electricsheepafrica/africa-ilo-ear-ehrm-sex-geo-nb-median-hourly-earnings-of-employees-by-sex-and-rur

该数据集包含非洲33个国家从2001年至2024年的员工每小时收入中位数数据，按性别和城乡区域划分，以本地货币计值。数据集由1,136个观测值组成，涵盖一个核心指标：EAR_EHRM_SEX_GEO_NB（按性别和城乡划分的员工每小时收入中位数）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为非洲国家代码，经过ILO的统计部门使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、区域类型、观测年份、观测值、观测状态及相关注释等列。数据为年度频率，适用于表格分类、表格回归和时间序列预测等任务。数据集由Electric Sheep Africa重新打包并发布在HuggingFace上，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset encompasses median hourly earnings data for employees in 33 African nations spanning from 2001 to 2024, disaggregated by gender and urban-rural regions, denominated in local currencies. Comprising 1,136 observations, the dataset covers a single core indicator: EAR_EHRM_SEX_GEO_NB (median hourly earnings of employees disaggregated by gender and urban-rural areas). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via a REST API, filtered to retain only African country codes, and standardized by the ILO's Statistics Department in accordance with definitions from the International Conference of Labour Statisticians (ICLS). The dataset includes columns such as country code, country name, data source, indicator code, gender category (total, male, female), region type, observation year, observed value, observation status, and relevant notes. With an annual frequency, the dataset is suitable for tasks including tabular classification, tabular regression, and time series forecasting. This dataset was repackaged and published on Hugging Face by Electric Sheep Africa, aiming to provide a unified, machine learning-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）旗下的ILOSTAT统计数据库，该数据库是劳动统计领域的全球权威来源。数据通过调用ILOSTAT REST API（https://rplumber.ilo.org/data/indicator?id=EAR_EHRM_SEX_GEO_NB）直接获取，并经过筛选，仅保留非洲国家（以ISO3国家代码为标识）的相关观测。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义，对原始调查的微观数据进行统一协调处理，数据来源在' source.label'列中予以标注以保障可追溯性。该数据集由Electric Sheep Africa团队重新打包整理，旨在为研究人员和开发者提供即用型的机器学习数据集。

特点

该数据集涵盖2001年至2024年间33个非洲国家的1,136条观测记录，核心指标为'按性别和城乡划分的雇员小时收入中位数（本币）'。数据结构兼具时间序列与分类属性，包含国家代码、性别、区域类型等多个维度，其中性别维度细分为总计、男性和女性三类。数据质量方面，对同一国家同一年份存在多个来源时，采用ILO选定的'最佳来源'；当某一细分维度不适用时，相关列保持为空值。数据以年度频率呈现，且对观测状态（如临时、不可靠）进行了标识，为使用者提供了清晰的质量参考。

使用方法

用户可通过HuggingFace Datasets库便捷加载数据：使用`load_dataset()`函数即可获取数据集，并利用`to_pandas()`方法转换为Pandas DataFrame进行后续分析。典型分析场景包括：按国家筛选特定时间序列数据；针对单一指标（如EAR_EHRM_SEX_GEO_NB）按时间排序并绘制折线图，以观察收入变化趋势；以及通过数据透视表功能，构造以时间为行、国家为列的矩阵，便于跨国家比较。数据采用CC-BY-4.0许可协议发布，使用时需同时引用原始数据来源及Electric Sheep Africa的重新打包版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，并由Electric Sheep Africa于2024年重新整理发布，聚焦于非洲33个国家2001至2024年间按性别与城乡划分的雇员时薪中位数数据。作为ILOSTAT数据库的组成部分，该数据源整合了劳动力调查、家计调查及行政记录等多元渠道，旨在为非洲大陆的劳动经济学研究提供标准化、可比较的收入指标。通过将国际劳工统计学家会议（ICLS）定义的统一口径应用于各国原始微观数据，该数据集为分析性别收入差距、城乡劳动报酬差异以及经济结构转型对薪酬的影响奠定了坚实基础，尤其填补了非洲地区高分辨率、长时间序列收入数据的稀缺空白。

当前挑战

该数据集面临的首要挑战在于劳动力市场收入数据的固有复杂性，包括非正规经济从业者收入的隐蔽性、不同国家调查问卷设计与统计方式的差异，以及多源数据融合时的可比性问题。构建过程中，由于非洲各国数据采集能力不均衡，部分观测值被标记为不可靠（obs_status=U），且存在年份覆盖不连续、城乡分类标准不统一等缺陷。此外，通货膨胀与汇率波动使得按当地货币计价的中位数薪酬在跨国与跨时期比较中难以直接解读，而数据稀疏性（仅1,136条观测覆盖33国）则限制了面板计量模型与机器学习方法在该领域的深入应用。

常用场景

经典使用场景

在非洲劳动力市场研究中，该数据集常被用于分析不同性别和城乡区域间雇员的小时工资中位数差异。研究者可通过时间序列分析，追踪2001至2024年间33个非洲国家的工资变动趋势，并结合性别和区域分类变量，探讨性别工资差距的演变特征及城乡收入不平等的结构性变化。数据集的年度观测频率和标准化指标设计，使其成为评估非洲劳动报酬分配格局的可靠基础资源。

衍生相关工作

该数据集衍生出一系列以非洲劳动经济学为核心的研究工作，包括基于时空建模的工资预测、性别工资差距的分解分析，以及城乡收入流动性的面板数据研究。部分研究者将其与ILOSTAT其他指标（如失业率或非正规就业比例）联合使用，构建劳动市场综合评估框架。由Electric Sheep Africa进行的规范化重封装，也启发了其他区域劳动数据集的标准化整理与开放发布，促进了跨大陆比较研究的开展。

数据集最近研究

最新研究方向

该数据集聚焦于非洲33个国家2001至2024年间雇员时薪中位数在性别与城乡维度的差异，为劳动经济学、发展经济学及性别不平等研究提供了关键面板数据。当前前沿方向包括利用时间序列模型与因果推断方法量化非洲劳动力市场中的性别薪酬鸿沟及其演变趋势，结合热点的SDG体面劳动目标与非洲数字化转型浪潮，探索城乡经济结构差异对薪酬决定的异质性影响。该数据集的发布极大促进了区域间劳动政策评估，为撒哈拉以南非洲的包容性增长研究奠定了实证基础。