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

该数据集名为按性别和城乡地区划分的员工月平均收入（本地货币）| 非洲（ILOSTAT），是一个表格型数据集，专注于非洲地区劳动力收入统计。它包含1,414个观测值，覆盖41个非洲国家，时间跨度为2001年至2024年，涉及1个核心指标：员工月平均收入（按性别和城乡地区划分，以本地货币计价）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API直接获取，并经过筛选仅包含非洲国家。数据集提供了详细的列结构，包括国家代码（ref_area）、国家名称（ref_area.label）、数据来源（source）、指标代码（indicator）、性别分类（sex）、时间（time）、观测值（obs_value）等，支持按性别（总计、男性、女性）进行分解。数据以年度频率发布，并包含数据质量标志（如不可靠状态）。该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，旨在为研究人员和开发者提供标准化、易于使用的非洲劳动力数据，以支持经济分析和预测模型开发。The dataset is titled Average monthly earnings of employees by sex and rural / urban areas (local currency) | Africa (ILOSTAT) and is a tabular dataset focused on labor income statistics in Africa. It contains 1,414 observations covering 41 African countries from 2001 to 2024, with one core indicator: average monthly earnings of employees disaggregated by sex and rural/urban areas in local currency. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved directly via the REST API and filtered to include only African countries. The dataset provides a detailed schema including columns such as country code (ref_area), country name (ref_area.label), data source (source), indicator code (indicator), sex classification (sex), time (year), observed value (obs_value), and more, supporting disaggregation by sex (total, male, female). Data is published at annual frequency and includes quality flags (e.g., unreliable status). This dataset is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting, aiming to provide standardized, easy-to-use African labor data for researchers and developers to support economic analysis and predictive modeling.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，是其核心劳动统计数据的子集之一。数据通过ILOSTAT REST API直接获取，原始指标代码为EAR_EMTA_SEX_GEO_NB。在获取数据后，通过筛选非洲地区ISO3国家代码进行地理范围限定。ILOSTAT本身采用国际劳动统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收入调查及行政记录等微观数据进行统一的清洗与整合。Electric Sheep Africa团队进一步将原始数据重新打包为Parquet格式，并在HuggingFace上以标准化结构发布。数据集覆盖41个非洲国家，时间跨度从2001年至2024年，共计1414条观测记录。

特点

该数据集聚焦于非洲地区雇员按性别和城乡区域划分的平均月收入（以当地货币计），呈现为单一核心指标。其核心特点在于提供了细致的性别维度（男性、女性与合计共三种分类）以及城乡区域类型标记，使得研究者能够深入分析性别收入差距与地域差异。此外，数据还包含了来源标签、观测状态与注释信息，增强了数据溯源能力与可靠性评估。该数据集以年度频率发布，数据质量经过ILO筛选，优先采用'最佳来源'。整体上，该数据集为分析非洲劳动力市场中的收入不平等与空间分层提供了宝贵的时间序列素材。

使用方法

用户可通过HuggingFace的datasets库便捷地加载该数据集，使用load_dataset()函数即可将数据转换为Pandas DataFrame格式。例如，加载后可通过条件过滤快速提取特定国家（如肯尼亚）的收入数据。对于单一指标的时序分析，可对obs_value列按年份排序并绘制趋势图。若需构建国家×年份的面板数据矩阵，可利用pivot_table方法将ref_area作为列，time作为行进行重塑。该数据集兼具分类与回归任务潜力，适用于监督学习中的收入预测模型、时间序列预测以及性别维度的比较统计分析。数据遵循CC-BY-4.0许可，使用时可参考给定的BibTeX条目进行引用。

背景与挑战

背景概述

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Africa于2024年重新打包并发布在HuggingFace平台上。ILOSTAT作为全球劳动统计领域的权威数据源，整合了覆盖200多个经济体的劳动力调查、行政记录等多源数据，旨在为联合国可持续发展目标中的体面劳动指标提供可靠支撑。本数据集聚焦非洲大陆，收录了2001年至2024年间41个非洲国家员工月均收入的分性别与城乡分布数据，共计1414条观测值。其核心研究问题在于揭示非洲地区劳动力市场中的收入差异模式，特别是性别与地理区域对收入水平的影响。该数据集的价值在于为发展经济学、劳动经济学及公共政策研究提供了标准化、可复用的非洲收入数据资源，填补了区域劳动统计在细粒度维度上的空白，有助于推动非洲社会保障与就业政策的循证决策。

当前挑战

数据集所应对的领域核心挑战在于非洲多国劳动收入数据的碎片化、度量标准不统一及时间序列不连续等问题。ILOSTAT虽致力于数据协调，但各国原始调查在问卷设计、样本框架及统计口径上存在显著差异，导致直接跨区域比较具有内在局限性。构建过程中，数据需经由ILO根据国际劳工统计学家会议（ICLS）定义进行清洗与标准化，并筛选出官方认定的“最佳来源”以避免多源冲突，但部分观测值仍被标记为“不可靠”或“临时性”，指示了数据质量的不稳定性。此外，非洲多国因政治动荡、基础设施薄弱或统计能力不足，导致早期年度数据缺失严重，影响了面板数据的完整性与时间维度的深层分析潜力。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中非洲41个国家2001至2024年间雇员平均月收入数据，按性别和城乡区域进行划分，共计1414条观测记录。其经典使用场景在于，研究者可借助该数据集进行非洲劳动力市场的面板数据分析，探究不同国家、性别和地域间薪酬水平的差异与演变规律，为劳动经济学中的收入不平等与区域发展研究提供坚实的数据基础。

衍生相关工作

该数据集衍生了一系列重要的学术与工程工作，包括基于时间序列模型的非洲各国收入预测研究、结合卫星遥感夜间灯光数据与薪酬指标的经济发展指数构建，以及运用机器学习方法对性别薪酬差距进行归因分析。同时，该数据集作为Electric Sheep Africa项目的一部分，促进了标准化、即用型非洲数据管道的搭建，推动了后续如非洲就业结构、非正规经济规模等关联数据集的整合与发布。

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与城乡划分的雇员平均月薪时序数据，为劳动经济学与区域发展研究提供了关键支撑。当前前沿方向集中于利用该数据揭示非洲劳动力市场的性别工资差距与城乡收入分化动态，结合宏观经济政策与结构性转型背景，分析最低工资制度、非正规就业及农业转移对收入分配的影响。该数据集与联合国可持续发展目标中体面工作与经济增长议题紧密关联，尤其在COVID-19后非洲复苏进程中，其高时间分辨率与国别覆盖能力使其成为评估经济韧性、追踪劳动力市场修复进程的宝贵资源，推动基于证据的就业政策制定与跨国比较研究。