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

该数据集包含非洲41个国家从2001年至2024年的员工月收入基尼系数数据，按性别（总计、男性、女性）和城乡地区划分。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，共1,414个观测值，涵盖1个主要指标（EAR_EMTG_SEX_GEO_NB）。数据集以表格形式呈现，包括国家代码、年份、性别分类、观测值及其状态等列，适用于表格分类、回归和时间序列预测任务。数据经过ILO的标准化处理，并标注了来源和质量注意事项，如数据为年度频率、使用最佳来源等。This dataset contains Gini index data for monthly earnings of employees across 41 African countries from 2001 to 2024, disaggregated by sex (total, male, female) and rural/urban areas. Sourced from the International Labour Organizations ILOSTAT database, it includes 1,414 observations covering one main indicator (EAR_EMTG_SEX_GEO_NB). The data is presented in tabular format with columns such as country code, year, sex classification, observed values, and status flags, suitable for tabular classification, regression, and time-series forecasting tasks. The data is harmonized by ILO with quality caveats, including annual frequency and use of the best source for overlapping entries.

搜集汇总

数据集介绍

构建方式

该数据集从国际劳工组织（ILO）的ILOSTAT REST API直接拉取，通过筛选非洲ISO3国家代码获取研究范围内的观测值。原始微观调查数据经过ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调处理。数据由Electric Sheep Africa进行重新打包，确保了从权威来源到最终数据集的规范转换与整合。

使用方法

研究者可通过HuggingFace的datasets库轻松加载该数据集，并转换为pandas DataFrame进行后续处理。支持按国家代码（ref_area）筛选特定国家，或针对核心指标进行时间序列的可视化分析。数据集的列结构包含国家、年份、指标值、性别分类及注释信息，便于构造国家-年份矩阵或进行分组统计分析。

背景与挑战

背景概述

收入不平等作为衡量社会经济发展水平的关键指标，在非洲大陆呈现出尤为复杂的演变态势。该数据集由国际劳工组织（ILO）统计部门基于ILOSTAT数据库构建，经Electric Sheep Africa于2024年重新整理发布，聚焦于非洲41个国家2001年至2024年间按月计算的雇员收入基尼系数，并按性别及城乡区域进行细分。数据集包含1,414条观测记录，依托各国劳动力调查、家庭收入调查及行政记录等官方源头，经ILO基于国际劳工统计学家会议（ICLS）定义进行标准化处理后汇集而成。其核心研究问题在于刻画非洲各国工资分配不均的时空动态，为理解非洲劳动力市场中结构性不平等的演变提供量化基础，对发展经济学、劳动经济学及区域不平等研究等领域具有重要参考价值。

当前挑战

该数据集所应对的领域挑战在于系统性地捕捉非洲大陆收入不平等这一多维复杂现象，传统研究常因数据碎片化、时间跨度不连续及跨国可比性不足而受到制约。构建过程中面临的核心障碍包括：非洲各国统计能力差异显著，部分国家缺乏定期开展的劳动力调查，导致数据点在时间和空间上分布极不均衡，观测覆盖度从埃及的144条到多国的10余条不等；源数据来源多样性使得指标定义、调查方法与分类标准在跨国间存在细微差异，ILO虽试图通过最佳源选择机制进行调和，但仍遗留部分不可靠标志；性别与城乡维度的细分数据在多数观测中缺失严重，显著制约了基于交叉性视角的系统性分析。

常用场景

经典使用场景

在劳动经济学与不平等研究领域，该数据集被广泛用于评估非洲国家劳动力市场中性别收入差距的演进趋势。研究者通过基尼系数衡量员工月收入分配的平等程度，并借助性别与城乡维度的细分数据，揭示结构性不平等背后的驱动因素。其典型应用包括面板数据回归分析、收入分配动态建模以及跨国比较研究，为理解非洲大陆经济转型进程中收入不平等的时空演变提供了关键数据支撑。

解决学术问题

该数据集有效填补了非洲区域收入不平等研究中长期存在的数据碎片化与时间跨度不足的缺陷。它解决了跨国面板数据难以统一口径的核心难题，使得学者得以系统性地检验收入不平等与经济增长、劳动力市场政策、性别平等等议题之间的复杂关联。这一资源对识别基尼系数在不同性别群体中的变化模式、评估国际劳工组织体面劳动议程的实施效果具有重要的学术推动意义。

实际应用

在实际应用层面，该数据集为非洲各国政府部门、国际发展机构及非政府组织制定精准的薪酬平等政策提供了量化依据。例如，政策制定者可根据性别与城乡维度的基尼指数动态，针对性地优化最低工资标准、完善社会保障体系或推动女性劳动力参与。此外，数据在可持续发展目标监测、区域经济规划以及劳动市场预警系统构建中同样发挥关键作用。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别和城乡划分的雇员月收入基尼指数，为劳动经济学中收入不平等与性别差异的前沿交叉研究提供了稀缺的时空面板数据。结合ILOSTAT官方统计框架，研究者可基于2001至2024年间41个非洲国家的1,414条观测记录，深入剖析非洲大陆在可持续就业与体面劳动目标（SDG 8）下的收入分配格局演变。当前全球热议的性别薪酬差距、城乡收入鸿沟以及新冠疫情后劳动力市场复苏不平等问题，均可借助此数据集展开量化实证分析。其对收入极化趋势的追踪，不仅有助于评估各国最低工资政策与扶贫干预的实际成效，也为机器学习在劳动统计领域的时间序列预测与分类建模提供了可靠且标准化的训练素材，推动了数据驱动的发展经济学研究范式革新。