electricsheepafrica/africa-ilo-eip-dwap-sex-age-geo-rt-inactivity-rate-by-sex-age-and-rural-urban-areas

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家非活动率统计数据。数据覆盖47个非洲国家，时间跨度为1994年至2025年，共35,641个观测值。核心指标为EIP_DWAP_SEX_AGE_GEO_RT，即按性别、年龄和城乡地区划分的非活动率（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）、年龄组和地区类型（如全国范围）。数据来源包括劳动力调查等官方统计，并经过ILO的标准化处理，确保国际可比性。数据集适用于表格分类、回归和时间序列预测等机器学习任务，旨在为非洲劳动力市场分析提供结构化、可机读的数据支持。This dataset contains statistical data on inactivity rates for African countries from the International Labour Organization (ILO) ILOSTAT database. It covers 47 African countries from 1994 to 2025, with 35,641 observations. The core indicator is EIP_DWAP_SEX_AGE_GEO_RT, representing the inactivity rate by sex, age, and rural/urban areas (%). The dataset includes detailed disaggregation dimensions such as sex (total, male, female), age groups, and area types (e.g., national). Data sources include official statistics like labour force surveys, harmonized by ILO for international comparability. It is suitable for machine learning tasks like tabular classification, regression, and time-series forecasting, providing structured, machine-readable data for African labour market analysis.

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）旗下的ILOSTAT统计数据库，通过其REST API直接获取原始指标数据，并针对非洲47个国家的ISO3国家代码进行过滤与抽取。ILOSTAT依据国际劳动统计学家会议（ICLS）定义对各国劳动力调查微观数据进行统一协调，确保跨时空数据的可比性。数据集由Electric Sheep Africa在HuggingFace平台上重新封装为Parquet格式，便于机器学习与统计分析的直接调用。

特点

数据集囊括35,641条观测记录，覆盖1994年至2025年间的47个非洲国家，聚焦于按性别、年龄及城乡区域划分的不在业率指标。数据结构中包含了丰富的维度拆解，如性别分为总计、男性、女性三类，并附带详细的分类变量（如年龄组与区域类型），每个字段均有标准化标签与多语言描述。同时，数据集为每一条观测标注了来源、观测状态及序列断裂等注释信息，使用者可准确评估数据质量与可用性。

使用方法

研究者可通过HuggingFace Datasets库的load_dataset()函数一键加载数据，并将其转换为Pandas DataFrame进行后续分析。典型用法包括按国家代码过滤子集、按指标和时间排序绘制时间序列图，或以国家为列、时间为行构建透视表。数据以年度频率发布，且ILO已为每个国家-年份组合选取了最佳数据来源，使用者无需自行处理多源冲突，可直接聚焦于劳动利用不足问题的跨国比较与趋势探究。

背景与挑战

背景概述

在全球劳动力市场分析中，非经济活动率是衡量劳动参与不足的关键指标，尤其对于劳动力市场结构复杂、数据稀缺的非洲大陆而言，其重要性不言而喻。该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT构建，并经Electric Sheep Africa于2025年重新整理发布，聚焦于1994年至2025年间47个非洲国家的非经济活动率，按性别、年龄及城乡地域进行细致划分。其核心研究问题在于揭示非洲地区不同人群在劳动力市场中的非参与模式，为政策制定者与研究人员提供纵向可比、空间精细的基准数据。该数据集以其标准化、机器可读的格式，显著降低了非洲劳动统计数据的获取门槛，对于促进该区域劳动力市场的量化研究、社会政策评估以及可持续发展目标（SDGs）的监测具有深远影响。

当前挑战

该数据集所应对的领域挑战在于劳动力市场统计中非经济活动率的量化与细分。传统的就业与失业指标往往忽略了潜在劳动力与边缘劳动者，而该指标通过捕捉因求学、家务、残疾或丧失信心等原因未参与劳动的人群，为衡量劳动资源未充分利用提供了必要维度。这一数据集的构建亦面临多重挑战：原始数据来源差异巨大，横跨47个国家、31年的数据，各国家庭调查的问卷设计、调查频率及质量参差不齐，ILOSTAT虽采用国际劳工统计学家会议（ICLS）定义进行协调，但数据中存在“不可靠”标记与方法论变动间断，需用户审慎处理；此外，城乡、性别及年龄层的精确划分增加了数据稀疏性与不完整性，如某些国家特定维度的观测值缺失，给跨地区、跨时间的稳健比较带来困难。

常用场景

经典使用场景

该数据集以非洲47个国家为地理锚点，收录了1994年至2025年间按性别、年龄及城乡地域划分的劳动非参与率观测数据，共计35,641条记录。其经典使用场景聚焦于劳动经济学中的时间序列分析与跨区域比较研究，研究者可借助该数据剖析非洲不同国家及地区在劳动力退出市场方面的长期演变趋势，尤其关注性别差异与城乡分割在劳动参与弹性中的交互效应。通过将观测值按年份与国别进行矩阵化重构，能够支撑面板数据回归模型的构建，进而揭示经济发展阶段、政策干预或社会变迁对劳动非参与行为的潜在影响。此外，该数据提供的多维度分类变量（如年龄分层与地域类型）为分解分析奠定了坚实基础，助力识别特定亚群体的劳动市场边缘化特征。

实际应用

在实际应用层面，该数据集可服务于国际发展机构、非洲各国政府及非政府组织对劳动市场监测与政策模拟的需求。例如，通过追踪不同年龄组与性别群体的非参与率波动，决策者能够识别出劳动市场中最易受经济冲击的边缘群体，从而精准投放职业培训、创业扶持或社会保障资源。在城乡维度上，该数据为评估城镇化进程中农村劳动力向城市转移的障碍程度提供了量化窗口，有助于优化就业服务布局。此外，由于数据来源清晰且标注了方法论变更与数据质量标识，研究机构与咨询公司可将其整合进宏观经济预测模型或劳动力评估报告，以提升对非洲就业形势研判的时效性与准确性。

衍生相关工作

该数据集衍生出的相关工作主要围绕劳动市场脆弱性指数构建、非洲体面劳动缺口的空间计量分析以及与微观调查数据的匹配研究。基于其提供的详实分类信息，学术界已发展出针对性别劳动非参与率的分解模型与城乡非经济活动类型的聚类分析，用以刻画不同地区劳动市场疲软的异质性特征。同时，该数据常与其他ILOSTAT劳动力数据集（如失业率、就业人口比及时间利用率）联合使用，构建多维劳动市场压力指数，从而为泛非洲劳动政策的优先级排序提供综合框架。这些衍生工作不仅深化了对非洲非正规就业与隐性失业现象的认知，还推动了劳动统计方法在数据稀缺环境下的适应性创新，例如借助时序填补技术与迁移学习来应对间断序列与数据缺失的挑战。