electricsheepafrica/africa-ilo-how-temp-sex-ins-dsb-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家就业人口平均每周实际工作小时数数据。具体指标为HOW_TEMP_SEX_INS_DSB_NB，即按性别、公共/私营部门和残疾状况划分的就业人口平均每周实际工作小时数。数据集涵盖29个非洲国家，时间跨度为2005年至2025年，共包含2,405个观测值。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码。数据集提供了详细的字段，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）、分类变量（如机构部门、残疾状况）、观测年份、观测值、观测状态等。数据按性别进行细分，并包含数据质量说明，例如数据为年度频率，当同一国家×年份有多个来源时，使用ILO选择的最佳来源。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、适合机器学习的数据层。This dataset contains data on mean weekly hours actually worked per employed person in African countries, sourced from the International Labour Organization (ILO) ILOSTAT database. The specific indicator is HOW_TEMP_SEX_INS_DSB_NB, which represents mean weekly hours actually worked per employed person by sex, public/private sector, and disability status. The dataset covers 29 African countries, spans the years 2005 to 2025, and includes 2,405 observations. Data is pulled directly from the ILOSTAT REST API and filtered to Africa ISO3 country codes. The dataset provides detailed columns such as country code, country name, data source, indicator code, sex disaggregation (total, male, female), classification variables (e.g., institutional sector, disability status), observation year, observed value, observation status, etc. Data is disaggregated by sex and includes data quality caveats, e.g., data is annual frequency, and when multiple sources exist for the same country×year, the ILO-selected best source is used. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，基于第19届国际劳工统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收入调查及行政记录中的原始微观数据进行系统化调和。数据通过ILOSTAT REST API直接采集，并限定为非洲地区的ISO3国家代码，最终整理为包含2,405条观测值、覆盖29个非洲国家、时间跨度为2005至2025年的结构化表格数据。每个观测记录均包含指标值、性别、公共/私营部门及残疾状况等多维分类信息，并由原始数据来源标签标识，确保数据可追溯。

特点

该数据集聚焦于非洲地区受雇人员周实际工作小时数的均值，按性别、机构部门及残疾状态进行精细划分。其独到之处在于融合了时间序列与横截面双重维度，既提供了2005至2025年间的年度观测，又覆盖了卢旺达、津巴布韦、加纳等29个非洲国家。数据集中包含一个核心指标（HOW_TEMP_SEX_INS_DSB_NB）及sex、classif1、classif2三个分类变量，分别对应性别（男性、女性、合计）、机构部门（公共、私营、合计）及残疾状态（残疾、非残疾、合计），从而支持多层次的交叉分析与统计推断。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，调用`load_dataset()`函数即可获取训练集并转化为Pandas DataFrame进行后续分析。基于此数据集，可对特定国家进行过滤，例如使用`df[df["ref_area"] == "KEN"]`提取肯尼亚的数据；亦可按时间序列可视化某个指标的演变趋势，如对obs_value按年份排序后绘制折线图。此外，通过pivot_table方法可将数据重构为国家×年份的矩阵形式，便于面板数据分析与计量建模。数据以CC-BY-4.0许可协议发布，使用时应同时引用ILO原始来源及Electric Sheep Africa的再包装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，经Electric Sheep Africa重新打包，聚焦非洲29个国家2005至2025年间每个就业人员按性别、公共/私营部门及残疾状况分组的周平均实际工作小时数。核心研究问题在于揭示非洲劳动力市场中工作时间模式的异质性，尤其是性别差异与制度部门差异对劳动供给的影响。作为ILOSTAT全球劳动统计体系的关键组成部分，该数据集为劳动经济学、发展经济学及公共政策研究提供了精细化的面板数据支撑，尤其对评估非洲国家在体面劳动目标上的进展具有重要价值。其影响力体现在为跨时比价和跨国分析奠定了可靠基础，填补了非洲地区高频劳动统计数据的空白。

当前挑战

领域层面，该数据集所应对的核心挑战在于量化非洲劳动力市场中长期存在的数据稀疏性与统计可比性不足问题。许多非洲国家缺乏连续的劳动力调查，导致工作时间指标在时间序列上出现大量缺失或间断观测，限制了因果推断和趋势分析的稳健性。构建层面，主要挑战包括：多源调查数据（如劳动力调查、家庭收入调查）的标准化整合与ILO国际劳动统计学家会议（ICLS）定义的对齐，需处理不同源之间的口径差异；残疾状况等敏感分类变量的采集质量参差不齐，部分国家数据可靠性标记为‘不可靠’（U），影响实证分析的信度；以及年度频率数据对季度或月度波动的压缩，可能掩盖季节性就业特征。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇领域，该数据集凭借其覆盖29个非洲国家、横跨2005至2025年的2405条观测记录，成为解析非洲就业质量的核心工具。研究者常利用其核心指标——按性别、公共/私营部门及残疾状况分层的周实际工时均值——构建面板数据模型，以揭示非洲大陆劳动力市场的结构性变迁。例如，通过时间序列分析追踪各国工时演变趋势，或运用多层次回归模型探究性别差异与部门属性对劳动投入的影响，为量化评估非洲体面劳动进程提供可靠的数据锚点。

解决学术问题

该数据集精准回应了非洲劳动研究中长期存在的微观数据匮乏与跨国可比性不足的困境。它使得学者能够实证检验性别工资差距在工时维度的具体表现，量化公共政策干预对私营部门劳动供给的影响，并首次将残疾群体的就业质量纳入泛非比较框架。通过剥离机构部门与残疾状态等交叉维度，数据集推动了关于非正规就业、劳动弱势群体保护及可持续发展目标第八项（体面劳动）监测的严谨学术讨论，显著提升了非洲劳动市场研究的精细度与政策相关性。

衍生相关工作

该数据集的发布催生了若干具有影响力的衍生研究路径。其一，基于其面板结构，研究者开发出适用于非洲语境的工时预测模型，并纳入气候变化与政治稳定性等外部冲击变量。其二，该数据与ILOSTAT其他指标（如非正规就业率、工资水平）的联合分析，衍生出评估非洲劳动力市场韧性的综合指数。其三，残疾状态维度的加入，激发了关于残障包容性就业政策的比较制度研究，相关成果常发表于《世界发展》与《劳动经济学》等权威期刊，进一步巩固了该数据集作为泛非劳动实证研究基石的地位。