electricsheepafrica/africa-ilo-eip-neet-sex-mts-nb-youth-not-in-employment-education-or-training-neet

该数据集包含非洲49个国家从1991年至2025年期间关于“未就业、未受教育或未培训青年（NEET）”的统计数据，具体按性别和婚姻状况进行细分。数据源自国际劳工组织（ILO）的ILOSTAT数据库，涵盖6,336个观测值，指标为EIP_NEET_SEX_MTS_NB，表示以千人为单位的NEET人数。数据集适用于表格分类、回归或时间序列预测等机器学习任务，并包括国家代码、年份、观测值、数据来源和质量标记等字段。This dataset contains 6,336 observations of Youth not in employment, education or training (NEET) data across 49 African countries, spanning from 1991 to 2025, disaggregated by sex and marital status. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), with the indicator EIP_NEET_SEX_MTS_NB measuring NEET in thousands. The dataset is designed for tabular classification, regression, or time-series forecasting tasks and includes fields such as country codes, years, observed values, source information, and data quality flags.

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）的核心劳动统计数据库ILOSTAT，聚焦于非洲49个国家的青年失业、教育与培训状态（NEET）监测。数据通过ILOSTAT REST API直接采集，并依据非洲ISO3166-1 alpha-3国家代码进行地理范围筛选，最终整合为包含6336条观测值的结构化表格。ILO依据国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行标准化处理，每条记录均标注数据来源的原始编码与标签，确保了从国家劳动力调查到最终数据产品的完整可追溯性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载数据，并便捷地转换为Pandas DataFrame进行分析。典型用法包括依据'ref_area'字段筛选特定国家子集，利用'time'与'obs_value'列绘制核心指标的时间序列趋势图，或通过pivot_table构建国家与年份的交叉矩阵，以观察非洲各国NEET水平的横向对比与纵向演变。数据已预先按年频组织，适合直接应用于时间序列预测、面板数据回归或分类建模等任务。

背景与挑战

背景概述

青年失业与教育脱节问题长期困扰着全球发展中国家，尤其在非洲大陆，由于数据基础设施薄弱、调查覆盖不足，这一问题长期缺乏系统性的量化刻画。为此，国际劳工组织（ILO）基于其核心统计数据库ILOSTAT，构建了涵盖49个非洲国家、横跨1991年至2025年、共计6336条观测的NEET（未就业、未受教育或培训的青年）数据集。该数据集由Electric Sheep Africa于2025年重新打包并发布在HuggingFace平台，核心研究问题聚焦于按性别与婚姻状况分层的青年劳动力利用不足状况，旨在揭示非洲青年在劳动力市场中的结构性困境。作为ILOSTAT在非洲区域的关键子集，该数据集为研究青年失业的区域差异、性别不平等及劳动力政策评估提供了标准化、可复现的数据基础，对推动非洲可持续发展目标中体面劳动与经济增长的量化分析具有显著影响力。

当前挑战

该数据集面临多方面的挑战。在领域问题层面，NEET指标本身难以捕捉非正规经济中大量存在的隐性就业或教育形式，导致对青年实际状态的低估或误判；同时，非洲各国劳动力调查的时效性、问卷设计与抽样方法差异巨大，使得跨国家、跨时间段的比较分析容易受到统计口径偏差的干扰。在构建过程中，挑战更为突出：原始数据从ILOSTAT REST API获取后，需手工筛选非洲ISO3国家代码，并处理因调查机构更替、方法论修订（如数据中标注的‘Break in series’）导致的时间序列不连续问题；此外，数据质量标记（如‘Unreliable’）的存在要求使用者具备甄别能力，而多源数据中ILO仅选取“最佳来源”的做法，可能掩盖了部分国家数据的真实波动性。

常用场景

经典使用场景

该数据集作为国际劳工组织ILOSTAT核心统计数据的非洲子集，收录了1991至2025年间49个非洲国家约6336条关于青年未就业、未接受教育或培训（NEET）的观测记录，并按性别与婚姻状况进行细化分层。研究者可借此构建基于时间的面板数据模型，系统剖析非洲大陆青年劳动力闲置的长期演变趋势与国别差异。其最常见的学术用法是作为监督式分类与回归任务的训练数据，用于预测NEET比率与各国社会经济指标间的非线性关联；同时，它亦适用于时间序列预测场景，通过历史年度数据对特定国家或区域未来几年的青年失业动向进行外推估计。

解决学术问题

长久以来，非洲地区受限于统计基础设施薄弱与数据分散割裂，导致针对青年劳动力闲置问题的跨国实证研究匮缺。该数据集以标准化的ILO统计口径整合散落的国家调查资料，首次为学者提供了覆盖半个世纪、跨49国的性别—婚姻状况交叉面板数据，从根本上突破了数据可得性的瓶颈。它使得研究者能够量化婚姻状态对男性和女性青年NEET风险的差异化影响、识别导致青年与劳动力市场脱节的结构性因素、评估教育扩张与就业扶持政策的实际成效，从而为发展经济学、劳动社会学及人口学领域关于非洲青年就业困境的成因探讨与对策设计奠定坚实的实证基础。

实际应用

在实际决策层面，该数据集为国际发展机构、非洲各国政府及非政府组织提供了精准的量化依据。政策制定者可借助数据透视各国内部青年NEET的性别鸿沟与婚姻状态分布，从而将有限的公共资源定向投放于风险最高的群体，例如针对已婚女性青年开展职业技能培训或普惠托育服务。同时，ILO及世界银行等组织可利用该时间序列数据监测联合国可持续发展目标中关于体面工作和经济增长的具体进展，并据此调整区域劳工政策的优先级。此外，数据分析服务商与科技企业能够将清洗后的数据集集成至劳动力市场情报平台，为就业匹配算法与教育规划工具提供非洲特色的训练信号。

数据集最近研究

最新研究方向

该数据集聚焦于非洲青年未就业、未接受教育或培训（NEET）群体的性别与婚姻状况细分统计，为研究非洲劳动力市场中的结构性失业、青年就业政策效能及社会不平等提供了关键数据支撑。结合ILOSTAT的权威方法论与49个非洲国家1991至2025年的时序观测，该数据可助力前沿研究深入探讨后疫情时代非洲青年就业恢复路径、婚姻状况对女性劳动力参与率的差异化影响，以及城镇化进程中NEET群体规模与区域经济韧性的关联。其跨年度长面板结构尤为适合构建动态面板模型，预判全球青年发展议程在非洲大陆的实际推进轨迹，同时为国际劳工组织（ILO）倡导的体面劳动目标（SDG 8）提供量化评估基础。