electricsheepafrica/africa-ilo-luu-5lu3-sex-age-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的其他劳动力未充分利用指标数据，具体为按性别和年龄划分的失业率和潜在劳动力综合率（LU3），遵循第19届国际劳工统计学家会议（ICLS）定义。数据集涵盖23个非洲国家，时间跨度为2016年至2025年，共621个观测值，涉及1个核心指标（LUU_5LU3_SEX_AGE_RT）。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码，经过标准化处理以保持一致性。数据结构包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年龄分类、观测年份、观测值、观测状态标志等列。数据集旨在提供非洲地区劳动力市场的详细统计信息，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，并遵循CC-BY-4.0许可证。This dataset contains Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically the combined rate of unemployment and potential labour force (LU3) by sex and age, based on the 19th International Conference of Labour Statisticians (ICLS) definitions. It covers 23 African countries from 2016 to 2025, with 621 observations and one core indicator (LUU_5LU3_SEX_AGE_RT). Data is sourced via the ILOSTAT REST API, filtered to African country codes, and harmonized for consistency. The schema includes columns such as country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), age classification, observation year, observed value, and observation status flags. The dataset provides detailed labour market statistics for Africa, suitable for tabular classification, regression, and time-series forecasting tasks. It is repackaged by Electric Sheep Africa for machine learning readiness and released under the CC-BY-4.0 license.

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数据库，聚焦于非洲地区劳动力利用不足的复合度量指标。数据通过ILOSTAT REST API直接获取，具体指标为LUU_5LU3_SEX_AGE_RT，即根据第19届国际劳工统计学家会议（ICLS）定义测算的失业与潜在劳动力综合比率（LU3），并按性别与年龄维度进行细分。原始数据经过筛选，仅保留非洲ISO3国家代码对应的观测值，最终整合了23个非洲国家、跨度2016至2025年的621条记录。每个观测值均附带来源标识（source.label）以追踪数据溯源，确保了统计口径的国际可比性与数据质量的可追溯性。

特点

该数据集的核心特点在于其区域专一性与指标聚焦性。它专门针对非洲大陆，涵盖了卢旺达、赞比亚、安哥拉等23个代表性国家的劳动力市场状况，时间跨度覆盖近年趋势至2025年。指标LU3综合反映了失业与潜在劳动力人口的比例，是衡量劳动力资源闲置程度的关键指标。数据按性别（总、男、女）和年龄（如15岁以上）进行交叉分类，提供了精细化的群体分析维度。此外，数据采用年度频率发布，并附有观测状态标签（如序列中断或方法修订）以辅助数据质量判断，为研究非洲劳动力市场的结构性特征与动态变化提供了宝贵的基础。

使用方法

该数据集已包装为HuggingFace Datasets格式，可通过load_dataset()函数一键加载，特别适合使用Python进行数据科学分析。加载后返回的数据集对象可直接转换为Pandas DataFrame，方便进行表格化操作。用户可利用ref_area列按国家代码筛选特定国家的时间序列数据，例如选取肯尼亚的数据框。针对单一指标LUU_5LU3_SEX_AGE_RT，可通过排序与绘图功能直观展示其随时间的变化趋势。此外，通过pivot_table方法，可轻松将数据重塑为国家×年份的矩阵格式，便于进行跨国的横向比较和面板数据分析，极大简化了从原始劳工统计到研究模型的转化流程。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，经Electric Sheep Africa团队重新整理后呈现于HuggingFace平台。其核心研究问题聚焦于非洲地区劳动力利用不足的综合测量，特别是失业与潜在劳动力人口的综合比率（LU3），涵盖23个非洲国家2016至2025年间621次观测。该数据基于第19届国际劳动统计学家会议（ICLS）定义，通过整合各国劳动力调查等原始微观数据，实现了跨国标准化与可比性，为非洲劳动经济学研究、可持续发展目标（SDG）体面工作指标的监测以及政策制定提供了关键的数据基础，对理解非洲大陆非正式就业与劳动力市场脆弱性具有重要影响。

当前挑战

该数据集所解决的领域挑战在于，传统失业率指标难以全面反映非洲劳动力市场的复杂性，如大量潜在劳动力（即未积极求职但愿意且可工作的人群）被忽视，LU3指标通过纳入此类人群提供了更完整的劳动力利用不足图景。在构建过程中，面临的挑战包括：数据来源的异质性，不同国家的劳动力调查方法、时间频率及质量参差不齐，需通过ILO的统一方法学进行协调；时间序列中的断裂与修订，如数据中标注的‘序列断裂’和‘方法修订’标识，增加了纵向分析的难度；以及性别、年龄等维度的细分数据存在缺失，限制了更精细的劳动力市场结构分析。

常用场景

经典使用场景

在劳动力市场分析领域，该数据集的核心应用场景是追踪和比较非洲各国劳动年龄人口中失业与潜在劳动力相结合的综合性指标（LU3）。研究人员可借助其按性别和年龄（如青年与成年人）划分的精细结构，剖析特定国家或区域在2016至2025年间劳动力利用不足的动态演化轨迹。通过构建面板数据或时间序列模型，学者能够揭示就业市场结构性矛盾、性别差异鸿沟以及代际不平等现象的时空分布模式，从而为后续政策模拟提供坚实的数据锚点。

实际应用

在实际应用层面，该数据集为国际发展机构与非洲各国劳工部门提供了可操作的监测工具。通过观测不同性别与年龄组别LU3率的年度波动，政策制定者能够精准识别劳动力市场中的脆弱群体，并据此校准职业培训、青年就业促进及社会安全网等干预措施的投放优先级。此外，借助数据源标注的回溯性标记（如序列断裂与方法修订），实务工作者可在评估政策干预效果时，审慎区分真实趋势与统计口径变动的影响。

衍生相关工作

围绕此高质量、标准化的非洲LU3数据，衍生了一系列标志性前沿工作。数据重发布方Electric Sheep Africa构建了面向机器学习的统一数据层，使得研究者可通过简单API调用快速将数据纳入预测或回归模型。ILO基于此类数据定期发布《全球劳动力市场展望》非洲专项报告，并催生了利用该指标构建非洲青年失业预警系统的探索。亦有学者将其与教育、健康等多源数据融合，搭建综合性的非洲人力资本与可持续发展评估框架。