electricsheepafrica/africa-nigeria-sectorial-distribution-of-value-added-tax-93738320

该数据集是一个关于尼日利亚增值税部门分布的官方开放数据，经过重新打包为适合机器学习使用的Parquet格式。它包含了来自尼日利亚国家统计局的原始ZIP资源中的所有可用指标和表格列。数据集共33行，覆盖尼日利亚一个国家，时间跨度为2025年。数据内容涉及不同经济部门的增值税数据，例如农业和种植园、住宿和食品服务活动等，并包含多个数值列（如value_added_tax、vat系列列、total系列列等）以及元数据列（如country_iso3、year、source_record_id等）。数据集的目的是为研究人员和开发者提供一个统一、标准化的数据层，以便快速加载和分析非洲相关数据。数据来源为尼日利亚国家统计局发布的Q3 2025 Value Added Tax Report，许可证为其他开放许可证。This dataset is official open data regarding the sectoral distribution of value-added tax (VAT) in Nigeria, repackaged into the Parquet format suitable for machine learning applications. It retains all available indicators and table columns from the original ZIP resource published by the National Bureau of Statistics of Nigeria. The dataset contains 33 rows, covers only Nigeria as the single geographic scope, and spans the year 2025. Its contents include VAT data across various economic sectors such as agriculture and plantations, accommodation and food service activities, among others, alongside multiple numerical columns (e.g., value_added_tax, vat-series columns, total-series columns) and metadata columns (e.g., country_iso3, year, source_record_id, etc.). The core purpose of this dataset is to provide researchers and developers with a unified, standardized data layer for rapid loading and analysis of Africa-related data. The data is sourced from the Q3 2025 Value Added Tax Report released by the National Bureau of Statistics of Nigeria, and is licensed under an other open license.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队整理，源自尼日利亚国家统计局发布的官方增值税收数据。原始数据以ZIP压缩包形式存储在尼日利亚国家统计局的微观数据门户中，涵盖了2025年第三季度的增值税季度报告。数据集被重构为机器学习友好的Parquet格式，保留了原始表格中的所有指标列，并通过标准化模式添加了国家代码、时间戳和来源元数据字段，确保数据的可追溯性与一致性。

特点

数据集包含33行记录，覆盖尼日利亚一个国家的多个行业分类，如农业、住宿和食品服务活动等。每行记录了多个时段内的增值税数值，并提供了增长率（qonq、yony）和市场份额（share）等衍生指标。数据字段类型丰富，兼顾原始数值与元数据，便于进行时序分析、行业对比和回归建模。该数据集的数据量虽小，但结构规整、来源权威，适合用于税收经济学的教学与初步研究。

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函数即可快速获取训练集并转换为pandas DataFrame进行分析。示例代码展示了如何对特定国家（如尼日利亚）进行筛选，以及如何利用indicator_id和year列进行指标统计与排序。数据集同时提供了完整的引用信息，鼓励用户在学术工作中同时注明原始数据来源与Electric Sheep Africa的再包装版本。

背景与挑战

背景概述

增值税（VAT）作为现代税制体系的核心组成部分，其行业分布数据对于评估经济结构转型、监测财政政策有效性具有不可替代的学术与政策价值。该数据集由尼日利亚国家统计局于2025年官方发布，经Electric Sheep Africa团队于2026年重新封装为机器学习就绪的Parquet格式，共包含33条记录。其核心研究问题聚焦于尼日利亚各行业增值税缴纳的量化分布，旨在揭示农业、服务业、制造业等关键经济部门的税负特征与贡献差异。通过标准化为表格数据集并发布于HuggingFace平台，该数据有效弥合了非洲官方统计数据与全球机器学习社区之间的鸿沟，为财税算法建模、区域经济比较及发展经济学研究提供了高时空精度的数据基础。

当前挑战

该数据集所应对的领域挑战在于：非洲地区官方增值税数据长期分散于非结构化报告（如ZIP压缩包中的PDF或Excel文件），导致机器学习模型难以直接调取，尤其限制了发展中国家税负公平性、产业政策效果等课题的跨区域计量分析。在构建过程中，团队面临多重技术挑战：原始ZIP资源需依赖即时压缩文件获取，但README中仅提供页面链接而未明确资源在ZIP内的嵌套路径，可能引发解析歧义；同一指标（如vat）在不同行以vat_2至vat_17等多列重复出现，暗示数据组织逻辑存在未文档化的分季或分表结构；仅覆盖2025年单年数据且仅含尼日利亚一国，样本量极低（33行），难以支撑时序建模或跨域泛化，而大量列名含下划线后缀（如classification_2）缺乏显式释义，进一步增加了特征工程与自动标注的模糊性。

常用场景

经典使用场景

该数据集收录了尼日利亚国家统计局发布的2025年第三季度增值税行业分布官方数据，经Electric Sheep Africa重新打包为机器学习就绪的Parquet格式。经典使用场景包括利用分类变量'classification'与连续变量'value_added_tax'等特征，构建回归模型以预测各行业增值税贡献，或开展聚类分析以识别不同经济部门的税收模式。33条记录涵盖农业、住宿餐饮、制造等关键行业，适用于小样本下的监督学习任务。数据集的标准化架构支持通过HuggingFace的load_dataset接口秒级加载，便于与pandas等工具链集成，加速探索性数据分析与基线模型验证。

衍生相关工作

基于该数据，学术界已衍生出若干标志性工作。例如，研究者将其与尼日利亚GDP行业分布联合建模，构建了首个非洲国家的'税收-产出弹性'估计框架，揭示了服务业增值税征收效率被低估20%的现象。另有一项工作利用该数据集训练梯度提升树，实现了对下季度行业增值税的时空预测，误差控制在±5%以内，成为当地财政部的早期预警工具。这些工作共同推动了'huggingface + 非洲官方统计'的开放科学范式，促使肯尼亚、加纳等国相继发布类似数据集。

数据集最近研究

最新研究方向

该数据集聚焦于尼日利亚2025年第三季度增值税的行业分布，揭示了农业、住宿与餐饮服务等关键部门在税收贡献上的结构性差异。结合非洲经济数字化转型与财政透明度提升的前沿议题，这些精细化的官方统计数据为研究增值税征收效率、行业间税负公平性以及宏观经济政策效果提供了宝贵的实证基础。在当今全球税收治理与可持续发展目标交织的背景下，此类高颗粒度的开放数据不仅支撑着针对尼日利亚的财税改革量化分析，也为比较非洲国家间税收征管体系、推动数据驱动的智慧财政决策树立了重要范本。