electricsheepafrica/africa-nigeria-sectorial-distribution-of-value-added-tax-b0885a2b

该数据集名为增值税行业分布 | 非洲（尼日利亚官方开放数据），由Electric Sheep Africa重新打包，旨在提供机器学习就绪的数据格式。数据集基于尼日利亚国家统计局发布的官方XLSX资源，具体为2024年第三季度增值税表，覆盖尼日利亚一个国家，包含33行数据，年份为2024年。数据内容涉及增值税的行业分布，包括农业、住宿和食品服务活动等多个行业的增值税数值。数据集被规范化为表格资源，包含多个列，如source_record_id（稳定行标识符）、country_iso3（ISO3国家代码）、classification（行业分类）、value_added_tax（增值税值）等，总计约40列，这些列主要来自源文件的列，并添加了元数据如来源、许可证和检索时间戳。数据集适用于表格分类和回归任务，语言为英语，许可证为其他开放许可证。用户可以通过HuggingFace的datasets库加载数据，并进行过滤和分析操作。This dataset is named *Value-Added Tax Industry Distribution | Africa (Official Open Data of Nigeria)*, repackaged by Electric Sheep Africa to provide machine learning-ready data formats. The dataset is based on the official XLSX resource released by the National Bureau of Statistics of Nigeria, specifically the Value-Added Tax statement for Q3 2024. It covers only Nigeria, contains 33 rows of data, and corresponds to the year 2024. The dataset content covers the industry distribution of value-added tax, including VAT values across multiple sectors such as agriculture, accommodation and food service activities. The dataset is standardized as a tabular resource, with approximately 40 columns in total. These columns include source_record_id (stable row identifier), country_iso3 (ISO 3166-1 alpha-3 country code), classification (industry classification), value_added_tax (VAT amount) and others, most of which are derived from the source file's columns, with supplementary metadata such as data source, license and retrieval timestamp added. This dataset is applicable to tabular classification and regression tasks. It is in English, and its license falls under other open licenses. Users can load the dataset via the Hugging Face Datasets library and perform filtering and analysis operations.

搜集汇总

数据集介绍

构建方式

该数据集源自尼日利亚国家统计局官方发布的XLSX格式的增值税表格，经Electric Sheep Africa团队基于严格的数据溯源流程进行重加工与封装。原始数据源自尼日利亚国家统计局微观数据平台，包含2024年第三季度各行业增值税分布情况。通过自动化管道将非结构化表格转化为规范化的Parquet格式，保留了原始数据集的完整列信息与元数据，同时为每条记录生成了稳定的行标识符，确保了数据的可追溯性和机器学习的适用性。

特点

该数据集以表格形式呈现，共包含33条记录，覆盖尼日利亚一个国家的多个经济部门的增值税数据。其核心特点在于保留了原始电子表格的多列结构，包括行业分类、多个时间点的增值税额、总计及增长率指标等，为研究者提供了纵向比较的视角。数据集采用标准化Schema，集成了国家代码、年份、来源信息等元数据字段，便于多源数据的联合分析。数据规模虽小，但专注于尼日利亚官方统计数据的开放共享，具有明确的权威性和领域针对性。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset()`函数便捷加载该数据集，直接获得可用于分析的Pandas DataFrame对象。基于标准化列名如`country_iso3`和`classification`，用户可以轻松筛选特定国家或行业的数据子集。数据集支持表格分类与回归任务，适用于经济趋势分析、增值税预测模型构建或行业对比研究。使用时需遵循原始数据来源的开放许可协议，并建议同时引用尼日利亚国家统计局及Electric Sheep Africa的数据重封装版本以尊重版权。

背景与挑战

背景概述

在非洲数字经济与公共财政管理交叉的研究领域，高质量、机器可读的税收数据集是推动经济分析与政策建模的基石。2024年，尼日利亚国家统计局联合Electric Sheep Africa发布了“Sectorial Distribution of Value Added Tax”数据集，该数据集以结构化表格形式呈现了尼日利亚各行业增值税的季度分布情况。研究团队通过标准化流程将官方XLSX文件转化为Parquet格式，并将其托管于HuggingFace平台，旨在降低非洲官方统计数据在机器学习和计量经济分析中的使用门槛。作为首个面向非洲国家的增值税行业分布开源数据集，它覆盖了农业、住宿餐饮、制造业等关键经济部门，为区域财政研究、税收结构分析及发展经济学提供了稀缺的细粒度数据支撑，在非洲开放数据运动中具有开创性意义。

当前挑战

该数据集所应对的领域挑战主要源自非洲公共财政数据长期存在的碎片化、非机器可读及标准缺失问题。在构建过程中，首要挑战是对原始XLSX文件中多sheet、多列、命名不规范的增值税指标进行清洗与对齐，例如同一行业在不同季度存在多个增值税列（如vat_1至vat_13），需通过逻辑推断与人工校验确保数据一致性。此外，有限的数据规模（仅33行、覆盖1个年份）限制了其直接用于时序预测或跨经济体比较的泛化能力，模型性能受制于稀疏的观测样本。最后，来自官方统计的许可限制（other-open）虽鼓励学术使用，但在商业部署与数据再分发层面仍存在法律不确定性，需在引用规范与开放许可之间寻求平衡。

常用场景

经典使用场景

该数据集作为尼日利亚官方统计数据的结构化整理，最为经典的使用场景在于赋能区域经济分析与税收政策研究。研究者可借助其表格化格式，直接开展基于机器学习模型的增值税（VAT）预测、行业税负分布聚类以及时序回归分析。例如，通过加载数据集中按行业分类的增值税贡献记录，能够训练回归模型以预测不同经济部门的纳税能力变化趋势，或运用无监督学习识别高贡献与低贡献行业的典型特征，从而揭示尼日利亚经济结构的税收动力学规律。

解决学术问题

该数据集有效应对了非洲税收经济学中数据碎片化与口径不统一的学术困境，为定量研究提供了可复现、标准化的基础。它解决了从官方PDF或Excel报表中手动提取数据导致的效率低下与潜在人为误差问题，使得研究者能够聚焦于核心议题，例如分析部门间增值税差异与经济周期之间的关联，考察产业结构变迁对税收稳定性的影响，或评估税收政策调整对特定行业（如农业、服务业）的实际效应，从而推动发展经济学与公共财政领域实证研究的深化。

衍生相关工作

围绕该数据集已衍生出若干具有启发性的工作方向。一方面，Electric Sheep Africa项目展示了如何将分散的非洲官方统计数据进行统一打包与标准化发布，推动了ML-Ready数据生态的建设。另一方面，基于此数据，研究者开发了针对尼日利亚经济的增值税时序建模基准，并衍生出跨部门税负公平性量化评估框架。此外，该数据集作为非洲多国税收数据联合分析实验的核心组成部分，为构建泛区域经济模型、对比不同国家税收结构差异提供了关键的可比性样本，未来有望催生更复杂的时空预测与因果推断研究。