electricsheepafrica/africa-ilo-ear-smta-sex-nb-average-monthly-earnings-of-stem-employees-local-c

该数据集包含了非洲29个国家从2009年至2024年间关于STEM（科学、技术、工程和数学）从业者平均月收入（以当地货币计）的290个观测数据。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过筛选，仅涵盖非洲地区。数据集包含一个核心指标（EAR_SMTA_SEX_NB），提供了国家代码、数据来源、指标名称、性别分类（总计、男性、女性）、观测年份、观测值、数据状态标志和货币注释等详细信息。数据为年度频率，经过ILO的标准化处理，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains 290 observational records on the average monthly earnings (in local currency) of STEM (Science, Technology, Engineering and Mathematics) practitioners across 29 African countries from 2009 to 2024. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via API and filtered to exclusively cover the African region. The dataset includes a core indicator (EAR_SMTA_SEX_NB), with detailed information such as country code, data source, indicator name, gender category (total, male, female), observation year, observed value, data status flag, and currency annotations. The data is of annual frequency, has been standardized by the ILO, and is applicable to machine learning tasks such as tabular classification, regression, and time series forecasting.

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中央统计数据库，通过REST API直接提取指标代码为EAR_SMTA_SEX_NB的STEM员工平均月薪数据，并依据非洲ISO3国家代码进行过滤。ILOSTAT基于国际劳工统计学家会议（ICLS）定义，对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行协调与标准化处理，确保了数据的跨国家可比性。最终数据集包含来自29个非洲国家的290条观测记录，时间跨度为2009年至2024年，并以Parquet格式打包，由Electric Sheep Africa团队在HuggingFace平台重新封装发布，方便机器学习研究直接使用。

使用方法

该数据集可通过HuggingFace Datasets库便捷加载，使用`load_dataset()`函数一行代码即可获取数据并转化为Pandas DataFrame进行分析。研究者可按国家代码（如`ref_area == 'KEN'`）筛选特定国家数据，或按指标排序后绘制时间序列图以观察趋势变化。此外，支持通过数据透视表将数据重组为国家×年份矩阵，便于进行跨国家的面板数据分析与统计建模。数据集以CC-BY-4.0许可发布，使用时需同时引用ILO原始来源及Electric Sheep Africa的二次封装版本，确保学术合规性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）基于其核心统计数据库ILOSTAT创建，并由Electric Sheep Africa于2024年重新打包发布，聚焦于非洲29个国家STEM从业人员的平均月收入（以当地货币计）。数据集涵盖2009年至2024年间290条观测记录，旨在填补非洲地区STEM劳动力经济回报的系统性数据空白。作为全球劳动统计学权威来源，ILOSTAT通过统一国际劳工统计学家会议定义，整合各国劳动力调查数据，为该领域研究提供了可比较的跨国面板数据。这一数据集的出现，为分析非洲国家STEM人才吸引力、性别收入差距及动态变化趋势奠定了数据基础，对推动区域人力资本政策与国际可持续发展目标监测具有重要价值。

当前挑战

当前数据集面临的核心挑战在于数据稀疏性与可比性。非洲各国数据收集能力参差不齐，29个国家中仅埃及拥有45条观测，多数国家不足10条，且时间跨度不均（2009-2024年不等），导致时间序列分析中样本不平衡问题突出。构建过程中，ILOSTAT虽采用最佳来源筛选原则，但多源数据整合仍面临调查方法、货币换算与统计口径差异的挑战，例如部分观测值被标记为‘序列中断’或‘临时性’，影响数据可靠性。此外，性别维度仅按总、男、女三级分组，缺乏更精细的职业与产业分类，限制了研究深入剖析STEM劳动力结构的复杂性。

常用场景

经典使用场景

在非洲劳动力市场与科学、技术、工程和数学（STEM）职业薪酬结构的研究中，该数据集作为核心数据源，广泛用于分析非洲29个国家STEM从业人员的平均月薪水平。研究者可基于其涵盖2009至2024年的时间序列数据，对各国与不同性别的薪资差异进行横截面比较与纵向趋势分析，从而揭示STEM职业薪酬在非洲大陆的演变规律与区域异质性。

解决学术问题

该数据集系统解决了非洲STEM劳动力薪酬数据的稀疏性与碎片化问题，为学术研究提供了标准化、跨国家、长时段的可比数据。它支撑了低中收入国家技能溢价、性别工资差距、以及人力资本回报等核心劳动经济学议题的实证检验，填补了非洲地区在STEM职业薪酬计量方面的数据空白，推动了发展经济学与劳动经济学领域对非洲结构性转型的理解。

实际应用

在实际应用中，数据集为国际劳工组织、非洲各国政府及开发机构提供了监测STEM就业质量与薪酬公平性的量化依据。政策制定者可借此评估STEM人才吸引力政策的效果，优化薪酬激励结构，并识别在性别平等与区域平衡发展方面需要干预的薄弱环节，助力联合国可持续发展目标8中关于体面工作与经济增长的落实。

数据集最近研究

最新研究方向

该数据集聚焦于非洲29国STEM从业者的平均月薪（本币）时序数据，为分析非洲大陆科技人力资本价值与劳动力市场结构性变迁提供了稀缺的跨国产出基准。当前前沿研究借助此类ILOSTAT官方微观数据，结合地理经济与教育投入指标，构建面板回归模型以解析STEM薪资与数字化转型、外国直接投资流入之间的动态耦合关系；同时，时间序列预测方法被用于刻画“非洲科技人才争夺战”下的薪资波动轨迹，为跨国企业区域人力资源配置及国际发展机构评估“非洲数字经济”政策实效提供数据锚点。该数据集的公开化、结构化发布，显著降低了非洲劳动经济学领域数据获取门槛，有望催生更多关于区域间STEM工资趋同与技能错配的因果推断研究。