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

该数据集包含非洲45个国家从1991年到2024年的员工月收入中位数数据，共8,283个观察值，覆盖一个核心指标：按性别和教育水平分类的中位数月收入（以本地货币计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理，包括国家代码、年份、性别、教育水平、收入值等字段，适用于表格分类、回归和时间序列预测等任务。数据集以CC-BY-4.0许可证发布，由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据层。This dataset contains median monthly employee income data for 45 countries in Africa from 1991 to 2024, with a total of 8,283 observations. It covers a single core metric: median monthly income categorized by gender and educational level, denominated in local currency units. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and has undergone standardization processing, including fields such as country code, year, gender, educational level, and income value. It is suitable for tasks including tabular classification, regression, and time series forecasting. The dataset is released under the CC-BY-4.0 license and was repackaged by Electric Sheep Africa, aiming to provide a machine learning-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从国际劳工组织（ILO）的ILOSTAT REST API中直接提取，原始指标ID为EAR_EMTM_SEX_EDU_NB，代表按性别和受教育程度划分的员工月收入中位数（以当地货币计）。数据提取后仅筛选出非洲ISO3国家代码覆盖的45个非洲国家，并基于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与标准化处理，来源标签（source.label）被完整保留以确保可追溯性。最终整理为包含8283条观测值、时间跨度从1991年至2024年的表格数据，以Parquet格式存储并发布在HuggingFace平台上。

特点

该数据集聚焦非洲大陆，涵盖45个国家长达34年的收入中位数观测，是少数同时按性别（总/男/女）和教育水平（聚合级别）进行细分的劳动收入数据资源。所有数据均经过ILO官方协调，来源可追溯至各国劳动力调查、家庭收入调查、企业调查及行政记录，保证了统计口径的一致性。数据以表格形式呈现，包含国家、来源、指标、性别、分类、时间、观测值、状态及多重注释列，结构清晰且便于多维分析与时间序列建模。

使用方法

研究人员可直接通过HuggingFace的datasets库加载数据集，单行命令即可获得Pandas DataFrame，便于后续分析与可视化。典型操作包括按国家代码筛选特定国家的所有观测，对同一指标按时间排序后绘制发展趋势图，或利用透视表将数据转换为国家×年份矩阵，从而进行区域对比分析与面板数据建模。数据集的标准化模式与通用工具链无缝兼容，极大降低了非洲劳动经济研究的准入门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下的ILOSTAT数据库整理发布，并由Electric Sheep Africa于2024年重新封装，旨在系统性地提供非洲45个国家1991年至2024年间按性别与教育程度划分的雇员月收入中位数数据。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、家庭收入调查及行政记录等多源数据，并依据国际劳工统计学家会议（ICLS）标准进行统一清洗和加权，确保了跨国可比性。该数据集聚焦于非洲地区在收入分配与劳动经济学领域的核心研究问题，尤其关注性别工资差距与教育回报率差异。通过提供8283条观测值，它为发展经济学、劳动政策评估及联合国可持续发展目标（SDG）中体面工作的量化监测提供了关键数据支撑，对推动非洲区域劳动力市场的实证研究具有显著影响力。

当前挑战

该数据集所解决的领域问题在于，非洲地区长期缺乏高质量、跨国的按性别与教育分层的收入数据，制约了学者和政策制定者对性别工资不平等、教育回报率动态及劳动市场结构性变迁的精准分析。传统上，各国统计口径不一、数据缺失频繁，难以进行可靠的纵向比较。构建过程中面临的挑战尤为突出：数据源高度异构，来自不同国家的劳动力调查在设计、覆盖人群和微观数据质量上差异显著；ILOSTAT虽通过统一分类框架进行协调，但部分观测值仍需标注为“不可靠”；此外，部分国家在特定年份数据完全空白，导致时间序列不连续，而不同来源数据的加权和最佳来源筛选也需要严格的归一化流程，以降低偏差风险。

常用场景

经典使用场景

在非洲劳动经济学与教育回报率的研究中，该数据集扮演着基石角色。研究者常将其用于构建面板数据模型，以分析不同性别与教育水平下雇员的月收入中位数随时间的演变趋势。通过引入固定效应或随机效应模型，可以剥离国家异质性与时间趋势，精准识别教育层级对劳动报酬的边际贡献，以及性别收入差距在非洲各国的动态变化。数据集的年度观测频率与长跨度时间序列（1991-2024年）使得协整分析、格兰杰因果检验等时间序列计量方法得以施展，从而揭示教育投资与经济增长之间的长期均衡关系。此外，该数据集还广泛用于机器学习中的回归任务，预测分散在不同国家、性别和教育分组中的收入水平，成为评估非洲人力资本回报文献中备受推崇的实证基础。

实际应用

在国际发展组织与非洲各国政策制定者的实践中，该数据集被广泛用于监测和评估劳动力市场的结构性变化。例如，国际劳工组织（ILO）可据此追踪不同教育程度的男女雇员是否在经济增长中获得了公平的薪酬提升，从而定向设计职业培训或反歧视法案。非政府组织利用其时间序列特征，识别出教育水平提升较慢的次区域，并据此调整援助资源的投放优先级。在私营部门，跨国企业的人力资源部门将其作为参考基准，以制定在非洲各国符合当地薪酬结构且具有竞争力的工资标准。金融机构与投资者亦借助该数据集评估某一国家的人力资本质量，作为投资环境分析的一项参考指标，进而为在非洲大陆的教育贷款、保险产品设计提供宏观数据支撑。

衍生相关工作

该数据集衍生了多项极具影响力的学术研究工作，尤其是在劳动经济学与发展经济学的交叉领域。基于该数据的时间序列截面特性，催生了一系列关于非洲“性别-教育-收入”三维关系的空间计量分析，其中部分工作通过构建空间权重矩阵，考察邻国间劳动力市场政策的溢出效应。此外，有研究利用该数据集作为基准，与非洲人口健康调查（DHS）数据进行融合，以探究婚姻模式、生育决策与女性劳动力市场表现之间的内生互动，推动了家庭经济学的前沿探索。在机器学习方向，该数据集催生了若干针对非洲货币收入序列的可解释性预测模型，如结合梯度提升树与SHAP值分析以揭示收入决定因素的非线性关系。这些衍生工作不仅提升了该数据集的学术引用价值，也促进了非洲国家劳动统计的标准化与开放获取运动。