electricsheepafrica/africa-ilo-gdp-2hrw-noc-nb-output-per-hour-worked-gdp-constant-2021-internati

该数据集包含非洲53个国家2005年至2027年间的劳动生产率数据，具体指标为每小时工作产出（以2021年不变价格国际美元购买力平价计算）——国际劳工组织（ILO）模型估计。数据集共有1,210个观测值，来源于ILOSTAT（国际劳工组织的核心统计数据库），数据通过ILOSTAT REST API获取，并经过过滤仅包含非洲国家。数据集采用表格形式，包含国家代码、国家名称、数据来源、指标代码、指标名称、年份和观测值等列，适用于表格分类、回归和时间序列预测等任务。数据由Electric Sheep Africa重新打包，以方便机器学习使用。This dataset contains labour productivity data for 53 African countries from 2005 to 2027, specifically the indicator Output per hour worked (GDP constant 2021 international $ at PPP) -- ILO modelled estimate. It includes 1,210 observations sourced from ILOSTAT, the ILOs central statistics database, retrieved via the ILOSTAT REST API and filtered to African countries. The data is in tabular format with columns such as country code, country name, source, indicator code, indicator name, year, and observed value, suitable for tabular classification, regression, and time-series forecasting tasks. The dataset is repackaged by Electric Sheep Africa for machine learning readiness.

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数据库重新打包构建，通过调用ILOSTAT REST API接口直接获取全球劳动生产率指标数据，并依据非洲ISO 3166-1 alpha-3国家代码进行地理筛选。数据收集过程中，ILO利用国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行统一协调处理，所有数据来源均在`source.label`字段中标注，确保数据可追溯性。数据集最终以Parquet格式存储，收录了53个非洲国家从2005年至2027年共1,210条观测记录。

特点

该数据集的核心亮点在于其聚焦于非洲大陆劳动生产率的单指标深度分析，提供了按购买力平价（PPP）计算的每工作小时产出（以2021年不变价国际美元计）的ILO模型估算值。数据涵盖2005年至2027年的完整时间序列，支持跨国家、跨时段的纵向比较与趋势分析。此外，数据以标准化架构呈现，包含国家代码、来源标签、指标代码、年份及观测值等关键字段，便于研究者快速识别数据源与指标含义，确保了数据使用的透明度和可靠性。

使用方法

研究人员可通过HuggingFace的`datasets`库直接加载该数据集，使用`load_dataset`函数即可获得Pandas DataFrame格式的完整数据表。针对特定国家分析，可利用`ref_area`字段进行筛选，如提取肯尼亚（KEN）的观测数据。对于时间序列分析，可按指标代码（如`GDP_2HRW_NOC_NB`）过滤并排序年份，进而绘制趋势图表。同时，支持通过`pivot_table`方法将数据重塑为国家×年的矩阵形式，便于进行多国比较与面板数据分析，充分满足时间序列预测与回归分析等机器学习任务的需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，并经Electric Sheep Africa于2026年重新封装，专注于非洲大陆53个国家在2005至2027年间每小时工作产出（按2021年不变购买力平价国际美元计）的ILO模型估算值。作为ILOSTAT数据库的专题子集，该数据集旨在为非洲劳动生产力研究提供标准化的时间序列数据，服务于劳动经济学、发展经济学及可持续发展目标（SDG）的量化分析。其核心研究问题聚焦于非洲各国劳动生产率的长期演变趋势、区域异质性及其与经济增长的关联，填补了非洲大陆在该指标上系统性、可比性数据的空白，对政策制定者、国际组织及学术界具有重要参考价值。

当前挑战

该数据集面临的核心领域挑战在于非洲劳动生产力数据的匮乏与不一致——许多国家缺乏高频、高质量的劳动力调查，导致ILO需依赖模型估算，引入了估算误差与假设敏感性问题。构建过程中，数据整合需克服多源数据（如劳动力调查、行政记录）的语义异质性，以及ILO所选'最佳来源'可能存在漂移或断点，影响序列连续性。此外，部分国家历史数据缺失或统计口径变更（如GDP基准年调整），需通过回溯推算与插补技术处理，增加了时间序列分析的不确定性。年度频率的限制亦无法捕捉季度或月度波动，难以支撑对冲击响应等动态问题的精细研究。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中关于非洲53个国家2005至2027年间每小时产出（按购买力平价计算的2021年不变价国际美元）的劳动力生产率指标，共计1210条观测记录。其经典用途在于为经济学家和数据分析师提供标准化的面板数据，以便开展跨国劳动力生产率的纵向对比分析、构建生产率增长的统计模型，以及评估非洲各国在可持续发展目标（SDG）框架下的体面工作进展。研究者可借助数据集中‘ref_area’、‘time’和‘obs_value’等核心字段，轻松提取特定国家的时间序列，或生成完整的‘国家×年份’矩阵，从而支撑从描述性统计到复杂计量经济模型的多层次分析需求。

实际应用

在实际应用中，该数据集是国际发展机构、非洲各国政策制定部门及私营部门进行经济诊断与绩效评估的核心工具。世界银行或非洲开发银行可借助每小时产出数据识别生产率增长乏力的国家，并针对性地设计技术援助或投资策略。各国劳工部与统计局能够利用数据基准，追踪本国劳动力效率相对于区域同侪的动态变化，从而优化最低工资设定、职业培训投入等政策组合。此外，跨国企业在评估非洲市场进入潜力或供应链布局时，亦可借此数据集研判不同国家的劳动力成本效益与长期生产率趋势，为投资决策提供量化依据。

衍生相关工作

基于该数据集已衍生出一系列具有影响力的学术与应用工作。ILO本身利用此类产出数据定期发布《世界就业与社会展望》报告，其中非洲区域的生产率分析篇章深度依赖此类标准化面板数据。在学术前沿，研究者结合该数据集与制度质量、基础设施存量等辅助变量，发展出针对非洲国家的劳动生产率决定因素实证模型，揭示了政治稳定性与人力资本积累对每小时产出的驱动作用。另外，数据科学社区围绕该数据构建了预训练的时间序列预测基线，用于评估ARIMA、Prophet及轻量级Transformer模型在非洲劳动力市场指标上的外推表现，推动了机器学习在劳动经济学交叉领域的方法论创新。