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

该数据集名为按性别和教育程度划分的员工月收入基尼指数 | 非洲 (ILOSTAT)，是一个表格型数据集，包含8,281个观测值，覆盖45个非洲国家，时间跨度为1991年至2024年。数据集专注于收入与薪酬不平等主题，核心指标为EAR_EMTG_SEX_EDU_NB，即按性别和教育程度划分的员工月收入基尼指数，用于衡量收入分配的不平等程度。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，确保仅包含非洲国家的数据。数据集提供了详细的模式信息，包括国家代码、指标代码、性别分类（总计、男性、女性）、观测年份、观测值、数据来源和质量标志等列。此外，数据集还包含数据质量说明，例如数据为年度频率，并使用了ILO选择的最佳来源。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统计数据。This dataset, named Gini index of monthly earnings of employees by sex and education | Africa (ILOSTAT), is a tabular dataset containing 8,281 observations across 45 African countries, spanning the years 1991 to 2024. It focuses on the topic of income and pay inequality, with the core indicator being EAR_EMTG_SEX_EDU_NB, which represents the Gini index of monthly earnings of employees disaggregated by sex and education, measuring the inequality in income distribution. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved via API and filtered to include only African countries. The dataset provides a detailed schema including columns such as country code, indicator code, sex classification (total, male, female), observation year, observed value, data source, and quality flags. It also includes data quality caveats, such as the data being annual frequency and using the ILO-selected best source. This dataset is suitable for machine learning tasks like tabular classification, regression, and time-series forecasting, aiming to provide standardized, easy-to-use labor statistics for Africa for researchers and developers.

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数据库，专注于非洲地区员工月收入基尼系数的性别与教育维度分解。数据通过ILOSTAT REST API直接获取，原始指标代码为EAR_EMTG_SEX_EDU_NB，而后依据非洲ISO3国家代码进行地理过滤，最终整合为涵盖45个非洲国家、跨越1991年至2024年期间的8281条观测记录。ILO依据国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，并在数据集的source.label字段中标注数据来源，确保每条记录的可追溯性。数据由Electric Sheep Africa重新打包为HuggingFace数据集格式，提供标准化Schema与Parquet存储。

使用方法

数据集可通过HuggingFace的datasets库直接加载，使用load_dataset函数即可获取训练集并快速转换为pandas DataFrame。用户可按国家代码（如ref_area == 'KEN'）进行子集筛选，支持单个国家的时间序列分析。针对特定指标，可通过indicator字段过滤后按时间排序，调用plot方法直观展示趋势。亦可构建国家×年份的透视矩阵，便于跨国家横向比较。数据集中包含的sex与classif1分类维度，允许用户按性别或教育水平对基尼系数进行分组分析，满足劳动经济学与社会不平等研究中的多样化分析需求。

背景与挑战

背景概述

在劳动经济学与不平等研究领域，性别与教育维度的收入分配差异始终是核心议题。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库提供了系统化的劳工指标。2024年，由Electric Sheep Africa重新打包发布的“非洲雇员月收入基尼系数（按性别与教育分类）”数据集，整合了45个非洲国家1991年至2024年间共计8,281条观测记录，聚焦于收入与薪酬不平等这一核心研究问题。该数据集通过统一的ILO统计标准（ICLS定义）对原始调查微观数据进行协调，为非洲大陆的收入不平等比较研究提供了宝贵的标准化时间序列资源。其发布不仅填补了非洲区域性收入不平等精细数据的空白，也为后续基于机器学习的跨国不平等预测与政策评估奠定了数据基础，对发展经济学与劳动社会学领域产生了广泛影响。

当前挑战

该数据集所应对的领域挑战主要源于非洲地区收入不平等研究的复杂性：传统收入数据往往缺乏性别与教育维度的细粒度分解，难以揭示不同群体在劳动力市场中的结构性差异；同时，非洲各国数据采集频率、调查方法及质量参差不齐，导致跨国可比性受限。在数据集构建过程中，挑战集中于数据源异构性与一致性问题：ILOSTAT需整合来自多国劳动力调查、家庭收入调查及行政记录等多种来源，并需处理因调查方法变更导致的时序断点；此外，部分国家特定年份的观测值被标记为“不可靠”，反映了小样本或数据质量欠佳的现实困境。数据集的后续维护还面临持续追踪新兴国家数据、更新分类标准及解决缺失值等工程挑战。

常用场景

经典使用场景

该数据集聚焦于非洲45个国家1991年至2024年按性别与教育程度划分的雇员月收入基尼指数，是劳动经济学与收入不平等研究领域中极为珍贵的结构化面板数据。经典使用场景涵盖时间序列分析、面板数据回归与分类预测任务，研究者可借助ILOSTAT标准化指标，追踪非洲各国收入分配格局的演变轨迹，或构建性别教育维度的不平等分解模型。数据颗粒度跨越国家、年份、性别与教育层次，支持多层次比较，尤其适合探究非洲大陆内部收入极化现象的长期动态与结构性成因。

解决学术问题

该数据集直击非洲地区收入不平等研究中的关键数据瓶颈，系统性地填补了高频率、长跨度、跨国家收入分配微观统计的空白。学术上主要解决三大核心问题：其一，为衡量非洲各国教育回报率的性别差异提供量化基石；其二，支撑对1990年代以来非洲劳动力市场包容性增长模式的实证检验；其三，助力揭示全球化、制度变迁与人口红利等因素对非洲内部不平等演化的异质性影响。其意义在于赋能政策导向的因果推断研究，推动非洲发展经济学从理论叙事迈向经验验证。

实际应用

在实际应用层面，该数据集高度契合国际组织与非洲各国政府的政策评估需求。一方面，可用于监测联合国可持续发展目标（SDG）中关于减少不平等（目标10）以及体面劳动（目标8）的进展，生成区域报告与国别简报；另一方面，世界银行、非洲开发银行等机构可基于此优化劳动市场干预项目，例如定向教育补贴或性别薪酬调节机制。此外，该数据还可嵌入社会福利计算模型，辅助非洲各国劳动部门校准最低工资标准，或评估税收与转移支付对收入再分配的实际效能。

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教育程度划分的雇员月收入基尼指数，为研究非洲劳动力市场的收入不平等动态提供了关键数据支撑。当前前沿方向集中于利用该时间序列数据（1991–2024年，覆盖45国）进行长周期跨国比较分析，结合ILOSTAT统一化方法论，探究教育回报率、性别工资差距与收入分配结构的演变路径。在热点事件方面，数据集可服务于联合国可持续发展目标（SDG）中体面工作与经济增长指标的量化评估，尤其契合后疫情时代非洲各国劳动力市场复苏政策的实证检验。其意义在于填补了非洲区域精细化收入不平等数据的空白，通过可复现的机器学习和时间序列预测范式，推动数据密集型发展经济学研究，为国际劳工组织及各国制定包容性薪酬政策提供证据基础。