electricsheepafrica/africa-ilo-emp-5tru-sex-age-rt-time-related-underemployment-rate-by-sex-and-age-1

该数据集包含非洲23个国家从2016年至2025年的601个观测值，重点关注按性别和年龄划分的时间相关就业不足率（基于第19届国际劳工统计学家会议定义）。数据源自国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤到非洲国家，涵盖了劳动统计中的关键指标。数据集包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（总计、男性、女性）、年龄分类、观测年份、观测值、观测状态等列，提供了对非洲劳动市场就业不足情况的详细分析。This dataset contains 601 observations of time-related underemployment rates by sex and age across 23 African countries from 2016 to 2025, based on the 19th International Conference of Labour Statisticians (ICLS) definitions. Sourced from the International Labour Organization (ILO)s ILOSTAT database, the data is retrieved via API and filtered to African countries, covering key labor statistics. It includes columns such as country code, country name, data source, indicator code, indicator label, sex disaggregation (total, male, female), age classification, observation year, observed value, and observation status, providing detailed insights into underemployment in African labor markets.

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REST API接口直接获取指标EMP_5TRU_SEX_AGE_RT的原始数据，并依据非洲国家ISO3代码进行地理筛选。数据由Electric Sheep Africa重新封装，整合了2016至2025年间23个非洲国家的601条观测记录，涵盖按性别与年龄划分的与时间相关的就业不足率指标。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行统一协调，并在source.label列中标注数据来源，以确保数据溯源性。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集，调用load_dataset函数即获得训练集格式的Pandas DataFrame。支持按国家代码筛选特定区域的时间序列数据，例如筛选肯尼亚（KEN）的观测记录。亦可针对单一指标按年份排序后绘制趋势图，或利用pivot_table方法构建以年份为行、国家为列的矩阵，便于进行面板数据分析与跨国家对比。该数据集已封装为Parquet格式，可直接集成至机器学习流程，适用于分类、回归及时间序列预测任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门基于第19届国际劳工统计学家会议（ICLS）定义编制，经Electric Sheep Africa于2025年重新打包发布，聚焦非洲23个国家2016至2025年间与时间相关的就业不足率，按性别和年龄进行细分。时间相关就业不足是衡量劳动力市场未充分利用的关键指标，尤其在非洲大陆，非正规就业与季节性工作普遍存在，精准监测该指标对于评估可持续发展目标中的体面劳动进展至关重要。数据集整合了来自国家劳动力调查、家庭收入调查等多源行政统计资料，提供了标准化、跨国的纵向数据资源，为非洲劳动力市场研究、政策制定及经济学建模奠定了坚实基础。

当前挑战

该数据集面临的挑战首先在于领域层面，时间相关就业不足的测量高度依赖调查设计与ICLS定义的统一执行，非洲各国调查频率、样本覆盖范围及问卷结构差异显著，导致跨国可比性受限。其次，构建过程中，数据从ILOSTAT API提取时需处理多源信号的冲突与缺失值，如观测状态标注为“序列中断”或“方法论修订”，反映出历史数据因标准调整而产生的不连续问题。此外，非洲地区仅有23国提供完整时间序列，大量国家数据缺失，且年度频率掩盖了季节性波动，难以捕捉短期劳动力动态，限制了时间序列预测模型的应用精度与泛化能力。

常用场景

经典使用场景

该数据集的核心应用场景在于对非洲地区与时间相关的不充分就业率进行精细化分析。依托国际劳工组织ILOSTAT的权威统计数据，它提供了2016至2025年间23个非洲国家按性别和年龄划分的失业率观测值。研究者可借助该数据进行时间序列预测、面板数据建模或分类回归任务，尤其适用于评估非洲劳动力市场中性别与代际间的不充分就业差异，揭示结构性失业问题的演变规律。

解决学术问题

在学术层面，该数据集有效回应了非洲劳动力市场研究中长期存在的数据碎片化与标准化缺失难题。它填补了发展中国家特别是非洲区域在时间相关不充分就业率方面的高质量统计空白，使学者能够基于统一方法论（第19届ICLS定义）开展跨国比较分析。这一资源推动了劳动经济学领域对非正规就业、隐性失业及劳动力利用率等核心议题的实证研究，为检验性别收入差距、代际就业包容性等理论假设提供了可靠的数据基础。

实际应用

实际应用中，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关键决策支持。通过追踪不充分就业率的年度变化，政策制定者可识别就业质量薄弱的重点国家与群体，从而优化劳动力市场干预策略，例如定向技能培训、青年就业计划或女性劳动权益保障项目。此外，数据集与ILOSTAT其他指标（如工资水平、工作时间）的联动分析，有助于评估宏观经济政策对就业结构的影响，推动基于证据的可持续发展目标（SDG 8）监测。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别和年龄划分的与时间相关的就业不足率，为劳动经济学领域的前沿研究提供了关键数据支撑。近年来，随着非洲大陆自由贸易区（AfCFTA）的逐步推进以及全球供应链重构背景下非洲劳动力市场的深刻变革，研究者正利用此类细分数据深入探讨结构性就业不足与性别平等、青年就业危机之间的动态关联。特别是国际劳工组织（ILO）第19届国际劳工统计学家会议（ICLS）所确立的最新统计标准，使该数据集成为评估非洲国家可持续发展目标（SDG）中体面工作进展的重要工具。通过覆盖2016至2025年间的23个非洲国家，这些精细化的时间序列数据为构建预测模型、识别区域就业政策干预效果以及揭示新冠疫情后劳动力市场恢复的非对称性提供了前所未有的实证基础，其意义在于将碎片化的非洲劳动统计整合为机器学习就绪的标准化资源，从而推动数据驱动的就业决策与包容性增长研究。