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

该数据集包含15,860个观测值，覆盖44个非洲国家，时间跨度为1991年至2024年，聚焦于一个核心指标：按性别和经济活动划分的员工月收入中位数（本地货币）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过REST API获取，并经过过滤仅包含非洲国家。数据集提供了结构化表格，包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（总计、男性、女性）、经济活动分类、观测年份、观测值、数据状态标志及相关注释。数据以年度频率发布，经过ILO标准化处理，确保与国际劳工统计会议（ICLS）定义一致。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲地区劳动力市场收入趋势和性别差异。This dataset contains 15,860 observations, covering 44 African countries over the period from 1991 to 2024, with a core focus on the monthly median employee income (in local currency) categorized by gender and economic activity. The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO), retrieved via REST API, and filtered to only include entries from African countries. The dataset provides structured tables including country code, country name, data source, indicator code, indicator label, gender classification (total, male, female), economic activity classification, observation year, observed value, data status flag and relevant annotations. It is released at an annual frequency, and has been standardized by the ILO to ensure consistency with the definitions specified by the International Conference of Labour Statisticians (ICLS). This dataset is applicable for tasks such as table classification, regression and time series forecasting, and can be used to analyze labor market income trends and gender disparities in the African region.

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）旗下的ILOSTAT核心统计数据库，由Electric Sheep Africa团队负责整合与再封装。数据通过ILOSTAT提供的REST API接口直接采集，原始接口地址为`https://rplumber.ilo.org/data/indicator?id=EAR_EMTM_SEX_ECO_NB`，随后依据非洲国家ISO3编码进行地理范围过滤。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国原始调查微观数据进行统一标准化处理，数据来源在`source.label`列中予以标注，以确保可追溯性。最终形成包含15,860条观测记录的表格型数据集。

特点

该数据集聚焦非洲大陆，覆盖44个非洲国家1991年至2024年间雇员中位数月收入的时序观测，总计15,860条记录。数据核心指标为`EAR_EMTM_SEX_ECO_NB`，即按性别和经济活动划分的雇员中位数月收入（以本币计值）。其核心特色在于细粒度的性别维度拆解，包括总计、男性与女性三个类别，可支撑劳动经济学领域的性别收入差异分析。此外，数据集还附带了详细的来源标注、观测状态标记及注释分类列，有助于研究者评估数据质量与潜在局限性。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，调用`load_dataset("electricsheepafrica/africa-ilo-ear-emtm-sex-eco-nb-median-monthly-earnings-of-employees-by-sex-and-ec")`即可获取训练集并转化为Pandas DataFrame进行后续操作。典型使用场景包括按国家筛选（如`df[df["ref_area"] == "KEN"]`）、针对单一指标的时间序列可视化（通过`sort_values`与`plot`方法实现），或构建国家×年份的透视矩阵以进行跨区域比较。数据以Parquet格式存储，具备ML场景下的高效加载特性。

背景与挑战

背景概述

在全球劳动力市场研究中，非洲大陆因数据稀疏性和异质性长期处于分析盲区。为此，国际劳工组织（ILO）统计司依托其ILOSTAT核心数据库，基于各国劳动力调查、住户收入调查及行政记录等来源，经国际劳工统计学家会议（ICLS）定义协调后，构建了覆盖44个非洲国家、横跨1991年至2024年的雇员月收入中位数数据集。该数据集由Electric Sheep Africa于2024年重新封装并发布至HuggingFace平台，聚焦于按性别和经济活动分类的本地货币收入指标，共计15,860条观测值。其核心研究问题在于弥合非洲劳动经济领域的微观数据鸿沟，为性别薪酬差异分析、区域经济发展评估及联合国可持续发展目标（SDG）体面工作指标监测提供标准化、可复用的量化基础，显著推动了非洲劳动统计学的实证研究进程。

当前挑战

该数据集所解决的领域问题具有多重挑战：其一，非洲各国统计体系不统一，原始调查的问卷设计、抽样方法和数据质量参差不齐，ILO需通过复杂的协调规则消除系统性偏差，例如在相同国家与年份出现多源数据时强制采用“最佳来源”；其二，性别维度的收入差异常因数据缺失或分类粗糙（仅具“总、男、女”三类）而难以精细建模，阻碍了薪酬平等政策的定量评估。在构建过程中，数据采集面临非洲国家基础设施薄弱导致的长期数据断层（如多国最早记录晚于1991年），且大量观测值被标注为“不可靠”状态，需要在保留原始标记的前提下平衡样本量与数据可信度；此外，存量数据中混入非标准经济活动分类及多币种单位（如安哥拉宽扎），迫使下游使用者必须处理复杂的单位换算与分类映射，增加了直接机器学习的预处理难度。

常用场景

经典使用场景

该数据集提供了非洲44个国家自1991年至2024年间按性别和经济活动划分的雇员月收入中位数数据，是劳动经济学与区域发展研究中的关键资源。其经典使用场景在于构建面板数据模型，以探究非洲大陆内部工资水平的时空演变规律。研究者可借助该数据集剖析性别收入差距的跨国差异与长期趋势，或结合宏观经济增长指标，评估产业结构变迁对劳动报酬的异质性影响。此外，利用该数据丰富的分类维度，可开展收入决定因素的多元回归分析，为理解非洲劳动力市场的运行机制提供实证基础。

实际应用

在实际应用层面，该数据集为国际组织、政府机构及非营利组织制定精准的劳工政策提供了数据驱动的决策工具。国际劳工组织可基于这些数据监测成员国在实现体面工作议程方面的进展，识别工资增长滞后的国家与行业，从而优化技术援助与资金配置。非洲各国劳动部门能够利用按性别和经济活动细分的数据，设计针对性的最低工资调整方案与反歧视政策，缩小收入差距。对于从事非洲市场研究的企业而言，该数据集辅助评估不同国家的劳动力成本结构与消费潜力，指导区域投资布局。此外，该数据还可融入社会影响评估模型，为大型基建或产业项目中的就业质量预测提供基准。

衍生相关工作

围绕此数据集，学术界已涌现出一系列衍生研究工作。部分学者基于该数据构建了非洲工资预测模型，运用时间序列分析与机器学习算法，探讨诸如通货膨胀、教育投入与劳动力流动对未来收入水平的非线性影响。另有研究将其与非洲之家的生活成本调查或企业微观数据相链接，形成多源融合数据集，以更精细地刻画工资购买力的真实变动。在测量方法方面，该数据催生了对缺失值插补技术的改进，针对非洲数据稀疏性开发了贝叶斯分层模型。同时，基于此数据集的跨国比较研究推动了ILOSTAT数据标准化流程的优化，促进了国际劳动统计规范在发展中地区的推广与应用。