electricsheepafrica/africa-ilo-how-xees-sex-age-jbc-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲地区工作时间统计数据，主题为“按性别、年龄和合同类型划分的雇员实际平均每周工作小时数”。数据集涵盖40个非洲国家，时间跨度为2000年至2025年，共包含27,146条观测记录。核心指标为HOW_XEES_SEX_AGE_JBC_NB，该指标衡量雇员实际平均每周工作小时数，并按性别（总计、男性、女性）、年龄分组（如15岁以上）和合同类型（总计）进行细分。数据结构包括国家代码、国家名称、数据源、指标代码、性别分类、年龄分类、合同类型分类、观测年份、观测值、数据状态标志等列。数据来源于ILO harmonized的劳动力调查等原始数据，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset contains hours of work statistics for Africa from the International Labour Organization (ILO) ILOSTAT database, focusing on the indicator Mean weekly hours actually worked per employee by sex, age and type of job contract. It covers 40 African countries from 2000 to 2025, with 27,146 observations. The core indicator is HOW_XEES_SEX_AGE_JBC_NB, which measures the mean weekly hours actually worked per employee, disaggregated by sex (total, male, female), age groups (e.g., 15+), and type of job contract (total). The schema includes columns such as country code, country name, data source, indicator code, sex classification, age classification, contract type classification, observation year, observed value, and data status flags. Data is sourced from ILO-harmonized raw survey microdata (e.g., labour force surveys) using International Conference of Labour Statisticians (ICLS) definitions. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa on HuggingFace.

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核心统计数据库，通过REST API接口直接提取`HOW_XEES_SEX_AGE_JBC_NB`指标数据，并依据非洲ISO3国家代码进行地理筛选。原始数据由ILO依据国际劳动统计学家会议（ICLS）定义进行统一协调，来源涵盖劳动力调查、家庭收入调查及行政记录等多种渠道。数据经Electric Sheep Africa重新封装，以标准化Parquet格式发布，确保研究者可通过`load_dataset()`接口快速调用。数据集包含27,146条观测记录，覆盖40个非洲国家，时间跨度为2000年至2025年，并附有来源标识以便追溯。

特点

数据集以非洲劳动力市场的平均每周实际工作小时数为核心指标，按性别、年龄及工作合同类型进行精细划分，提供多维度的分类变量如`sex`、`classif1`和`classif2`。数据质量经由ILO的'最佳来源'原则筛选，确保同一国家与年份的指标采用最权威来源。观测状态标记包括临时性或不可靠数据，附有系列中断及方法修订注释，便于用户评估数据可信度。此外，数据集保留了完整的元数据列，如来源描述、指标标签及注释信息，支持从宏观趋势到微观差异的深入分析。

使用方法

用户可通过Hugging Face的`datasets`库直接加载数据集，转换为Pandas DataFrame进行后续操作。典型应用包括按国家代码过滤（如`ref_area == 'KEN'`）获取单国时序数据，或按指标代码排序后绘制时间序列图以观察长期趋势。数据集支持透视表操作，可构建国家×年份的指标矩阵，适用于面板数据分析或跨地区比较。对于分类任务，可基于性别、年龄组别及合同类型等字段进行特征工程；回归或时序预测场景中，`obs_value`作为目标变量，结合时间与地理维度构建预测模型。数据接口设计简洁，与主流科学计算生态无缝衔接。

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ILOSTAT统计数据库整理发布，并经Electric Sheep Africa重新封装，旨在提供非洲40个国家2000至2025年间按性别、年龄和合同类型划分的雇员平均每周实际工作小时数。数据源自各国劳动力调查、家庭收入调查等官方统计，ILO依据国际劳工统计学家会议标准进行统一整合。该数据集聚焦于非洲劳动力市场中的工时这一核心指标，弥补了该区域在精细化的劳动经济学研究中长期存在的数据碎片化与口径不一致问题。其发布为分析非洲非正规就业形态、性别工时差异以及劳动力政策效果提供了标准化、可复用的量化基础，对推动可持续发展目标中体面工作指标的区域性评估具有重要价值。

当前挑战

该数据集面临的首要挑战在于非洲劳动力市场的结构性复杂性：大量从业者受雇于非正规经济部门，其工时记录与正规合同工存在本质差异，而数据集的分类维度虽涵盖合同类型，却难以完全捕捉非正规就业的隐蔽特征，导致工时数据的真实性与代表性存疑。构建过程中，不同国家调查方法的异质性构成显著障碍，各来源在抽样设计、问卷措辞及统计口径上的差异可能引入系统性偏差，ILOSTAT虽采用‘最佳来源’策略进行筛选，但仍无法根除跨时间与跨国的可比性损失。此外，部分观测值被标记为‘不可靠’，加之数据标注中存在序列断裂与方法修订的注释，进一步增加了时间序列建模与因果推断中的不确定性。

常用场景

经典使用场景

在劳动经济学与人口统计学交叉领域，该数据集的核心用途在于分析非洲地区不同性别、年龄及合同类型雇员的平均每周实际工时分布模式。研究者可借助其精细的分类维度（如性别、年龄组与合同类型）构建面板数据模型，考察工时在国别与时间维度上的异质性。其年频时间序列（2000-2025年）为评估经济周期、劳动政策调整及结构性变迁对工作时间的冲击提供了理想的数据基础，尤其适用于跨国比较与区域发展研究。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在两大方向：一是基于性别与合同类型分解的工时预测模型，利用时序方法（如ARIMA或Prophet）对未来劳动力参与模式进行推演；二是将其与ILOSTAT其他指标（如失业率、非正规就业占比）联立，构建非洲劳动市场综合评估框架。此外，有研究将其作为特征变量嵌入经济体增长回归模型，以检验工时结构调整与全要素生产率之间的长周期关联，为发展经济学提供了新颖的量化视角。

数据集最近研究

最新研究方向

基于国际劳工组织ILOSTAT的非洲劳动力市场时序数据，该数据集聚焦于按性别、年龄与合同类型分解的周均实际工时，为后疫情时代非洲非正规就业形态转型与体面劳动指标监测提供了关键微观证据。在自动化与零工经济冲击传统雇佣关系的背景下，研究者可借助40国2000-2025年的面板数据，切入性别工时差距演变、青年群体就业质量变化以及不同合同类型对劳动强度的影响等前沿议题。该数据集通过标准化ILO的ICLS定义整合多源调查，消除了跨国产出比较的异质性障碍，使得量化非洲大陆内部劳动力市场弹性与脆弱性成为可能。其与联合国可持续发展目标（SDG 8.5）的直接呼应，更使其成为评估非洲数字革命下工作时间安排公平性与生产效率平衡的权威基石。