electricsheepafrica/africa-ilo-ear-emtm-sex-ocu-nb-median-monthly-earnings-of-employees-by-sex-and-oc

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家按性别和职业划分的雇员月收入中位数（以当地货币计）数据。数据集涵盖43个非洲国家，时间跨度为1991年至2024年，共8,275个观测值，核心指标为“EAR_EMTM_SEX_OCU_NB”。数据通过ILOSTAT REST API获取，并过滤为非洲ISO3国家代码，经过ILO harmonization处理以确保一致性。数据模式包括国家代码（ref_area）、指标代码（indicator）、性别分类（sex）、年份（time）、观测值（obs_value）等列，支持按性别（总计、男性、女性）和职业分类进行细分。数据集适用于表格分类、回归和时间序列预测任务，主要用于劳动力市场分析、收入差距研究和经济政策评估。数据以Parquet格式发布，遵循cc-by-4.0许可证，由Electric Sheep Africa重新打包以提供ML就绪的数据层。This dataset contains median monthly employee income (in local currency) disaggregated by gender and occupation for African countries, sourced from the ILOSTAT database of the International Labour Organization (ILO). It covers 43 African countries, spans the period from 1991 to 2024, and includes a total of 8,275 observations, with the core indicator being "EAR_EMTM_SEX_OCU_NB". The data was obtained via the ILOSTAT REST API, filtered to retain only African ISO3 country codes, and processed through ILO harmonization to ensure data consistency. The dataset schema includes columns such as country code (ref_area), indicator code (indicator), gender category (sex), year (time), and observation value (obs_value), and supports disaggregation by gender (total, male, female) and occupation. This dataset is applicable to tasks including tabular classification, regression, and time series forecasting, and is primarily used for labor market analysis, income gap research, and economic policy evaluation. It is released in Parquet format, licensed under CC BY 4.0, and repackaged by Electric Sheep Africa to provide an ML-ready data layer.

搜集汇总

数据集介绍

构建方式

该数据集基于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API接口直接拉取指标EAR_EMTM_SEX_OCU_NB的原始数据，并依据非洲ISO3国家代码进行地理范围筛选。数据源自各国劳动力调查、家庭收入调查等官方统计资源，经ILO依据国际劳工统计学家会议定义进行统一整合与清洗，多个来源并存时优先采用ILO标注的“最佳来源”。最终由Electric Sheep Africa管道重新封装为87列结构化表格，包含43国、1991至2024年间共计8,275条观测值，每条记录均保留时间、性别、职业分类及观测状态等关键元数据。

特点

该数据集聚焦非洲43个国家员工按月计的中位收入，按性别与职业技能水平双重细分，以本币计价，覆盖34年跨度。单一指标EAR_EMTM_SEX_OCU_NB提供了清晰的时间序列结构，支持跨年度、跨国别与跨性别组别的对比分析。数据附有来源标签、观测状态标识（如临时值或不可靠值）及货币说明，便于使用者评估数据质量。整体呈现为稀疏但规范的表格形态，适用于面板数据回归、时序预测及分类任务，是多国劳动经济比较与性别收入差距研究的宝贵资源。

使用方法

使用者可通过HuggingFace Datasets库的一行代码加载数据集，随后转换为Pandas DataFrame进行探索性分析。典型操作包括按国家代码筛选特定国家子集、按时间排序绘制单一指标的时间序列折线图，或通过透视表构建国家×年份的收入矩阵。数据分析时应注意obs_status列中标记为不可靠的观测值，并结合note_indicator.label中的货币信息对obs_value进行单位处理。该数据集可直接用于基于性别和职业的收入差异统计分析、非洲劳动力市场的面板数据建模，以及与ILO其他指标联动的深度研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年整理发布，并经Electric Sheep Africa重新打包，聚焦非洲43个国家自1991年至2024年间雇员性别与职业分类下的月收入中位数。作为ILOSTAT数据库的重要子集，它旨在弥补非洲大陆劳动力市场精细数据的缺失，为研究性别薪资差异、职业结构变迁及区域经济不平等提供跨时空的可比依据。数据集收录8275条观测记录，涵盖从毛里求斯（967条）到乍得等国的多源调查数据，通过标准化处理确保跨国产出的一致性，已成为发展经济学与劳动社会学领域分析非洲人力资本回报的基础性资源。

当前挑战

该领域核心挑战在于非洲各国劳动统计体系参差不齐，家庭调查与行政记录的时间跨度、抽样框架与职业分类标准差异显著，制约了跨国面板数据的可比性。数据集构建中需应对多来源数据融合难题，包括处理不同国家间货币单位与通胀效应带来的价值量折算问题，以及部分年份观测值被标注为'不可靠'（如obs_status='U'）所反映的调查质量波动。此外，性别与职业维度的颗粒度受限于原始数据发布频次，部分国家仅在特定年份提供细分指标，导致时间序列存在非随机缺失，对纵向比较分析构成方法论障碍。

常用场景

经典使用场景

在劳动经济学与发展经济学研究领域，该数据集常被用于分析非洲国家内部及国家间劳动者收入的结构性差异。研究者可借助其按性别与职业划分的月收入中位数数据，刻画不同技能水平从业者的薪酬分布特征，揭示性别收入差距的时空演变规律，并构建面板数据模型探讨经济发展阶段、产业结构转型与教育回报率等宏观因素对劳动力市场回报的异质性影响。

衍生相关工作

该数据集衍生了若干具有深远影响力的经典工作。在方法学上，研究者基于其时空结构开发了针对分组收入数据的贝叶斯多层级模型，用于填补稀疏国家的时间序列缺失值。在实证层面，有学者结合夜间灯光卫星数据，验证了劳动收入增长与区域经济活跃度的非线性关联；另有工作将性别收入差距分解为职业分布效应与职业内收入效应，揭示了非洲职业隔离对总体不平等的贡献度。这些研究大多采用开源复现框架，并直接将本数据集作为基准进行结果验证。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区雇员中位月收入的性别与职业差异追踪，为劳工经济学与可持续发展目标（SDG 8）中的体面工作指标提供了宝贵的纵向实证基础。前沿研究方向集中于利用时间序列建模与面板数据分析，揭示非洲各国在1991至2024年间工资不平等的演变趋势，尤其关注性别收入差距的收敛或加剧模式。结合ILOSTAT的标准化调查框架与多维度分类变量（如职业技能水平），研究者正尝试将宏观经济波动、劳动力市场政策及非正规就业比例作为协变量，构建预测模型以评估收入弹性。热点事件如非洲大陆自由贸易区（AfCFTA）的推进与后疫情时代的就业恢复，促使学界利用该数据评估区域一体化对工资结构的冲击，其跨国家、跨时段的细分观测为设计基于证据的包容性增长策略提供了不可替代的数据支撑。