five

World Inequality Database|收入不平等数据集|财富分配数据集

收藏
wid.world2024-10-26 收录
收入不平等
财富分配
下载链接:
https://wid.world/
下载链接
链接失效反馈
资源简介:
World Inequality Database(WID)是一个全球性的数据库,提供了关于全球收入和财富不平等的详细数据。该数据库涵盖了多个国家和地区的收入分配、财富分配、税收和转移支付等数据,旨在为研究者和政策制定者提供全面的数据支持。
提供机构:
wid.world
AI搜集汇总
数据集介绍
main_image_url
构建方式
世界不平等数据库(World Inequality Database)的构建基于全球范围内的经济数据,涵盖了多个国家和地区的收入与财富分配情况。该数据集通过整合来自政府统计机构、学术研究、国际组织以及非政府组织的多种数据源,确保了数据的广泛性和可靠性。数据收集过程严格遵循科学方法,包括数据清洗、标准化处理和交叉验证,以确保每一项数据的高质量。
特点
世界不平等数据库的特点在于其全面性和实时性。该数据集不仅包括传统的收入和财富分配数据,还涵盖了教育、健康、就业等多个社会经济指标,为研究者提供了多维度的分析视角。此外,该数据库定期更新,确保数据的时效性,使其成为研究全球不平等现象的重要工具。
使用方法
世界不平等数据库的使用方法多样,适用于经济学、社会学、公共政策等多个领域的研究。研究者可以通过该数据库进行跨国比较、时间序列分析以及特定群体的不平等研究。此外,政策制定者可以利用该数据集评估政策效果,制定更加公平的社会经济政策。数据集提供了友好的用户界面和API接口,方便用户进行数据查询和下载。
背景与挑战
背景概述
世界不平等数据库(World Inequality Database, WID)是由一组国际研究人员和机构于2016年创建的,旨在提供全球范围内收入和财富分配的详细数据。该数据库汇集了来自多个国家和地区的数据,涵盖了从个人收入到国家财富的广泛范围。WID的核心研究问题集中在揭示全球不平等的动态变化,以及不同社会经济群体之间的财富分配差异。这一研究对经济学、社会学和公共政策领域产生了深远影响,为政策制定者提供了关键的数据支持,以应对日益加剧的全球不平等现象。
当前挑战
WID在构建过程中面临了多重挑战。首先,数据收集的复杂性在于需要整合来自不同国家和地区的异质数据,这些数据往往具有不同的统计标准和报告频率。其次,数据的质量和一致性问题也是一大挑战,因为不同国家的统计机构在数据收集和处理上存在显著差异。此外,全球不平等问题的复杂性要求WID不仅要提供静态的财富分配数据,还需分析这些数据随时间的变化趋势,这增加了数据分析的难度。最后,如何确保数据的透明度和可访问性,以便学术界和政策制定者能够有效利用这些数据,也是WID需要解决的重要问题。
发展历史
创建时间与更新
World Inequality Database(WID)创建于2017年,由法国经济学家托马斯·皮凯蒂(Thomas Piketty)及其团队发起,旨在提供全球范围内的收入和财富不平等数据。该数据库自创建以来,持续进行数据更新,以反映最新的经济不平等趋势。
重要里程碑
WID的一个重要里程碑是其在2018年发布的全球财富不平等报告,该报告基于数据库中的数据,详细分析了全球财富分配的不平等现象,引起了广泛关注和讨论。此外,2020年,WID与联合国开发计划署(UNDP)合作,发布了一份关于全球不平等与可持续发展目标(SDGs)之间关系的研究报告,进一步提升了其在全球政策制定中的影响力。
当前发展情况
目前,World Inequality Database已成为全球经济不平等研究的重要资源,其数据被广泛应用于学术研究、政策分析和公共讨论中。WID不仅提供了详尽的历史数据,还定期发布新的研究成果,以帮助学者和政策制定者更好地理解全球经济不平等的动态变化。此外,WID还通过开放数据平台,促进了全球范围内的数据共享和合作,对推动全球经济公平和可持续发展做出了重要贡献。
发展历程
  • World Inequality Database首次发布,由巴黎经济学院、哈佛大学和牛津大学等机构的研究人员共同创建,旨在提供全球收入和财富不平等的详细数据。
    2016年
  • 数据集开始被广泛应用于学术研究和政策分析,特别是在全球不平等和经济发展领域的研究中。
    2017年
  • World Inequality Database发布了其首个年度报告,详细分析了全球收入和财富分配的趋势,引起了国际社会的广泛关注。
    2018年
  • 数据集的覆盖范围扩大,增加了对新兴市场国家和发展中国家不平等数据的收集和分析。
    2019年
  • 面对全球疫情的影响,World Inequality Database发布了特别报告,探讨了疫情对全球不平等的短期和长期影响。
    2020年
  • 数据集继续更新和扩展,增加了对气候变化和不平等之间关系的研究数据,进一步丰富了其内容和应用领域。
    2021年
常用场景
经典使用场景
在全球经济研究领域,World Inequality Database(WID)数据集被广泛用于分析和比较不同国家和地区的收入与财富分配情况。该数据集汇集了全球范围内的收入、财富、税收和社会转移支付等详细数据,为学者和政策制定者提供了宝贵的资源。通过WID,研究人员能够深入探讨收入不平等的根源及其对社会经济发展的影响,从而为制定更加公平和有效的政策提供科学依据。
衍生相关工作
基于World Inequality Database,许多相关的经典研究工作得以展开。例如,学者们利用WID数据集进行了关于税收政策对收入分配影响的深入研究,揭示了税收制度在调节收入不平等方面的作用。此外,WID数据集还支持了关于全球财富集中度的研究,探讨了财富不平等对经济增长和社会稳定的影响。这些研究不仅丰富了收入不平等的理论框架,还为实际政策制定提供了重要的参考依据。
数据集最近研究
最新研究方向
在全球经济不平等的背景下,World Inequality Database(WID)数据集成为研究者们探索财富分配和收入差距的重要工具。最新研究方向聚焦于利用WID数据集进行跨国比较分析,揭示不同国家和地区在财富分配上的差异及其背后的社会经济因素。此外,研究者们还关注如何通过WID数据集预测未来经济不平等的趋势,以及这些趋势对全球政策制定和社会稳定的影响。这些研究不仅有助于深化对全球经济不平等的理解,也为制定更有效的社会政策提供了科学依据。
相关研究论文
  • 1
    World Inequality Report 2018World Inequality Lab · 2018年
  • 2
    Global Inequality Dynamics: New Findings from WID.worldAmerican Economic Association · 2017年
  • 3
    The Rise of Income and Wealth Inequality in America: Evidence from Distributional National AccountsNational Bureau of Economic Research · 2020年
  • 4
    Inequality in the Euro Area: New Insights from Distributional National AccountsEuropean Central Bank · 2019年
  • 5
    The Distributional National Accounts: Methods and Estimates for the United StatesNational Bureau of Economic Research · 2016年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

DALY

DALY数据集包含了全球疾病负担研究(Global Burden of Disease Study)中的伤残调整生命年(Disability-Adjusted Life Years, DALYs)数据。该数据集提供了不同国家和地区在不同年份的DALYs指标,用于衡量因疾病、伤害和早逝导致的健康损失。

ghdx.healthdata.org 收录

CatMeows

该数据集包含440个声音样本,由21只属于两个品种(缅因州库恩猫和欧洲短毛猫)的猫在三种不同情境下发出的喵声组成。这些情境包括刷毛、在陌生环境中隔离和等待食物。每个声音文件都遵循特定的命名约定,包含猫的唯一ID、品种、性别、猫主人的唯一ID、录音场次和发声计数。此外,还有一个额外的zip文件,包含被排除的录音(非喵声)和未剪辑的连续发声序列。

huggingface 收录

Subway Dataset

该数据集包含了全球多个城市的地铁系统数据,包括车站信息、线路图、列车时刻表、乘客流量等。数据集旨在帮助研究人员和开发者分析和模拟城市交通系统,优化地铁运营和乘客体验。

www.kaggle.com 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

github 收录

YOLO-dataset

该数据集用于训练YOLO模型,包括分类、检测和姿态识别模型。目前支持v8版本,未来计划支持更多版本。

github 收录