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？
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
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
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。
- 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。
- 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。
- 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。
- 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。
- 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。
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
- 1World Inequality Report 2018World Inequality Lab · 2018年
- 2Global Inequality Dynamics: New Findings from WID.worldAmerican Economic Association · 2017年
- 3The Rise of Income and Wealth Inequality in America: Evidence from Distributional National AccountsNational Bureau of Economic Research · 2020年
- 4Inequality in the Euro Area: New Insights from Distributional National AccountsEuropean Central Bank · 2019年
- 5The 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
数据主题
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
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
波士顿房价数据集
波士顿房价数据集是一个经典的机器学习数据集，通常用于回归任务，尤其是房价预测。下方文档中有所有字段顺序的描述。
阿里云天池 收录
Materials Project 在线材料数据库
Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算，为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果，以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性，还涵盖了电子结构和热力学性质等详尽信息，为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。
超神经 收录
海天瑞声-超大规模中文多领域高质量多轮对话语料库
这是一个符合中国人表达习惯的自然对话数据集，共计约1,0000,000轮，上亿级token，包含正式&非正式风格对话，使用偏口语化自然表达。覆盖工作、生活、校园等场景，及金融、教育、娱乐、体育、汽车、科技等领域。在数据集构成上，DOTS-NLP-216包含了对真实场景的对话采集，及高度还原真实场景的模拟对话这两种方式，兼顾分布的代表性、多样性和样本规模。
魔搭社区 收录