electricsheepafrica/africa-ilo-luu-xlu3-sex-dsb-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含非洲32个国家从2005年至2025年的708个观测值，专注于一个特定指标：按性别和残疾状况划分的失业率和潜在劳动力综合率（LU3），以百分比表示。这一指标用于衡量劳动力未充分利用情况，属于国际劳工组织（ILO）的其他劳动力未充分利用指标类别。数据来源于ILOSTAT数据库，通过ILO的统计部门进行统一处理，覆盖了年度频率，并提供了按性别（总计、男性、女性）和残疾状况的细分维度。数据集旨在支持表格分类、回归和时间序列预测等任务，适用于研究非洲劳动力市场趋势。This dataset contains 708 observations of Other measures of labour underutilization data across 32 Africa countries, spanning 2005–2025, covering 1 distinct indicator: Combined rate of unemployment and potential labour force (LU3) by sex and disability status (%). It measures labour underutilization and is sourced from the ILOSTAT database, harmonized by the International Labour Organization (ILO). The data includes annual frequency and disaggregation by sex (total, male, female) and disability status, suitable for tabular classification, regression, and time-series forecasting tasks related to African labour market analysis.

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中央统计数据库，聚焦非洲32个国家的劳动力利用不足问题。数据通过ILOSTAT REST API直接抽取，经过去重、筛选至非洲ISO3国家代码后整合而成。ILOSTAT采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统一协调，并在source.label列中标注数据来源（如劳动力调查、人口普查等），确保了追溯的透明性。数据集涵盖了2005至2025年的年度观测值，共计708条记录，每条记录均包含国家、性别、残疾状况、时间及观测值等关键字段，为跨国家、跨时间维度的比较分析提供了结构化基础。

特点

该数据集的独特之处在于其聚焦于“失业与潜在劳动力合计比率（LU3）”这一特定指标，并依据性别与残疾状况进行精细化分层，揭示了通常被宏观统计数据掩盖的群体差异。数据集包含了3种性别分类（总、男、女）及对应的残疾状态分类，为研究劳动力市场中的不平等现象提供了细致视角。此外，数据附带了观测状态标记（如“不可靠”）和系列断裂注释，提醒使用者注意数据质量与潜在的方法论变更，体现了严谨的学术素养。其覆盖的32个非洲国家，时间跨度长达二十年，为区域劳动力市场的长期趋势分析与政策评估提供了珍贵的时间序列资料。

使用方法

该数据集的使用极为便捷，完全集成于Hugging Face的datasets库中。研究者仅需调用`load_dataset`函数即可将数据载入，并可无缝转换为Pandas DataFrame进行后续分析。数据集支持多种典型操作：可按国家代码过滤以聚焦特定国家的时间序列；可按指标排序并绘制观测值随时间变化的折线图；还可通过数据透视表将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或可视化。对于从事宏观经济、劳动经济学及发展研究的学者而言，该数据集提供了一个开箱即用、标准化的非洲劳动力利用不足数据源，显著降低了数据清洗与整合的成本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa团队重新整合后，专注于非洲32个国家2005至2025年间劳动力利用不足的综合测量指标——LU3（失业与潜在劳动力综合比率）。其核心研究问题在于通过性别人口学与残疾状况的交叉维度，精准刻画非洲地区劳动力市场的结构性错配与边缘化群体参与率。作为ILOSTAT旗舰数据库的衍生资源，该数据集为发展经济学与劳动政策评估提供了高质量的时间序列基础，尤其推动了对非洲大陆非正规就业与隐性失业的定量理解，成为全球南方劳动力统计标准化的关键组成部分。

当前挑战

数据集面临的挑战首先体现在领域问题层面：非洲劳动力统计长期受限于国家间调查方法、指标定义与国际劳工统计会议（ICLS）标准的非统一执行，导致跨国产出可比性存疑。此外，残疾状况标识在家庭调查中常因社会污名化或样本不足而产生系统偏差，削弱了LU3率在脆弱群体中的测度效度。构建过程中，数据碎片化与获取障碍尤为突出——部分国家仅能提供间断多年的观测值，且‘不准确’（U）状态标记占比偏高，反映了基层调查的抽样局限与数据质量管控的薄弱。多源数据（如人口普查、劳动力调查）的整合逻辑亦面临最佳来源选择的主观性风险，进一步影响时序分析的稳健性。

常用场景

经典使用场景

在劳动经济学与统计建模领域，该数据集被广泛应用于非洲国家的失业与潜在劳动力综合率（LU3）的横向比较与纵向趋势分析。研究者可借助其按性别与残疾状态拆分的维度和跨2005至2025年的年度观测记录，构建面板回归模型或时间序列预测，探究不同非洲经济体在劳动力闲置程度上的差异及其演变规律。数据集中涵盖的32个国家和708条标准化观测为进一步的聚类分析、因子分解及波动性度量提供了可靠基础。

衍生相关工作

基于该数据集，研究者已开发了一系列扩展性工作，涵盖劳动力闲置的预测性建模、维度归因分析及可视化面板构建。其中包括利用机器学习方法对LU3指标进行短期趋势预测，为早期预警系统提供输入；亦有个案研究将性别与残疾状态的交叉分类纳入多维不平等测度框架，考察结构性弱势群体的劳动市场地位。此外，该数据常与ILOSTAT中的就业人口比、非正规就业率等互补指标联合使用，共同构成非洲劳动力效能评估的指标体系。

数据集最近研究

最新研究方向

在全球劳动力市场韧性重塑与包容性增长议题中，该数据集聚焦非洲32国2005至2025年间按性别与残疾状态划分的综合失业与潜在劳动力比率（LU3），成为评估隐性劳动力未被充分利用的前沿标尺。其独特之处在于纳入了国际劳工组织（ILO）基于ICLS定义的标准化调查微观数据，揭示了残疾人群体的劳动参与鸿沟与性别维度下的结构性壁垒。当后疫情时代非洲青年失业与技能错配问题凸显，该时序数据为政策模拟与纵向比较提供了稀缺的异构面板资源，助力学术界以交叉性视角解构'隐性闲置劳动力'的演化轨迹，并为实现体面工作与包容性经济复苏的可持续发展目标（SDG 8）注入实证依据。