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

该数据集包含38,017个观测值，涵盖非洲34个国家从1991年至2025年的工作时间数据，聚焦于1个核心指标：按性别、职业和机构规模划分的雇员实际平均每周工作时间。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤至非洲国家。数据集包含多个字段，如国家代码（ref_area）、指标代码（indicator）、年份（time）、观测值（obs_value）等，并提供了按性别（sex）等维度的细分。数据经过ILO的统计标准（ICLS）统一处理，并标注了数据来源和质量状态。This dataset contains 38,017 observations of Hours of work data across 34 Africa countries, spanning 1991–2025, covering 1 distinct indicator: Mean weekly hours actually worked per employee by sex, occupation and establishment size. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled via REST API and filtered to Africa ISO3 country codes. It includes fields such as country code (ref_area), indicator code (indicator), year (time), observed value (obs_value), and provides disaggregation dimensions like sex. The data is harmonized using ICLS definitions and includes source and 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ILOSTAT数据库，该数据库是全球劳动统计的权威来源，整合了各国劳动力调查、家庭收支调查、企业调查及行政记录等多源数据。研究团队通过ILOSTAT的REST API接口，针对非洲地区专门提取了`HOW_XEES_SEX_OCU_EST_NB`指标数据，并依据ISO 3166-1 alpha-3国家代码进行地域筛选。在数据构建过程中，ILO依据国际劳动统计学家会议（ICLS）的定义标准对原始微观调查数据进行统一化处理，并在`source.label`字段中标注数据来源，以确保每一条观测记录的可追溯性与统计口径的一致性。

特点

该数据集涵盖了1991年至2025年间非洲34个国家的38,017条观测记录，聚焦于雇员实际每周平均工作小时数这一核心劳动指标。其最突出的特点在于精细的多维度分解结构：数据按照性别（男性、女性、总计）、职业技能等级以及企业规模进行交叉分类，为深入分析非洲劳动力市场的结构性差异提供了坚实基础。此外，数据集不仅包含了观测值，还附带了详尽的状态标记（如数据可靠性标识）和注释信息（如序列中断说明），帮助研究者准确评估数据质量与潜在偏差。

使用方法

研究者可通过HuggingFace的`datasets`库直接调用本数据集，使用`load_dataset()`函数即可快速加载为Pandas DataFrame格式进行操作。针对国家层面的分析，可通过`ref_area`字段进行条件筛选，例如提取肯尼亚的子集。在时间序列分析中，可选定特定指标并按`time`字段排序，直接利用`matplotlib`或`seaborn`进行可视化。还可以利用`pivot_table`方法将数据重塑为国家×年份的矩阵格式，便于进行面板数据分析或跨国家比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）核心统计数据库ILOSTAT整理，经Electric Sheep Africa于2025年重新封装并发布在HuggingFace平台。其核心研究问题聚焦于非洲地区雇员按性别、职业和单位规模划分的周均实际工作小时数，旨在填补非洲劳动力市场精细化时序数据的空白。数据集覆盖34个非洲国家、1991至2025年间的38,017条观测值，是研究非洲劳动力结构、性别平等与经济发展的重要资源。凭借ILO在劳动统计领域的权威性与标准化方法，该数据集为比较劳动经济学、可持续发展目标监测及非洲政策制定提供了高价值的数据基础，显著推动了该区域实证研究的可复现性与广度。

当前挑战

该数据集面临的领域挑战主要集中在非洲劳动力市场的动态复杂性：不同国家间的非正式就业比例、数据采集方法差异及周期性调查波动导致跨区域可比性受限。构建过程中，ILO需调和各国来源的劳动调查、住户调查与行政记录，确保遵循国际劳工统计学家会议（ICLS）标准，但数据质量标记（如‘不可靠’观测）提示原始数据存在噪声。此外，年度频率限制了对短期就业波动的分析，部分国家观测稀疏（如18国数据量不足千行），且缺失季度或月度序列，制约了高精度时间序列建模。这些挑战要求使用者审慎处理数据缺失、指标异构及样本不平衡问题。

常用场景

经典使用场景

该数据集以国际劳工组织ILOSTAT数据库为根基，汇聚了1991年至2025年间34个非洲国家员工每周实际工作时间的均值数据，并按性别、职业及企业规模进行精细划分。其最经典的使用场景在于劳动经济学与跨国家庭调查中的时序分析与面板数据建模。研究者可借助这一横跨三十余年、涵盖近四万观测值的丰富样本，系统探索非洲大陆不同地区、不同劳动力群体在工时方面的演变趋势，为理解全球化背景下非洲劳动力市场的结构性变迁提供坚实的数据支撑。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国劳动部门及政策智库提供了可操作化的决策依据。基于按性别与职业划分的工时数据，政策制定者能够精准识别特定行业或群体中的超时劳动与就业脆弱性，从而设计出更具靶向性的劳动保护与社会保障措施。同时，企业可借助该数据基准评估同类行业或国家的工时标准，优化人力资源配置；非政府组织则能将其用作监测体面劳动与可持续发展目标进程的量化工具，推动非洲大陆的就业质量提升。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的经典工作。在方法学层面，有研究基于其时序结构开发了适应数据稀疏性与异质性的多层次插补模型，为缺失数据情景下的非洲劳动统计提供了稳健推断路径。在应用领域，学者利用该数据构建了非洲不同性别群体的工时差异分解模型，揭示了职业隔离与技能匹配在工时不均等中的核心作用。此外，该数据集还被整合进全球劳动比较项目中，成为连接ILO标准化统计与本土化实证研究的桥梁，催生了多篇发表于发展经济学与人口学期刊的高引论文。