africa-ilo-eap-dwap-sex-edu-mts-rt-labour-force-participation-rate-by-sex-education-a

本数据集是由Electric Sheep Africa从国际劳工组织（ILO）的ILOSTAT数据库重新打包的非洲劳动力市场统计数据，核心指标为“按性别、教育程度和婚姻状况划分的劳动力参与率（%）”。它包含100,446条观测数据，覆盖49个非洲国家，时间跨度为1982年至2025年。数据来源于ILO对各国劳动力调查、家庭收入调查、机构调查和行政记录等原始数据的标准化处理，确保了国际可比性。数据集采用表格形式，包含21个字段，详细记录了国家信息（如ISO代码和名称）、指标代码与标签、数据来源、观测年份、按性别（总计、男性、女性）、教育程度和婚姻状况等维度的细分数据、观测值及其状态标志（如“不可靠”），以及相关的分类注释。数据为年度频率。该数据集适用于劳动力市场分析、社会经济研究、时间序列预测、表格分类与回归等任务，为研究非洲就业、性别平等和教育与劳动力参与关系等议题提供了标准化的机器学习就绪数据层。This dataset is a repackaged version of African labor market statistics from the ILOs ILOSTAT database by Electric Sheep Africa. The core indicator is labor force participation rate by sex, education, and marital status (%). It contains 100,446 observations covering 49 African countries from 1982 to 2025. The data is derived from ILOs standardized processing of raw sources, including national labor force surveys, household income surveys, establishment surveys, and administrative records, ensuring international comparability. The dataset is in tabular format with 21 fields, detailing country information (e.g., ISO codes and names), indicator codes and labels, data sources, observation years, breakdowns by sex (total, male, female), education level, and marital status, observation values with status flags (e.g., unreliable), and related classification notes. The data is at annual frequency. It is suitable for labor market analysis, socio-economic research, time series forecasting, tabular classification and regression tasks, providing a standardized, machine learning-ready data layer for studying employment, gender equality, and the relationship between education and labor force participation in Africa.

原始信息汇总

数据集概述

• 数据集名称: Labour force participation rate by sex, education and marital status (%) | Africa (ILOSTAT)
• 数据规模: 100,446 条观测
• 地理覆盖: 49 个非洲国家
• 时间范围: 1982–2025 年
• 指标数量: 1 个核心指标
• 许可证: CC-BY-4.0
• 语言: 英语

数据来源

• 来源: ILOSTAT（国际劳工组织核心统计数据库）
• 发布方: International Labour Organization (ILO)
• 原始数据链接: ILOSTAT Bulk Explorer
• 数据集由 Electric Sheep Africa 重新打包

数据方法论

• 数据直接从 ILOSTAT REST API 拉取，并筛选至非洲 ISO3 国家代码。
• ILOSTAT 使用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行标准化。
• 数据来源在 source.label 列中标注，确保可追溯。

地理覆盖示例（按观测数量排序前 15 个国家）

国家代码	观测数	起始年份	结束年份
ZAF	10,493	2000	2024
MUS	7,069	2001	2024
EGY	6,401	2008	2024
GHA	4,705	1991	2024
MLI	4,181	2009	2024
AGO	3,700	2004	2025
RWA	3,522	2014	2025
ZMB	3,220	2015	2024
BWA	2,843	2006	2024
TUN	2,807	2005	2023
TZA	2,791	2001	2024
TGO	2,684	2006	2022
SEN	2,645	2011	2024
ZWE	2,594	2011	2024
BFA	2,416	2006	2024

另有 34 个国家的数据未在此列出。

核心指标

• EAP_DWAP_SEX_EDU_MTS_RT — 按性别、教育程度和婚姻状况划分的劳动力参与率（%）

数据模式（Schema）

列名	类型	描述	示例
ref_area	string	ISO 3166-1 alpha-3 国家代码	AGO
ref_area.label	string	英文国家名称	Angola
source	string	ILOSTAT 来源代码（如劳动力调查）	BA:13951
source.label	string	英文来源名称	LFS - Employment Survey
indicator	string	ILOSTAT 指标代码	EAP_DWAP_SEX_EDU_MTS_RT
indicator.label	string	英文指标名称	Labour force participation rate by se…
sex	string	按性别分类（SEX_T=总计，SEX_M=男性，SEX_F=女性）	SEX_T
sex.label	string	性别标签	Total
classif1	string	第一分类变量（年龄、教育程度、身份等）	EDU_AGGREGATE_TOTAL
classif1.label	string	第一分类标签	Education (Aggregate levels): Total
classif2	string	第二分类变量（如适用）	MTS_AGGREGATE_TOTAL
classif2.label	string	第二分类标签	Marital status (Aggregate): Total
time	int64	观测年份	2025
obs_value	float64	观测指标值	74.342
obs_status	string	观测状态标记（如临时、不可靠）	U
obs_status.label	string	状态标签	Unreliable
note_classif	string	分类注释代码	C3:3710
note_classif.label	string	分类注释标签	Nonstandard education level: Includin…
note_indicator	string	指标注释代码	I11:264
note_indicator.label	string	指标注释标签	Break in series: Methodology revised
note_source	string	来源注释代码	R1:3513
note_source.label	string	来源注释标签	Repository: ILO-STATISTICS - Micro da…

分类维度

• sex（3 个唯一值）：SEX_T（总计）、SEX_M（男性）、SEX_F（女性）
• 分类列（sex、classif1、classif2）仅在指标发布该维度时非空。

数据质量与注意事项

• 数据为年度频率，不包括月度或季度序列。
• 当同一国家×年份有多个来源时，使用 ILO 选择的“最佳来源”。
• 分类列仅在指标发布对应细分时非空。

使用示例

python from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-ilo-eap-dwap-sex-edu-mts-rt-labour-force-participation-rate-by-sex-education-a") df = ds["train"].to_pandas() print(df.head())

引用格式

bibtex @misc{africa_ilo_eap_dwap_sex_edu_mts_rt_labour_force_participation_rate_by_sex_education_a_2025, title = {Labour force participation rate by sex, education and marital status (%) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_DWAP_SEX_EDU_MTS_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-eap-dwap-sex-edu-mts-rt-labour-force-participation-rate-by-sex-education-a}} }

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）的核心统计数据库ILOSTAT，通过REST API直接拉取指标代码为EAP_DWAP_SEX_EDU_MTS_RT的原始数据，并基于非洲ISO3国家代码进行地理过滤。ILOSTAT遵循国际劳工统计学家会议（ICLS）定义，对各国劳动力调查、家计调查等微观数据进行标准化与协调处理。数据经过Electric Sheep Africa的二次封装，在保留原始结构的同时统一了模式并转化为Parquet格式，以提升机器学习的可读性与加载效率。最终数据集包含100,446条观测记录，覆盖49个非洲国家，时间跨度从1982年至2025年。

特点

该数据集聚焦于劳动力参与率这一核心指标，并按照性别、教育程度和婚姻状况三个维度进行精细划分，形成了多维度的分层观测结构。数据以年频发布，来源列与多种注释字段提供了完备的可追溯性，便于进行数据质量评估。数据集支持分类、回归及时间序列预测等多种建模任务，且仅含单一指标但具备丰富的分类变量，使其成为深入研究非洲劳动力市场结构与社会人口学特征的宝贵资源。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续分析。典型用法包括按国家代码过滤数据以聚焦单一经济体，对指标列进行排序后绘制时间序列图，或通过数据透视表构建国家×年份的矩阵以便于跨区域比较。数据模式设计清晰，包含ref_area、time和obs_value等关键列，适用于各类常用的数据科学工作流与建模框架。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）创建，经由Electric Sheep Africa于2025年重新打包并发布在HuggingFace平台上，聚焦于非洲49个国家的劳动力参与率，按性别、教育水平和婚姻状况进行细分。数据涵盖1982年至2025年间共计100,446条观测记录，源自ILOSTAT数据库——全球劳动统计的权威来源。该数据集的核心研究问题在于揭示非洲大陆不同社会人口群体在劳动力市场中的参与差异，为政策制定者、经济学家和社会科学家提供细粒度的实证基础。其对相关领域的影响力体现在，通过整合来自劳动调查、行政记录等多源异构数据，实现了跨国家、跨时间维度的标准化可比分析，推动了非洲劳动力市场的量化研究，并为评估可持续发展目标中体面工作的进展提供了关键数据支持。

当前挑战

该数据集所解决的领域核心挑战，是系统性地量化非洲大陆劳动力参与率在性别、教育与婚姻状态交叉维度上的分布差异，填补了该区域长期缺乏高分辨率可比数据的空白。构建过程中面临的挑战尤为显著：原始数据来源多样，包括各国劳动调查、家庭收支调查及行政记录，数据收集方法、定义标准和质量参差不齐，ILOSTAT需依照国际劳工统计学家会议（ICLS）定义进行严格的标准化与协调。同时，数据观测值中包含大量因方法论修订、样本调整或数据不可靠而产生的标记（如'Break in series'和'Unreliable'），要求在分析中审慎处理。此外，不同国家与年份间的数据覆盖非均衡，以及分类变量（如教育水平、婚姻状态）在跨国比较中对齐难度高，均对数据集的准确构建与可信应用构成了实质障碍。

常用场景

经典使用场景

该数据集收录了1982至2025年间非洲49个国家的劳动力参与率数据，并按性别、教育程度和婚姻状况进行了精细分层，总计超过10万条观测记录。其经典使用场景在于为劳动力经济学、发展经济学与性别研究领域提供标准化的面板数据，研究者可借此追踪非洲各国劳动力市场结构的长期演变趋势，分析教育扩张与婚姻状态变迁对男女劳动参与决策的差异化影响，并构建跨国比较的时间序列模型。

解决学术问题

该数据集系统性地解决了非洲劳动力参与率研究长期面临的数据碎片化、跨国可比性差与时间跨度不足三大核心障碍。通过ILOSTAT统一采用国际劳工统计学家会议定义进行数据整编，为探究性别平等、教育回报与婚姻制度在劳动力市场中的交互作用提供了可靠证据基础。其关键意义在于，使学者能够检验人力资本理论、家庭经济学模型在非洲语境下的适用性，并量化评估各国劳动力政策调整的实际效能，从而推动更具区域针对性的理论建构。

衍生相关工作

该数据集衍生了一系列具有深远影响的经典工作，尤其在计量经济学与机器学习交叉领域。研究者基于其面板结构开发了用于预测非洲国家劳动力参与率的时序-横截面混合模型，以及用于识别性别参与差距驱动因子的可解释性回归框架。此外，该数据与全球教育数据库、健康调查数据的联合使用，催生了探讨教育与营养改善如何协同提升女性劳动供给的跨学科研究范式，为可持续发展目标下的体面工作议程提供了数据驱动的政策模拟路径。