electricsheepafrica/africa-ilo-eip-teip-sex-age-cct-nb-persons-outside-the-labour-force-by-sex-age-and-ci

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“按性别、年龄和公民身份划分的非劳动力人口（千人）”指标数据，专门针对非洲地区。数据集涵盖45个非洲国家，时间跨度为1991年至2025年，共包含12,096个观测值。数据以表格形式组织，包括国家代码（ref_area）、指标代码（indicator）、性别（sex）、年龄分类（classif1）、公民身份分类（classif2）、年份（time）、观测值（obs_value）等列，用于统计和分析非洲各国非劳动力人口的特征。数据来源于ILO harmonised的劳动力调查和行政记录，经过重新打包为机器学习友好格式，适用于表格分类、回归或时间序列预测任务。This dataset contains Persons outside the labour force by sex, age and citizenship (thousands) indicator data from the International Labour Organization (ILO) ILOSTAT database, specifically for Africa. It covers 45 African countries from 1991 to 2025, with 12,096 observations. The data is organized in tabular format, including columns such as country code (ref_area), indicator code (indicator), sex (sex), age classification (classif1), citizenship classification (classif2), year (time), observed value (obs_value), etc., for statistical analysis of non-labour force population characteristics in African countries. The data is sourced from ILO harmonised labour force surveys and administrative records, repackaged into a machine-learning-ready format, suitable for tabular classification, regression, or time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API直接抽取指标编码为EIP_TEIP_SEX_AGE_CCT_NB的原始数据，并依据非洲ISO3国家代码进行地理筛选。Electric Sheep Africa团队对数据进行重新封装，整合了来自各国劳动力调查、家庭收支调查及行政记录等多源异构资料，并标注数据来源以保障可追溯性，最终形成结构化的表格型数据集。

使用方法

用户可通过HuggingFace的`datasets`库一键加载，并利用`to_pandas()`方法将数据转换为DataFrame格式进行分析。支持按国家代码筛选特定国家的时间序列数据，亦可针对单个指标（如EIP_TEIP_SEX_AGE_CCT_NB）进行时序可视化，或通过数据透视表构建国家-年份矩阵，便于开展跨国比较或面板数据建模。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下属的ILOSTAT数据库整理并经Electric Sheep Africa于2025年重新打包发布，聚焦于非洲大陆45个国家1991年至2025年间按性别、年龄和公民身份划分的劳动力外人口（以千计）。ILOSTAT作为全球劳动统计的权威来源，其数据整合了各国劳动力调查、家庭收支调查及行政记录，依据国际劳工统计学家会议（ICLS）标准进行统一化处理，为研究非洲劳动力市场结构、非正规就业与社会排斥现象提供了跨时空的高质量面板数据。该数据集特别关注移民存量与劳动力外群体的交叉分析，助力学者和政策制定者深入理解非洲人口迁移对劳动力参与模式的深层影响，在劳动经济学、发展经济学及人口学领域具有显著的核心研究价值。

当前挑战

该数据集面临的挑战首先在于所解决的领域问题：非洲劳动力市场长期面临数据稀疏性、调查口径不一及跨国可比性不足的困境，传统统计框架难以捕捉非正规经济中的隐蔽劳动形态，尤其对于移民、女性及青年等脆弱群体，其劳动力外状态的测量存在系统性偏差。构建过程中，ILOSTAT需从多源异构的原始调查数据中提取一致指标，但不同国家的调查周期、年龄分组及公民身份定义差异显著，导致观测值中部分数据带有不可靠（unreliable）或方法修订（break in series）标记。此外，部分国家的时间序列不连续（如纳米比亚仅覆盖1994–2018年），且细粒度分类变量（如年龄分段）在部分年份为空值，限制了跨群体聚合分析的精确性。

常用场景

经典使用场景

该数据集汇聚了来自ILOSTAT的非洲劳动力市场数据，聚焦于按性别、年龄和公民身份划分的劳动力外部人群规模（单位：千人）。其经典使用场景在于构建分类或回归模型，用以预测不同人口统计学特征群体在特定年份脱离劳动力市场的概率或数量。研究者可依据性别、年龄组和国籍等特征，结合时间序列分析，挖掘非洲各国劳动力参与率变化的深层模式，为劳动经济学中的结构性失业研究提供量化基础。

解决学术问题

数据集有效解决了非洲大陆层面劳动力市场微观数据匮乏且口径不一的学术困境。通过提供1991至2025年间45个非洲国家的标准化观测值，研究人员得以分析全球化和人口流动背景下，不同国籍和性别群体退出劳动力市场的长期趋势与区域差异。这一资源对于检验劳动力市场分割理论、探究国际移民对本地就业的挤出效应，以及评估性别平等政策在非洲的实施效果具有重要学术意义。

实际应用

在实际应用中，该数据集可用于国际发展机构与非洲各国政府制定精准的社会保障政策。例如，通过分析特定年龄和性别群体脱离劳动市场的原因，决策者能有效设计针对性的职业培训计划或就业援助项目。此外，该数据亦为国际组织监测联合国可持续发展目标中关于体面工作和经济增长的进展提供了实证依据，助力推动包容性就业战略在非洲落地。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区劳动力市场边缘群体的量化分析，涵盖45个国家1991至2025年间按性别、年龄及公民身份划分的非劳动力人口统计。在当下全球劳动力迁移与非洲青年就业危机交织的背景下，这一数据为剖析非正规经济膨胀、人口红利转化困境及移民回流效应提供了关键支撑。其精细化的分类维度使研究者得以追踪不同社会群体在失业潮中的脆弱性差异，尤其结合ILOSTAT标准化方法，可跨时空比较非洲与全球南方在体面劳动目标上的结构性鸿沟，为后疫情时代区域劳动力政策制定与国际发展议程的本地化落地提供实证锚点。