electricsheepafrica/africa-ilo-pop-xnas-sex-crs-nb-stock-of-nationals-abroad-by-sex-and-country-of-re

该数据集是Electric Sheep Africa从ILOSTAT（国际劳工组织统计数据库）重新打包的非洲国家数据集，专注于“按性别和居住国划分的海外国民存量（以千计）”指标。数据集包含90个观测值，覆盖6个非洲国家（包括几内亚、莱索托、马拉维、多哥、尼日尔和斯威士兰），时间跨度为2011年至2024年。核心指标为“POP_XNAS_SEX_CRS_NB”，用于衡量海外国民的存量数据，并按性别（总计、男性、女性）和居住国进行细分。数据来源于ILO的官方统计，通过API获取并经过标准化处理，确保符合国际劳工统计定义。数据集结构包括国家代码、国家名称、指标代码、性别分类、年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据质量方面，为年度频率，ILO会选择最佳数据源，并在有细分数据时提供非空的分类列。数据集旨在为研究者和开发者提供机器学习就绪的非洲劳工统计数据。This dataset is repackaged by Electric Sheep Africa from ILOSTAT (ILOs central statistics database), focusing on the Stock of nationals abroad by sex and country of residence (thousands) indicator for African countries. It contains 90 observations across 6 African countries (including Guinea, Lesotho, Malawi, Togo, Niger, and Eswatini), spanning the years 2011 to 2024. The core indicator is POP_XNAS_SEX_CRS_NB, which measures the stock of nationals abroad, disaggregated by sex (total, male, female) and country of residence. Data is sourced from ILOs official statistics, retrieved via API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset schema includes columns such as country code, country name, indicator code, sex classification, year, and observed value, making it suitable for tabular classification, regression, and time-series forecasting tasks. Data quality notes include annual frequency, ILO-selected best source for overlapping data, and non-null disaggregation columns only when breakdowns are published. It is designed to provide ML-ready labour statistics for Africa for researchers and developers.

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，通过调用其REST API接口获取指标POP_XNAS_SEX_CRS_NB的原始数据，并依据非洲ISO3国家代码进行地理筛选。数据经ILO依据国际劳工统计学家会议（ICLS）定义进行协调统一，保留了来源标记列以供追溯，最终由Electric Sheep Africa重新打包为HuggingFace数据集格式，便于机器学习直接加载。

使用方法

用户可通过HuggingFace的datasets库的load_dataset函数直接加载数据，并转换为Pandas DataFrame进行后续分析。示例代码展示了如何按国家筛选、绘制特定指标的时间序列图，以及使用pivot_table构建国家×年份的矩阵。数据集适用于表格分类、回归及时间序列预测任务，其结构化的列名设计使得过滤与聚合操作简洁高效。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库整理，经Electric Sheep Africa重新打包后发布于HuggingFace平台。核心研究问题聚焦于非洲国家海外国民的存量分布，涵盖性别与居住国维度，旨在为劳动力迁移、侨汇流动及区域发展政策提供量化依据。数据集包含6个非洲国家2011至2024年间90条观测记录，其指标“POP_XNAS_SEX_CRS_NB”代表按性别和居住国划分的海外国民存量（千人）。作为ILO标准化统计体系的一部分，该数据依托于各国人口普查及劳动力调查，对全球劳动力迁移研究、可持续发展目标（SDG）中体面劳动指标监测具有重要支撑作用，尤其填补了非洲地区跨国人口流动精细数据的空白。

当前挑战

该数据集所解决的领域问题在于，非洲地区长期缺乏系统、可比且性别分层的海外国民存量数据，限制了劳动力迁移对原籍国经济影响的评估及政策制定。构建过程中面临多重挑战：首先，数据来源分散于多国统计机构，各机构调查方法（如人口普查与劳动力调查）和定义口径差异显著，需通过ILO的国际劳工统计学家会议（ICLS）标准进行协调统一；其次，时间跨度内部分国家观测年份稀疏（如尼日尔仅2011年数据），导致时序分析中断；此外，数据注解字段（如`note_source`）包含非结构化文本，增加清洗难度，而Electric Sheep Africa的二次打包虽提升了可用性，但原始数据中部分国家覆盖率不足（仅6国）限制了全非洲层面的推断能力。

常用场景

经典使用场景

该数据集以国际劳工组织ILOSTAT数据库为数据源，汇集了非洲六国2011至2024年间海外侨民存量数据，并按性别和居住国进行精细划分。在学术与政策研究中，它常被用于构建面板数据模型，以分析非洲侨民外流与母国劳动力市场、汇款经济及性别差异之间的关联。研究者可借助该数据展开时序预测，探究海外侨民规模的演变趋势，亦可结合人口、教育等社会经济指标进行多维度交叉分析，从而深入理解非洲国家在全球人才流动格局中的地位与变迁。

解决学术问题

该数据集的核心学术价值在于填补了非洲国家系统化、可比较的海外侨民存量数据的长期空白。它使得研究者能够量化分析性别视角下的人才外流现象，揭示非洲国家在不同时期流失劳动力的结构特征。通过整合多国数据，学者可以检验“人才流失—汇款回流”的经济传导机制，评估侨民资源对母国发展的潜在贡献。此外，数据集的时间跨度覆盖后金融危机与疫情时代，为探讨重大全球事件对非洲劳动力跨境流动的冲击效应提供了宝贵的实证基础，从而推动了发展经济学与人口地理学的交叉研究。

实际应用

在实际应用中，该数据集为非洲国家政府及国际发展机构制定侨民政策提供了数据支撑。劳动部门可依据性别与居住国细分数据，精准识别海外劳动力的地理分布与人口特征，进而优化领事服务配置，并设计针对性的侨民技能回流计划。同时，该数据也可作为汇款预测模型的核心输入，帮助金融机构与政策制定者评估侨汇收入对国民经济的影响。此外，联合国等组织可利用该数据监控可持续发展目标中“体面工作与经济增长”及“减少不平等”等指标的进展，为区域劳动力合作提供量化参考。

数据集最近研究

最新研究方向

该数据集聚焦于非洲国家海外国民存量按性别与居住国分布的精细刻画，为劳动力迁移、跨国流动与性别平等研究提供了关键数据支撑。在全球化与区域一体化加速的背景下，非洲劳动力跨境流动成为国际劳工组织关注的热点，特别是海外国民存量作为衡量人才外流、侨汇经济与劳动力市场弹性的核心指标。数据集覆盖2011至2024年，支持时间序列建模与分类回归任务，可探究迁移模式的演变趋势及性别差异对劳动参与率、就业结构的影响。结合ILOSTAT的标准化统计体系，该数据为非洲发展政策制定、可持续发展目标（SDG）中体面工作目标的监测及区域经济韧性分析提供了实证基础，推动了基于数据的跨国迁移动态前沿研究。