electricsheepafrica/africa-ilo-ear-pmta-sex-nb-average-monthly-earnings-of-public-sector-employee

这是一个关于非洲44个国家公共部门雇员平均月收入（以当地货币计）的表格数据集，时间跨度为1991年至2024年，包含582个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了唯一的指标EAR_PMTA_SEX_NB（公共部门雇员平均月收入）。数据集包含详细的列信息，如国家代码（ISO 3166-1 alpha-3）、国家名称、数据来源代码和标签、指标代码和标签、性别分类（总计、男性、女性）、观测年份、观测数值、观测状态标志以及相关注释。数据以年频率发布，并经过ILO的标准化处理，适用于表格分类、回归和时间序列预测等任务。This dataset contains 582 observations of average monthly earnings of public sector employees in local currency across 44 African countries, spanning from 1991 to 2024. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), focusing on the indicator EAR_PMTA_SEX_NB. The dataset includes columns such as country code (ISO 3166-1 alpha-3), country name, source code and label, indicator code and label, sex disaggregation (total, male, female), observation year, observed value, observation status flags, and related notes. The data is annual, harmonized by ILO standards, and suitable for tabular classification, regression, and time-series forecasting tasks.

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，聚焦非洲大陆公共部门雇员的平均月薪（以当地货币计）。Electric Sheep Africa团队通过ILOSTAT REST API直接抽取指标代码为EAR_PMTA_SEX_NB的数据，并依据非洲ISO3国家代码进行地理过滤，最终汇集成包含582条观测记录的数据集。ILOSTAT本身采用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，数据来源在source.label字段中清晰标注，确保了数据溯源的可追溯性。

特点

数据集覆盖1991年至2024年间44个非洲国家，时间跨度超过三十年，为纵向比较提供了丰富维度。其核心变量为公共部门雇员平均月收入，并依据性别（总、男、女）进行细分解构，呈现出性别维度的劳动力经济差异。每条记录包含国家代码、数据来源、指标标签、时间戳及观测值等完整字段，结构规整。数据质量方面，年度频率保证了稳定性，当同一国家年份存在多个来源时，ILO选择'最佳来源'，保证了数据的权威性与一致性。

使用方法

用户可通过HuggingFace Datasets库便捷加载数据：使用load_dataset函数直接获取，并将训练集转为Pandas DataFrame进行后续分析。典型应用包括按国家过滤以聚焦特定区域，或按指标排序后绘制公共部门月薪的时间序列曲线。亦可利用透视表功能，将数据重塑为国家×年份的矩阵形式，便于进行跨国家面板数据分析或机器学习建模中的特征工程，适配表格分类、回归乃至时间序列预测任务。

背景与挑战

背景概述

在全球化与区域经济一体化进程中，非洲大陆公共部门雇员的薪酬水平不仅是衡量劳动力市场健康程度的关键指标，更是评估国家治理效能与公共财政可持续性的重要维度。由国际劳工组织（ILO）统计部门统筹、Electric Sheep Africa于2024年重新打包发布的该数据集，聚焦于1991至2024年间覆盖44个非洲国家的公共部门员工月平均收入（以当地货币计），共包含582条观测记录。该数据集源引自ILOSTAT——全球劳动统计领域最权威的中央数据库，其核心研究问题在于揭示非洲不同经济体公共部门薪酬的长期演变规律、跨国差异及其与经济发展阶段的关联。作为首个面向非洲大陆、经标准化处理且可直接用于机器学习的公共薪酬时间序列数据集，它为发展经济学、劳动经济学及公共政策研究提供了弥足珍贵的纵贯数据支撑，显著提升了该领域实证分析的可复现性与跨区域可比性。

当前挑战

该数据集所应对的领域挑战首先体现在非洲公共部门薪酬数据的碎片化与不透明性上。长期以来，多国官方统计因调查方法、货币单位、通胀水平与数据采集周期的差异而难以整合，该数据集通过ILO的统一协调机制与国际劳工统计学家会议（ICLS）定义，成功将异质性原始数据转化为可供比较分析的标准化指标，为跨国的面板数据建模与时间序列预测扫清了障碍。在构建过程中，挑战则集中于以下几点：其一，源数据来源于劳动力调查、行政记录等多种渠道，需借助ILO的‘最佳来源’筛选逻辑处理同一国家与年份的多源冲突；其二，年度频率数据与可能的断点标记（如‘Break in series’）增加了序列一致性的维护难度；其三，性别维度（如总计、男性、女性）的缺失值在不同国家与时间点上分布不均，给细粒度分解研究带来了数据完整性的考验。

常用场景

经典使用场景

在非洲公共部门劳动力市场分析的研究中，该数据集为经济学家和政策研究者提供了一个横跨44国、时间跨度达三十余年的精细面板数据。研究者可借此剖析公共部门雇员的平均月薪在性别维度上的异质性，追踪其在本地货币下的时序演变轨迹，进而构建工资决定模型或评估公共薪酬政策的实施效果。数据集的年度频率与ILOSTAT标准化定义确保了跨国比较的可靠性。

实际应用

在实际应用层面，数据集为非洲各国劳动部门与跨国发展机构提供了直观的决策支撑工具。政策制定者可利用其中蕴含的时序信息诊断公共部门薪酬结构的失衡问题，调整公务员工资标准以增强财政可持续性。国际组织可将其作为监测可持续发展目标八（体面工作和经济增长）进展的关键指标来源，指导资金分配与技术援助的精准投放。

衍生相关工作

该数据集的发布催生了一系列围绕非洲公共部门薪酬的实证研究工作。已有学者基于此数据构建了公共与私营部门工资差异的对比模型，揭示了制度因素对公共部门溢价的影响。另有一些工作将其与ILOSTAT其他劳动指标融合，形成多维劳动力市场快照面板，支撑了对非洲国家正式就业比重与公共财政压力的联合分析，推动了发展经济学中制度比较范式的深化。