electricsheepafrica/africa-ilo-eip-5plf-sex-age-nb-potential-labour-force-by-sex-and-age-19th-icls-th

该数据集包含按性别和年龄划分的潜在劳动力——第19届国际劳工统计师会议（千计）| 非洲（ILOSTAT），共有816个观测值，涵盖23个非洲国家（如卢旺达、赞比亚、安哥拉等），时间跨度为2016年至2025年。数据集涉及1个指标：EIP_5PLF_SEX_AGE_NB（按性别和年龄划分的潜在劳动力——第19届国际劳工统计师会议，以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包，用于表格分类、回归和时间序列预测等自然语言处理任务。数据集包括列如国家代码、国家名称、指标、性别、年龄分类、年份和观测值等，提供劳动力利用不足的详细统计信息。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的最佳来源。This dataset contains Potential labour force by sex and age -- 19th ICLS (thousands) | Africa (ILOSTAT) with 816 observations across 23 African countries (e.g., Rwanda, Zambia, Angola) spanning 2016–2025. It covers 1 indicator: EIP_5PLF_SEX_AGE_NB (Potential labour force by sex and age -- 19th ICLS, in thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, repackaged by Electric Sheep Africa, and is intended for tabular classification, regression, and time-series forecasting tasks. The dataset includes columns such as country code, country name, indicator, sex, age classification, year, and observed value, providing detailed statistics on labour underutilization. Data is published at annual frequency and includes quality caveats, such as the use of ILO-selected best source.

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数据库，聚焦于非洲23个国家的潜在劳动力按性别与年龄分组的统计数据。数据通过调用ILOSTAT REST API接口直接获取，并依据第19届国际劳动统计学家会议（ICLS）定义进行标准化处理。Electric Sheep Africa团队对原始数据进行了区域性筛选、格式统一及Parquet格式打包，最终以HuggingFace数据集形式发布，确保数据可直接被机器学习框架调用。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数一键加载数据，并以pandas DataFrame格式进行后续处理。典型操作包括按国家代码过滤特定区域数据（如肯尼亚）、按指标字段提取时间序列进行可视化分析，或利用数据透视表构建国家×年份的观测矩阵。数据集支持分类与回归任务，亦适用于时间序列预测场景，为非洲劳动力市场的实证研究提供了高效、可复现的数据基础。

背景与挑战

背景概述

由国际劳工组织（ILO）发布的潜在劳动力数据集（africa-ilo-eip-5plf-sex-age-nb-potential-labour-force-by-sex-and-age-19th-icls-th）于2025年经由Electric Sheep Africa重新封装并托管于HuggingFace平台。该数据集聚焦于非洲23个国家在2016至2025年间按性别和年龄划分的潜在劳动力规模，旨在填补非洲劳动力利用不足指标在细粒度、跨时空维度上的数据空白。作为ILOSTAT全球劳动力统计体系的重要组成部分，该数据集遵循第19届国际劳动统计学家会议（ICLS）标准，为研究非标准就业、隐性失业及劳动力市场边缘群体提供了权威量化基础，推动了非洲区域劳动经济学与可持续发展目标（SDG）监测的实证研究。

当前挑战

该数据集所解决的领域核心挑战在于：非洲国家普遍缺乏统一、时序连续的劳动力利用不足度量标准，传统失业率指标难以捕捉潜在劳动力群体的动态特征。在构建过程中，面临多重实际困难：首当其冲的是数据源异构性，不同国家采用各异的调查工具与统计口径，ILO虽通过ICLS定义进行协调，但观测状态中“序列中断”（Break in series）与“方法修订”标记仍广泛存在；此外，数据覆盖仅涉及23国，且各国观测频次不均（如卢旺达108条而多国仅24条），造成时间序列的稀疏性与比较分析的偏差；加之年度频率限制了对季节性乃至周期性劳动力波动的刻画能力，这些因素共同制约了该数据集在预测建模与面板回归中的直接应用潜力。

常用场景

经典使用场景

在劳动经济学与发展研究的交汇地带，该数据集常被用于量化分析非洲国家潜在劳动力规模的时空演变规律。研究人员借助其涵盖23个国家、跨越2016至2025年的年度面板结构，能够构建多截面时间序列模型，揭示潜在劳动力在性别与年龄维度上的结构性分布差异。其规范化的ILO统计口径与按ISO国家代码、性别标签分层的数据组织方式，为开展跨国比较研究提供了可靠的数据基础。

解决学术问题

该数据集有效回应了非洲地区劳动力市场研究中长期存在的测度困境，即如何系统捕捉传统失业率指标之外的非充分就业状态。基于第19届国际劳动统计学家大会的定义框架，它使学者得以精准刻画‘潜在劳动力’——那些虽未积极求职但仍有劳动意愿的群体——从而突破二元就业统计的局限。这一方法论革新推动了劳动力非充分利用理论在非洲发展语境下的实证检验，深化了对劳动力市场韧性与结构性失业根源的理解。

实际应用

在政策制定与国际发展合作领域，该数据集为国际劳工组织、非洲各国统计部门及发展机构提供了监测可持续发展目标中体面工作进展的关键工具。通过按性别与年龄层对潜在劳动力进行细致拆解，政策分析者能够识别特定人群的劳动参与障碍，进而设计具有靶向性的技能培训计划、就业激活方案与社会保护策略。其与ILOSTAT数据库的无缝衔接也使得跨国劳动力政策的评估与调整更加数据驱动。

数据集最近研究

最新研究方向

该数据集聚焦于非洲23国2016至2025年间潜在劳动力人口按性别与年龄维度的分析，其核心价值在于为非洲劳动力闲置问题的量化研究提供高分辨率时间序列数据。结合当前全球对非正规就业与青年失业危机的关注，这一资源正被用于评估新冠疫情后非洲劳动力市场的韧性、性别参与率的动态差异，以及第19届国际劳动统计学家会议（ICLS）新分类标准对潜在劳动力测度的实践意义。它不仅是ILOSTAT官方统计在非洲本土场景下的结构化适配，也为机器学习驱动的劳动力供需预测与政策干预效果回测提供了标准化的训练样本。