electricsheepafrica/africa-ilo-eip-dwap-sex-dsb-rt-inactivity-rate-by-sex-and-disability-status

该数据集包含来自41个非洲国家的1,122个观测值，时间跨度为1998年至2025年，主要指标为按性别和残疾状况划分的非活动率（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了劳动力未充分利用的其他衡量指标。数据集包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年份、观测值及其状态标志等列，适用于表格分类、回归和时间序列预测任务。数据经过ILO的统计部门根据国际劳工统计学家会议（ICLS）定义进行统一处理，并标注了来源以追溯。This dataset contains 1,122 observations across 41 Africa countries, spanning from 1998 to 2025, with the main indicator being Inactivity rate by sex and disability status (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, covering other measures of labour underutilization. It includes columns such as country code, country name, data source, indicator code, sex disaggregation (total, male, female), year, observed value, and status flags, suitable for tabular classification, regression, and time-series forecasting tasks. The data is harmonized by the ILOs Department of Statistics using International Conference of Labour Statisticians (ICLS) definitions, with sources flagged for traceability.

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统计数据库，聚焦非洲地区劳动参与率与残障状态的交叉分析。数据通过ILOSTAT官方REST API直接采集，筛选出非洲41个国家的ISO3代码进行地域限定，并结合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处理。数据集收录了1998年至2025年间共1122条观测记录，覆盖单一核心指标——按性别与残障状态划分的非经济活动率（百分比）。每个观测条目均包含来源编码与标签，确保数据溯源清晰。最终由Electric Sheep Africa重新打包为HuggingFace格式，便于机器学习研究人员直接调用。

特点

本数据集的核心优势在于其跨时空与多维度的精细结构。时间跨度覆盖近三十年，从1998年至2025年，能够支撑长期劳动参与趋势分析。地理范围囊括41个非洲国家，包括卢旺达、加纳、赞比亚等，具有广泛区域代表性。数据按性别（总人口、男性、女性）和残障状态双重维度进行细分，为探究劳动市场中的弱势群体参与情况提供了关键量化基础。此外，每条记录附有观测状态标志（如“序列中断”）和方法修订说明，有助于研究者评估数据质量与连续性，避免时间序列分析中的偏误。

使用方法

该数据集以HuggingFace Datasets库的格式发布，支持通过一行Python代码快速加载：`load_dataset("electricsheepafrica/africa-ilo-eip-dwap-sex-dsb-rt-inactivity-rate-by-sex-and-disability-status")`，并可直接转换为Pandas DataFrame进行后续分析。研究者可按国家代码筛选特定区域数据，或按时间排序进行单指标时间序列绘图。数据亦支持透视操作为国家×年份矩阵，便于面板数据分析或构建预测模型。对于需要评估非洲劳动市场中残障群体与性别差异的研究者，此数据集提供了标准化、可重复的入口。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT构建，经Electric Sheep Africa团队重新打包并发布至HuggingFace平台。数据集聚焦非洲大陆劳动参与率的关键维度——按性别和残疾状态划分的不活跃率，涵盖1998年至2025年间41个非洲国家的1,122条观测记录。作为衡量劳动力利用不足的重要指标，该数据为研究非洲地区残疾人群体的劳动力市场排斥现象、性别差异以及时间演变趋势提供了标准化、可复现的科学基础，对推动包容性就业政策制定和可持续发展目标（SDG）监测具有重要支撑价值。

当前挑战

该数据集面临的核心挑战在于领域层面与构建层面。领域上，非洲各国劳动力调查的方法论差异（如调查频率、残疾定义标准、样本设计）导致指标可比较性受限，ILOSTAT虽基于国际劳工统计学家会议（ICLS）定义进行了协调，但数据中的“序列断裂”标注提示方法修订带来的结构性断点问题。构建上，原始数据需经由异构的全国劳动力调查、人口普查及行政记录整合而来，跨来源的数据质量不一且伴随观测状态标记（如暂定值、不可靠值），同时涉及多级分类变量（性别、残疾状态）的拆分与匹配，增加了数据清洗与归一化的技术复杂度。

常用场景

经典使用场景

该数据集记录了1998年至2025年间非洲41个国家按性别和残疾状况划分的不活跃率（%），总计1122条观测值，是研究非洲劳动力市场结构性特征的重要数据资源。其经典使用场景包括构建面板数据回归模型，以分析不同性别和残疾群体在劳动参与率上的差异及其随时间的演变趋势；同时，适用于时间序列预测方法，对非洲各国劳动力闲置状况进行短期至中期的趋势推断。此外，研究人员常利用该数据集进行跨国的比较统计分析，揭示经济发展水平、社会保障政策与劳动不活跃率之间的关联机制。数据中的分类维度（如性别）为研究提供了细分群体的切入视角，支撑了从宏观政策评估到微观群体特征刻画的多层次分析需求。

实际应用

在实际应用中，该数据集可为非洲各国政府、国际发展机构及非政府组织制定和评估劳动就业政策提供定量支撑。例如，通过分析性别和残疾状况下的不活跃率分布，政策制定者能够识别出劳动参与率最低的脆弱群体与地理区域，从而精准设计职业培训、就业补贴及无障碍设施改造等干预措施。国际劳工组织和世界银行等机构也常利用此类数据监测可持续发展目标（SDG）中关于体面工作和经济增长的进展，特别是在促进残障人士就业和性别平等方面。此外，该数据集还可用于构建劳动力市场的早期预警系统，帮助预测经济下行或危机时期劳动闲置的高风险区域，支持资源的高效配置与社会保障制度的动态调整。

衍生相关工作

围绕该数据集衍生的经典工作主要包括三类。其一，基于面板计量方法的劳动闲置决定因素研究，学者们利用该数据检验了教育水平、医疗卫生可及性及社会保护支出对女性和残障人士不活跃率的影响，产出了一系列发表于区域发展期刊的实证论文。其二，时间序列与机器学习结合的非洲劳动力市场预测模型，研究者将本数据集与GDP增长率、城镇化率等宏观变量融合，构建了预测特定国家未来五年不活跃率变化的混合模型，相关代码和基准结果已在开放科研平台分享。其三，作为ILOSTAT体系的一部分，该数据集被整合进多个非洲劳动统计数据包（如Africa Labour Statistics Compendium），成为后续开展社会分层与包容性增长研究的基线数据，并催生了针对数据质量与统计标准协调的方法论论文。