electricsheepafrica/africa-ilo-eip-wdis-sex-geo-nb-discouraged-job-seekers-by-sex-and-rural-urban-are

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，具体聚焦于“按性别和城乡区域划分的沮丧求职者（千人）”。数据集涵盖40个非洲国家，时间跨度为1999年至2025年，共1,448个观测值。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、性别分类、区域类型、观测年份、观测值、观测状态和相关注释。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的“最佳来源”和处理数据中断情况。该数据集由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 Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically focusing on Discouraged job-seekers by sex and rural / urban areas (thousands). It covers 40 African countries from 1999 to 2025, with 1,448 observations. Data is pulled directly from the ILOSTAT REST API and filtered to Africa ISO3 country codes. The dataset provides a detailed schema including country code, country name, data source, indicator code, sex disaggregation, area type, observation year, observed value, observation status, and related notes. Data is published at annual frequency, with caveats such as the use of ILO-selected best source and handling of breaks in series. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

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，聚焦于非洲地区的劳动力市场指标，特别是“沮丧求职者”（Discouraged job-seekers）按性别与城乡地域划分的数据。构建过程通过ILOSTAT提供的REST API，直接抽取指标代码为EIP_WDIS_SEX_GEO_NB的数据，随后依据非洲ISO 3166-1 alpha-3国家代码进行筛选与聚合。ILOSTAT本身采用国际劳工统计学家会议（ICLS）标准对各国劳动力调查微观数据进行统一协调，并在数据集中通过source.label字段标注原始调查来源，确保每条观测的可追溯性与统计口径的一致性。最终形成包含1448条观测、覆盖40个非洲国家、时间跨度从1999年至2025年的结构化表格数据集。

特点

该数据集的核心特点在于其精细的维度拆分与高度统一的数据架构。除提供包含国家、年份、指标值的基础观测外，还通过sex字段将数据按总人口、男性、女性三个类别进行解构，同时借助classif1字段进一步区分全国、城市、农村等不同地理覆盖范围。每条记录均附有观测状态标识（如数据是否因方法修订而中断）及详细的备注与来源说明，极大提升了数据使用的透明度。此外，数据以Parquet格式打包并托管于HuggingFace平台，具备机器学习的即用性，使得跨国家、跨性别的纵向比较与时间序列分析变得便捷而高效。

使用方法

该数据集的设计充分考虑了数据科学工作流的便捷性，依托HuggingFace Datasets库，用户只需调用load_dataset函数即可直接加载全部样本。加载后的数据可轻松转换为pandas DataFrame，便于进行后续的筛选、聚合与可视化操作。例如，用户能够通过ref_area字段快速过滤特定国家的数据子集，或利用indicator字段专注于单一指标的跨年度时间序列绘图。数据集中还提供了示例代码，演示如何将数据透视为国家与年份的二维矩阵，以支持面板数据分析或回归建模，尤其适用于研究非洲劳动力市场中的隐性失业问题及其结构性变化。

背景与挑战

背景概述

非洲劳动力市场长期面临信息碎片化与数据鸿沟的困境，尤其关于“沮丧求职者”（因求职无望而放弃搜寻的群体）的统计近乎空白。为弥补这一缺口，国际劳工组织（ILO）依托其ILOSTAT数据库，于2025年由Electric Sheep Africa重新打包发布了该数据集。该数据集收集了1999至2025年间40个非洲国家的1448条观测记录，聚焦于按性别和城乡区域划分的沮丧求职者数量。研究旨在揭示非洲劳动资源利用不足的深层结构，为制定精准的就业政策与可持续发展目标（SDG）监测提供量化依据，其独特的性别与地理维度填补了区域劳动经济分析的空白。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：非洲非正规就业比例高，传统失业率指标严重低估劳动资源利用不足的真实状况，而沮丧求职者作为隐性失业的关键表征，其数据采集与定义标准化本身就是难题。构建过程中，挑战尤为突出：各国家庭调查与行政记录的年频差异巨大，ILO虽采用最佳来源筛选与ICLS定义统一，但部分数据仍存在序列中断、方法修订等质量标注问题；此外，城乡与性别分类的兼容性不足，导致观测值稀疏，统计推断的稳健性受到制约。

常用场景

经典使用场景

该数据集收录了1999至2025年间非洲40个国家因求职受挫而放弃搜寻工作的劳动力数据，按性别与城乡地域维度进行细粒度划分，共计1448条观测记录。在劳动经济学领域，研究者常将其作为面板数据，构建固定效应或随机效应模型，以量化宏观经济波动、政策干预或结构性转型对劳动力市场退出行为的影响。尤为重要的是，该数据支持跨时期与跨国别比较分析，进而揭示非洲大陆不同发展阶段的就业困境与劳动力资源错配现象。

衍生相关工作

基于该数据集衍生出的经典工作涵盖了跨非洲国家的劳动力市场比较研究、挫败求职者影响因素的计量分析以及宏观就业预测模型的构建。研究人员已利用其面板结构揭示了经济危机期间女性劳动参与衰减更为显著的地域性规律，并拓展出融合教育水平与行业结构的扩展性分析框架。此外，该数据作为ILOSTAT体系中的子集，常与其他劳动利用不足指标联合使用，推动形成更完整的非洲就业脆弱性评估体系。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区因性别和城乡差异而丧失信心的求职者规模，是国际劳工组织（ILO）对劳动利用不足指标精细化测量的重要成果。当前前沿研究将这一数据与非洲快速城镇化进程、性别不平等及青年失业潮等热点事件深度关联，通过时间序列分析与面板数据建模，揭示出结构性就业困境下边缘群体的脆弱性。尤其是在疫情后经济复苏不均的背景下，该数据集为检验劳动力市场政策的有效性、推动包容性增长提供了量化依据，对实现联合国可持续发展目标中的体面劳动具有显著意义。