国家代码过滤以聚焦特定区域，亦或针对单一指标进行时间序列分析，通过排序和绘图直观展现收入变迁趋势。进一步地，可利用透视表功能构建国家×年份的矩阵结构，便于横向对比不同国家间的收入动态。该数据集已以Parquet格式封装，面向机器学习的即时应用设计，极大缩短了从数据获取到分析建模的流程时间。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT提供，经Electric Sheep Africa于2025年重新打包发布，聚焦非洲34个国家1991至2025年间按性别和公民身份分类的雇员平均月收入（以当地货币计）。核心研究问题在于揭示非洲大陆劳动力市场中不同性别与公民身份群体的收入差异，为政策制定者评估劳动权益与可持续发展目标（如体面工作）提供数据支撑。该数据集共包含895条观测记录，涵盖从马里、加纳到博茨瓦纳等多国的时序数据，其整合自多项官方调查，如劳动力调查和家庭收支调查，在劳动经济学、非洲发展研究及社会不平等分析领域具有重要影响力，为跨国比较和长期趋势建模奠定了可靠基础。

当前挑战

该数据集的挑战首先体现在所解决的领域问题上：非洲劳动力市场的性别工资差距和移民工人权益问题长期缺乏系统化、可比较的定量证据，尤其在国家间数据标准不统一、调查频率不同步的背景下，构建跨时空的可分析面板数据极为困难。在构建过程中，ILOSTAT需从多个异质性源头（如不同国家的劳动力调查、行政记录）中提取并统一指标定义、处理缺失值与分类差异（如性别与公民身份的分组不一致），同时对被标记为“不可靠”的观测值进行质量标注与筛选。此外，数据仅覆盖34个而非全部非洲国家，且部分国家的时间序列稀疏，早期数据点稀少，限制了深度学习模型在完整非洲大陆尺度上的泛化能力与预报准确性。

常用场景

经典使用场景

该数据集的核心应用场景在于对非洲地区劳动力市场中雇员平均月薪的性别与国籍差异进行系统性量化分析。凭借横跨1991年至2025年、覆盖34个非洲国家的895条观测记录，研究者能够借助时间序列分析与面板数据模型，追踪薪酬水平的长期演变轨迹，并比较不同国家间的薪资结构异同。数据集提供的按性别（总、男、女）与国籍（公民、非公民）细分的维度的分层信息，为探讨劳动力市场中的性别工资差距与移民群体的经济融入程度提供了坚实的数据基础。经典的研究范式包括利用该数据集构建固定效应或随机效应模型，以检验经济发展阶段、产业结构变迁以及政策干预对薪资不平等的影响程度。

衍生相关工作

该数据集的发布衍生并促进了多项具有影响力的学术与政策研究工作。在其基础上，研究者得以构建更复杂的计量经济学模型，例如应用分位数回归方法探索薪酬分布不同分位点上的性别与国籍差距，或采用双重差分法评估特定国家劳动法改革对薪资公平性的因果效应。此外，数据集作为ILOSTAT在非洲区域的代表性子集，被广泛集成到全球劳动经济学的元分析中，用于校准多国劳动力市场一般均衡模型。在AI与数据科学领域，该数据集因其结构规整、维度清晰的特点，常被用作表格数据分类与回归任务的教学范例，以及时间序列预测算法在社会科学领域应用的基准测试数据集，推动了跨学科研究方法的融合与创新。

数据集最近研究

最新研究方向

在全球劳动经济学与可持续发展议程的交叉地带，该数据集为探究非洲劳动力市场的性别工资差异与公民身份效应提供了精细化数据支撑。目前前沿研究聚焦于利用这些按性别与国籍分层的月收入观测值，结合ILOSTAT的统一统计标准，构建时间序列模型以追踪非洲大陆1991至2025年间劳动报酬的演变轨迹。关联热点事件包括国际劳工组织推动的体面工作目标，以及非洲自贸区建设对跨境劳动力流动的冲击。该数据的意义在于弥合了非洲国家在工资统计上的碎片化缺口，使得学者能够量化分析性别平等政策与移民融入机制在未正式部门占主导的经济体中的实际效力，为区域性的社会保护体系设计提供了实证基础。