electricsheepafrica/africa-ilo-eap-2wap-sex-age-rt-labour-force-participation-rate-by-sex-and-age-ilo

该数据集包含非洲53个国家从1990年到2027年的劳动力参与率数据，共有54,135个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，具体指标为EAP_2WAP_SEX_AGE_RT，即按性别和年龄划分的劳动力参与率（ILO模型估计，2025年11月百分比）。数据集提供了详细的分类维度，包括性别（总计、男性、女性）和年龄（15岁及以上），并包含国家代码、国家名称、数据来源、观测年份、观测值等列。数据经过ILO的标准化处理，适用于表格分类、回归和时间序列预测等任务。This dataset contains 54,135 observations of labour force participation rate data across 53 Africa countries, spanning from 1990 to 2027. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), with the indicator EAP_2WAP_SEX_AGE_RT representing the labour force participation rate by sex and age (ILO modelled estimates, Nov. 2025 %). The dataset includes disaggregation dimensions such as sex (total, male, female) and age (15+), and columns like country code, country name, data source, observation year, and observed value. The data is harmonized by ILO and suitable for tasks like tabular classification, regression, and time-series forecasting.

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接口直接拉取原始指标数据，并依据非洲ISO3国家代码进行地域筛选。数据涵盖了1990年至2027年间53个非洲国家关于劳动力参与率的54,135条观测记录。ILOSTAT数据库本身依据国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行统一协调与建模估计，数据来源在source.label字段中加以标注，确保了原始数据的可追溯性与跨国家可比性。Electric Sheep Africa团队对原始数据进行了重新打包与标准化处理，以Parquet格式发布，便于机器学习场景下的高效读取。

特点

该数据集的核心特点在于其时间跨度长、覆盖范围广且维度丰富。时间序列从1990年延伸至2027年，提供了近40年的劳动力参与率变化趋势，尤其包含对未来的模型估计值，有助于进行短期预测分析。空间上囊括了53个非洲国家，实现了对整个非洲大陆的广泛地理覆盖。在维度方面，数据按性别（男性、女性、总体）和年龄组进行详细分类，为交叉分析提供了基础。此外，每条观测记录均附有观测状态标志，如实测值、暂定值等质量标识，便于研究者评估数据可靠性。整体数据经过ILO的协调统一，减少了各国统计口径差异带来的分析障碍。

使用方法

使用者可通过HuggingFace Datasets库以load_dataset()函数直接加载该数据集，并将其转换为Pandas DataFrame进行后续操作。典型的使用方式包括按国家代码筛选特定国家的子集，例如过滤ref_area为KEN的数据查看肯尼亚的劳动力参与情况；还可针对单一指标按时间排序绘制时间序列变化图。对于面板数据分析，利用pivot_table方法可将数据重塑为国家×年份的矩阵形式，便于进行跨国家、跨时期的比较研究。数据集的字段设计清晰，包含ref_area、sex、classif1、time、obs_value等核心字段，支持在劳动力经济学、发展经济学等领域的计量建模与统计分析中直接使用。

背景与挑战

背景概述

劳动力参与率作为衡量一国或地区经济活动参与程度的核心指标，对于理解劳动市场动态、制定就业政策以及评估可持续发展目标（SDGs）的进展具有根本性意义。在此背景下，国际劳工组织（ILO）依托其权威统计数据库ILOSTAT，构建了覆盖全球200多个经济体的劳动统计体系。该数据集由ILO统计部于2025年发布，经由Electric Sheep Africa团队重新打包，专注于非洲大陆53个国家1990年至2027年间的劳动力参与率数据，共计54,135条观测值。数据集的核心研究问题聚焦于揭示非洲地区不同性别与年龄群体在劳动力市场中的参与模式及其长期演变趋势，旨在为跨区域比较、政策模拟与机器学习建模提供标准化、高质量的基础数据支撑。其影响力体现在填补了非洲大陆高时空分辨率劳动统计数据的空白，为发展经济学、劳动经济学及机器学习驱动的预测研究提供了关键资源。

当前挑战

该数据集所应对的领域挑战主要源于非洲地区劳动统计的碎片化与低可比性。由于各国调查方法、定义标准及时频差异显著，直接对比跨国产出极为困难，ILO通过ICLS定义协调与模型估计虽缓解了此问题，但数据源标注的不确定性仍对下游分析构成挑战。构建过程中遭遇的挑战包括：从ILOSTAT的REST API批量拉取数据时需应对接口限流与数据一致性校验；原始数据中缺失某些国家特定年份的观测，需依赖ILO的建模插补；性别与年龄分层维度在多个国家间存在不同程度的聚合与缺失，导致数据稀疏性问题。此外，时间序列跨度长达38年，需处理因调查制度变革引发的结构性断点，确保模型输入的平稳性与可靠性。

常用场景

经典使用场景

该数据集涵盖了1990年至2027年间53个非洲国家的劳动力参与率数据，按性别和年龄分层，是时间序列预测与面板数据分析的典型素材。研究者可借助其丰富的纵向观测记录，构建自回归移动平均模型或固定效应模型，以揭示非洲大陆劳动力市场的长期演变轨迹。数据结构化清晰，提供统一的指示代码和离散分类维度，使其在因果推断与增长核算中亦能发挥基础性作用，成为探索劳动力供给动态与宏观政策响应的基准数据集。

实际应用

在政策制定与国际发展机构中，该数据集展现出广泛的实用价值。世界银行与非洲开发银行可据此监测各国实现可持续发展目标第八项（体面工作和经济增长）的进展。政府劳动部门通过分析不同性别与年龄组别的参与率趋势，能够精准设计就业促进方案，例如针对青年失业率提升专项培训项目。此外，跨国企业依托区域劳动力供给的预测结果，优化投资区位决策与人力资源配置策略。

衍生相关工作

基于该数据集，研究者已衍生出多项经典工作，如利用机器学习模型预测非洲各国劳动力参与率的短期波动，或结合经济政策不确定性指数构建多变量框架以解析结构性转型。另有工作聚焦于性别差异的收敛性分析，采用面板协整技术检验女性参与率是否随经济发展向男性趋同。这些工作不仅深化了对非洲劳动力市场异质性的理解，也为后续将数据与卫星遥感、夜间灯光等非传统数据融合，构建近实时经济监测系统铺平了道路。