electricsheepafrica/africa-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat

该数据集包含非洲36个国家1991年至2024年间雇员平均小时收入的统计数据，共19,717条观测记录，涵盖1个核心指标（按性别、教育和货币分类的平均小时收入）。数据源自国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，包含国家、数据来源、指标、性别分类、教育分类、货币类型、观测年份、数值及数据状态等字段，适用于表格分类、回归或时间序列预测等任务。license: CC-BY-4.0 语言: - 英语 任务类别: - 表格分类 - 表格回归 - 时间序列预测 多语言属性: 单语言 样本规模: 10000 < 样本量 < 100000 标签: - 表格数据 - 非洲 - ILOSTAT（国际劳工组织统计数据库） - 薪资 - 国际劳工组织（International Labour Organization, ILO） - 劳工 - 就业 pretty_name: "按性别、受教育程度和货币划分的雇员平均时薪 | 非洲（ILOSTAT）" --- # 按性别、受教育程度和货币划分的雇员平均时薪 | 非洲（ILOSTAT） 🌍 **19,717条观测值** · **36个非洲国家** · **1991–2024年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 核心摘要（TL;DR） 本数据集包含**19,717条观测值**的`薪资（Earnings）`数据，覆盖**36个非洲国家**，时间跨度为**1991–2024年**，涉及**1项独立指标**。 ## 数据来源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，为全球领先的劳工统计权威来源。其收录的指标涵盖就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（Sustainable Development Goals, SDG）体面工作目标——数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **原始来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：薪资（Earnings） ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EAR_EHRA_SEX_EDU_CUR_NB`拉取，并筛选出非洲国家的ISO 3166-1 alpha-3代码对应的数据集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化协调；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 36个非洲国家，以下为按观测行数排序的前12个国家及剩余21个国家概览： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MUS` | 2,646 | 2001 | 2024 | | `EGY` | 1,956 | 2008 | 2024 | | `ZAF` | 1,845 | 2000 | 2015 | | `MLI` | 1,242 | 2013 | 2024 | | `ZMB` | 1,023 | 2017 | 2024 | | `GHA` | 947 | 1991 | 2024 | | `UGA` | 909 | 2010 | 2021 | | `TZA` | 906 | 2001 | 2024 | | `AGO` | 825 | 2019 | 2024 | | `BWA` | 786 | 2019 | 2024 | | `RWA` | 744 | 2014 | 2024 | | `NAM` | 684 | 2012 | 2018 | | `SEN` | 546 | 2019 | 2024 | | `LBR` | 504 | 2010 | 2017 | | `CIV` | 438 | 2012 | 2019 | | ... | _剩余21个国家_ | | | ## 指标示例 - `EAR_EHRA_SEX_EDU_CUR_NB` — 按性别、受教育程度和货币划分的雇员平均时薪 ## 数据结构（Schema） | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AGO` | | `ref_area.label` | `string` | 英文国家名称 | `Angola` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `LFS - 就业调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_EHRA_SEX_EDU_CUR_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average hourly earnings of employees …` | | `sex` | `string` | 性别细分维度（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、受教育程度、就业状态等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `受教育程度（聚合级别）：总计` | | `classif2` | `string` | 可选第二分类变量 | `CUR_TYPE_LCU` | | `classif2.label` | `string` | — | `货币类型：本地货币` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位依指标定义而定） | `634.277` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C3:990` | | `note_classif.label` | `string` | — | `非标准教育水平：包含1级教育` | | `note_indicator` | `string` | — | `T30:2` | | `note_indicator.label` | `string` | — | `货币：安哥拉宽扎（AOA）` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计司 - 微观数据…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，但本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个来源时，将采用国际劳工组织选定的“最佳来源”数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EAR_EHRA_SEX_EDU_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EHRA_SEX_EDU_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EHRA_SEX_EDU_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ear_ehra_sex_edu_cur_nb_average_hourly_earnings_of_employees_by_sex_educat_2024, title = {Average hourly earnings of employees by sex, education and currency | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ear-ehra-sex-edu-cur-nb-average-hourly-earnings-of-employees-by-sex-educat}} } ## 许可证 本数据集采用[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 原始数据 © 国际劳工组织（International Labour Organization, ILO）。使用本数据集时，请同时引用上述原始来源与Electric Sheep Africa的重新整理版本。 ## 关于 Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的一部分：我们旨在构建面向非洲的统一、机器学习友好型数据层，托管于HuggingFace平台。我们从权威开源数据源获取数据，对数据Schema进行标准化处理，打包为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月27日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_EDU_CUR_NB_

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统计数据库，通过其REST API直接提取指标代码为EAR_EHRA_SEX_EDU_CUR_NB的观测数据，并依据非洲ISO3国家代码进行地理筛选。数据整合过程中，ILO依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，并在'source.label'列标注数据来源，以确保数据的可追溯性与标准化。数据集最终由Electric Sheep Africa进行重新封装，形成包含19,717条观测记录的机器学习就绪格式。

特点

该数据集聚焦于非洲36个国家1991年至2024年间按性别与教育程度划分的雇员平均时薪信息，涵盖1个核心指标。其独特之处在于丰富的维度划分，包括性别（总、男、女）及教育水平等分类变量，并支持本地货币与多种货币表示。数据还附带了观测状态标识（如临时、不可靠）及详细的注释信息，便于用户进行数据质量评估。此外，数据集统一采用Parquet格式存储，具备高效读写与跨平台兼容性。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，使用`load_dataset()`函数一行代码即可获取训练集并转换为Pandas DataFrame进行后续分析。支持按国家代码（如`ref_area == 'KEN'`）进行滤波，提取特定国家的时序数据；亦可对核心指标按年份排序后绘制趋势图，或利用透视表将数据重塑为国家×年份的矩阵格式，便于进行跨国的面板数据分析与回归建模。

背景与挑战

背景概述

在全球劳动力研究领域，工资差异与性别、教育水平等结构性因素的关系始终是经济学与社会学关注的焦点。国际劳工组织（ILO）旗下ILOSTAT数据库作为全球劳动统计的权威来源，其数据为跨国比较与政策制定提供了基础。在此背景下，Electric Sheep Africa于2024年重新整理并发布了该数据集，聚焦于非洲36个国家在1991至2024年间按性别与教育水平划分的员工平均时薪数据。数据集包含近两万条观测值，覆盖毛里求斯、埃及、南非等多个经济体，旨在揭示非洲大陆劳动报酬的内在异质性，并为研究全球南方劳动力市场动态、性别薪酬差距以及教育回报率等核心问题提供了珍贵的标准化样本，对推动非洲区域的经济学实证研究与国际劳工政策评估具有重要意义。

当前挑战

该数据集所应对的领域挑战主要在于非洲劳动力市场长期面临结构性数据匮乏与统计口径碎片化的问题，尤其是按性别与教育维度细分的工资数据极度稀缺，阻碍了薪酬公平性与人力资本投资效率的跨时空比较。在构建过程中，核心挑战源于ILOSTAT原始数据的多源异构特性：数据采集依赖各国不同的劳动力调查（如住户调查、企业调查），导致度量单位、参考时期与质量标签（如“不可靠”）存在显著差异，需通过ILO依据国际劳工统计学家会议（ICLS）定义进行复杂的协调与最佳来源遴选。此外，由于国家间教育分类体系与货币单位的不统一，数据集在分类变量（如classif1、classif2）与注释字段（如note_indicator）中需嵌入大量非标准化标识，这提高了数据清洗与结构化重组的难度，对后续机器学习模型的直接运用构成了预处理壁垒。

常用场景

经典使用场景

该数据集基于国际劳工组织ILOSTAT官方统计，汇集了1991年至2024年间非洲36个国家的雇员平均时薪数据，并按性别、教育程度及货币形式进行了细粒度的分类。其经典用途在于支撑非洲劳动经济学中的收入差异分析、教育与技能回报率测算，以及性别工资差距的跨国比较研究。研究者可通过时间序列分析追踪各国在数十年间薪酬结构的动态演变，亦能通过性别与教育维度的交叉聚类，揭示非洲大陆人力资本配置与劳动力市场不平等的深层次规律。

衍生相关工作

基于该数据集，学术界已涌现出一系列衍生性经典工作，涵盖非洲劳动市场的面板数据建模、教育与收入关系的分位数回归研究，以及性别工资差距的纵向分解分析。研究者通过该数据构建了非洲各国的时薪排行榜与教育回报率热力图，并在此基础上提出了结合ILO分类与地区政策变动的事件研究模型。此外，该数据集还催生了多项关于非洲劳动力流动与技能错配的前沿探讨，成为连接国际比较统计与区域发展实证的桥梁性基础资源。

数据集最近研究

最新研究方向

该数据集聚焦于非洲劳动力市场中按性别与教育水平划分的雇员平均时薪动态，为研究非洲大陆工资性别差异、教育回报率及劳动力市场不平等议题提供了关键微观证据。结合国际劳工组织（ILO）推动的体面劳动（Decent Work）议程与联合国可持续发展目标（SDG 8），该数据可支撑多维度时间序列分析与区域比较，揭示后疫情时代非洲各国薪资结构的脆弱性与韧性。其跨36国、覆盖1991至2024年的长序列观测，为验证人力资本理论在非洲语境下的适用性、评估教育扩张对缩小性别工资差距的实际效应，以及构建预测劳动力市场演变的机器学习模型奠定了坚实基础。