electricsheepafrica/africa-ilo-emp-publ-sex-jbt-nb-public-sector-employment-by-sex-and-working-time-a

该数据集包含1991年至2025年间45个非洲国家的2,146个公共部门就业观测数据，重点关注一个指标：EMP_PUBL_SEX_JBT_NB，该指标按性别和工作时间安排（以千计）衡量就业情况。数据来源于ILOSTAT，使用ICLS定义进行标准化处理，包括按性别和工作时间的细分。数据以表格形式提供，列包括国家、来源、指标、时间和数值等，适用于表格分类、回归或时间序列预测任务。This dataset contains 2,146 observations of public sector employment data across 45 African countries from 1991 to 2025, focusing on one indicator: EMP_PUBL_SEX_JBT_NB, which measures employment by sex and working time arrangement in thousands. It is sourced from ILOSTAT, harmonized using ICLS definitions, and includes disaggregation by sex and working time. The data is provided in a tabular format with columns for country, source, indicator, time, and value, among others, and is intended for tabular classification, regression, or time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）的ILOSTAT数据库精心构建而成。数据通过直接调用ILOSTAT REST API接口，获取全球公共部门就业指标（EMP_PUBL_SEX_JBT_NB）的原始数据，并依据国际劳工统计学家会议（ICLS）定义进行统一规范化处理。随后，利用非洲ISO 3166-1 alpha-3国家代码进行地理筛选，最终汇集了来自45个非洲国家的2,146条观测记录，时间跨度覆盖1991年至2025年。数据来源在'source.label'列中清晰标注，确保每一条数据皆可追溯至原始调查或行政记录，体现了高度的透明性与可复现性。

特点

该数据集的核心特色在于其聚焦非洲大陆公共部门就业的精细结构，提供了按性别（总、男、女）和工作时间安排划分的就业人数（单位：千），是研究非洲劳动力市场中政府与公共服务角色不可或缺的指标。数据集涵盖45个非洲国家，时间序列长达35年，尤其突出的是对不同数据来源进行了详尽的标注，包括来源编码和质量状态（如'序列中断'），并附有解释性注释，使得研究者能够充分评估数据的一致性与可靠性。此外，数据采用规范的表格格式，包含主指标值及多维分类维度，为深入分析性别差异与就业形态提供了坚实的基础。

使用方法

该数据集的使用极为便捷，完全适配HuggingFace Datasets生态系统。用户只需通过'load_dataset'函数一行代码即可加载整个数据集，并将其转换为Pandas DataFrame进行深入操作。典型应用包括：按国家代码筛选特定国家的观测数据、按指标排序后绘制时间序列图以观察趋势，以及利用数据透视表构建国家×年份的矩阵，便于进行面板数据分析或跨区域比较。数据集以Parquet格式存储，兼具高速读取与内存优化的优势，特别适合机器学习模型的快速数据加载与大规模统计计算，极大降低了非洲劳动力研究的数据准备门槛。

背景与挑战

背景概述

公共部门就业作为衡量国家治理效能与劳动力市场结构的关键维度，一直是劳动经济学与发展研究领域关注的焦点。国际劳工组织（ILO）统计司（ILOSTAT）作为全球劳动统计的权威来源，系统编纂了涵盖就业、失业、工资、工时等核心指标的数据体系。在此背景下，Electric Sheep Africa团队于2025年对ILOSTAT中非洲地区公共部门就业数据进行重新封装，构建了本数据集。该数据集聚焦于非洲45个国家1991至2025年间按性别与工时安排分列的公共部门就业人数，共收录2146条观测记录，旨在为非洲劳动力市场研究提供标准化、机器可读的统计基础。数据集的发布填补了非洲公共部门就业精细粒度时序数据的空白，为研究性别差异、工时政策评估及跨国比较提供了关键支撑。

当前挑战

该数据集所解决的领域挑战主要在于非洲公共部门就业数据的碎片化与低可比性问题。不同国家采用差异化的数据采集标准（如劳动力调查、行政记录）、分类体系与发布周期，导致跨区域、跨时间维度的系统分析困难重重。ILOSTAT虽通过国际劳工统计学家会议（ICLS）定义进行数据协调，但原始数据中的系列断裂（如方法论修订）、来源变更及注释信息缺失仍普遍存在，需依托源数据列（source.label）与注释列（note_indicator）进行回溯追溯。在构建过程中，挑战集中体现于API数据抽取与清洗环节：ILOSTAT REST API返回的JSON结构包含多层嵌套分类变量与状态标志，需精准解析以便保留性别、工时等细粒度拆分维度；同时，需对非洲ISO3国家代码进行严格过滤，并处理时间序列中因不同来源数据导致的重复记录与空值问题，最终形成兼容HuggingFace Datasets规范的结构化Parquet格式。

常用场景

经典使用场景

该数据集收录了1991年至2025年间涵盖45个非洲国家的2146条公共部门就业观测数据，按性别和工作时间安排进行细致分层。其经典使用场景集中于时间序列分析与面板数据建模，研究者可据此追踪非洲各国公共部门就业规模的动态演变轨迹，尤其在ILO定义的统一劳动统计框架下，分析性别差异对就业参与率及工作时长模式的长期影响。通过将数据重塑为国家×年份的矩阵，能够支持固定效应或随机效应模型的构建，揭示宏观经济政策、劳动力市场制度与公共雇佣之间的内在关联。

解决学术问题

在劳动经济学与发展经济学领域，该数据集有效填补了非洲地区公共部门就业统计碎片化与标准化的学术缺口。它解决了长期困扰研究者的跨国产出比较难题——由于各国调查口径与分类体系迥异，此前难以开展系统性的区域劳动力市场解剖。借助ILO提供的统一化元数据及序列断裂标记，学者得以在控制微观数据异质性的前提下，检验公共部门就业扩张对财政可持续性、性别薪酬差距以及非正规就业转出效应等经典命题，为非洲劳动力市场转型提供了兼具广度与深度的实证基石。

衍生相关工作

基于该数据集的衍生工作主要集中于两个方向：一是开发面向非洲劳动力市场的预测性模型，例如利用时序分解技术（STL、Prophet）或状态空间模型，对各国公共部门就业量进行短期与中期预报，为财政预算与人力规划提供量化参考。二是构建兼顾空间依赖性的联合建模框架，将本数据集与ILOSTAT的其他指标（如非正规就业率、行业工资中位数）以及卫星遥感夜间灯光数据相结合，通过贝叶斯分层模型或图神经网络，刻画非洲内部公共雇佣的空间溢出效应与收敛特征，进而催生出一系列探讨区域一体化进程中劳动政策协同的实证文献。