electricsheepafrica/africa-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation

该数据集是一个关于非洲国家按职业划分的性别工资差距百分比（Gender wage gap by occupation (%)）的表格型数据集，由Electric Sheep Africa从国际劳工组织（ILO）的ILOSTAT数据库重新打包发布。数据集包含2,395条观测记录，覆盖32个非洲国家，时间跨度为1991年至2024年，包含1个核心指标：EAR_GGAP_OCU_RT（按职业划分的性别工资差距百分比）。数据字段包括国家代码（ref_area）、国家名称（ref_area.label）、数据来源代码与标签（source, source.label）、指标代码与标签（indicator, indicator.label）、分类变量（classif1, classif1.label）、观测年份（time）、观测值（obs_value）、观测状态（obs_status, obs_status.label）以及相关注释字段。数据以年度频率发布，经过ILO harmonization处理，使用国际劳工统计学家会议（ICLS）定义进行标准化，适用于表格分类、回归和时间序列预测等机器学习任务。数据集遵循CC-BY-4.0许可协议。This is a tabular dataset documenting the gender wage gap by occupation (%) across African countries, repackaged and published by Electric Sheep Africa from the ILOSTAT database of the International Labour Organization (ILO). The dataset contains 2,395 observations, covering 32 African countries and spanning the period from 1991 to 2024, and includes one core indicator: EAR_GGAP_OCU_RT (Gender wage gap by occupation (%)). The data fields include country code (ref_area), country name (ref_area.label), source code and its label (source, source.label), indicator code and its label (indicator, indicator.label), categorical variables (classif1, classif1.label), observation year (time), observed value (obs_value), observation status (obs_status, obs_status.label), and related annotation fields. It is released annually, has undergone ILO harmonization, and been standardized in accordance with the definitions established by the International Conference of Labour Statisticians (ICLS). It is suitable for machine learning tasks such as tabular classification, regression and time series forecasting. The dataset is licensed under CC-BY-4.0.

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核心统计数据库，通过REST API直接提取特定指标（EAR_GGAP_OCU_RT）的数据，并依据非洲ISO3国家代码进行地理过滤。数据经ILO统计部门基于国际劳工统计学家会议（ICLS）定义进行统一验证和协调，原始来源涵盖劳动力调查、家庭收入调查等，并在“source.label”列中标注来源信息以确保可追溯性。Electric Sheep Africa团队对原始数据进行了二次封装与标准化处理，最终形成包含2,395条观测值的整洁表格。

特点

数据集覆盖1991年至2024年间32个非洲国家的职业性别工资差距百分比，提供单一指标但包含丰富的分类维度，如职业技能水平、观测状态标记及多种附注信息。数据以年频率呈现，并采用ILO推荐的“最佳来源”处理同一国家与年份的多源冲突。其模式设计清晰，包含ISO国家代码、指标标签、观测值及状态标志等字段，便于直接用于面板数据分析、时间序列建模和跨界比较研究。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载数据，并转化为Pandas DataFrame进行后续分析。支持按国家代码过滤以聚焦特定区域，或对单一指标进行时间序列可视化。还可利用pivot_table功能将数据重塑为国家×年份的矩阵形式，适用于计量经济学面板回归或聚类分析。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的再封装版本。

背景与挑战

背景概述

性别工资差距是劳动经济学与社会不平等研究中长期关注的核心议题，尤其在非洲大陆，由于数据基础设施薄弱与统计体系不完善，对该议题的系统性量化分析长期受限于碎片化的信息源。国际劳工组织（ILO）作为全球劳动统计的权威机构，其下设的ILOSTAT数据库自2010年代以来持续整合各国劳动力调查与行政记录数据，为跨国比较提供了标准化框架。在此背景下，Electric Sheep Africa于2024年将ILOSTAT中非洲地区的职业性别工资差距指标（EAR_GGAP_OCU_RT）重新封装为结构化数据集，涵盖1991至2024年间32个非洲国家的2395条观测记录。该数据集以职业技能水平为分类粒度，揭示了不同职业层级中性别薪酬差异的时空演变规律，为发展经济学、性别研究及政策评估领域提供了关键实证基础。

当前挑战

该数据集面临的核心挑战在于其所服务的领域问题：性别工资差距的度量本身高度依赖统计方法论的一致性，非洲各国在调查工具、职业分类标准与数据质量上存在显著异质性，ILOSTAT虽通过ICLS定义进行协调，但标注的‘数据序列断裂’与‘临时性估算’状态仍反映出此类整合的固有局限。构建层面的挑战则集中于数据稀疏性与代表性偏差——32国中毛里求斯与南非贡献了超过24%的观测值，而部分国家仅有零星年份数据，使得跨国的趋势比较与面板分析面临严重的不平衡样本问题。此外，原始来源中不同国家采用的货币单位与通胀调整方式各异，而该数据集未直接提供购买力平价调整后的价值，限制了其在跨国薪酬购买力比较中的直接应用。

常用场景

经典使用场景

在全球劳动经济学与性别平等研究领域，‘africa-ilo-ear-ggap-ocu-rt-gender-wage-gap-by-occupation’数据集如同一扇透视非洲大陆性别薪酬差异的窗口。其经典用法多以跨国家、跨时间维度的因果推断与趋势分析为核心，研究者可借助该数据集的年度观测值，结合职业分类变量，运用面板数据模型或差分法，精细剖析32个非洲国家自1991年至2024年间不同职业层级中的性别工资鸿沟。这些分析不仅揭示了性别收入不平等的结构性特征，还为比较不同劳动力市场制度与政策干预效果提供了实证基石。

解决学术问题

该数据集精准回应当代劳动经济学中的核心学术难题——如何在欠发达国家与区域层面量化并解释性别工资差距的演变。它突破了非洲地区长期缺乏标准化、跨国家长期面板数据的瓶颈，使学者能够系统探究经济发展、教育普及、全球化与劳动法改革等因素对性别收入平等的影响。通过对职业内部工资差异的细粒度刻画，数据集帮助识别人力资本禀赋与劳动力市场歧视在收入不平等中的相对贡献，为可持续性发展目标（SDG）中‘性别平等与体面工作’的监测与评估提供了不可或缺的量化工具。

衍生相关工作

围绕该数据集，学界已衍生出一系列具有影响力的经典工作，涵盖劳动经济学、发展经济学与性别研究的交叉领域。研究者基于其多年份、多国观测的独特结构，构建了预测非洲职业性别工资差距变化的时序模型，并开发了用于识别工资收敛或持续分化趋势的计量方法。此外，该数据集的标准化格式与开源许可催生了与ILOSTAT接口对接的可视化仪表盘和自动更新管道，形成了如‘Electric Sheep Africa’系列的机器学习就绪数据仓库，极大降低了后续学者进行重复验证与跨国比较研究的技术门槛。