electricsheepafrica/africa-ilo-luu-xlu3-sex-mts-rt-combined-rate-of-unemployment-and-potential-labour

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，具体指标为按性别和婚姻状况划分的失业率和潜在劳动力综合比率（LU3）。数据集覆盖42个非洲国家，时间跨度为1994年至2025年，共4,944个观测值。数据以表格形式组织，包括国家代码、年份、性别、婚姻状况分类、观测值等字段，适用于表格分类、回归和时间序列预测任务。数据经过Electric Sheep Africa重新打包，以Parquet格式提供，便于机器学习研究使用。This dataset contains Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Combined rate of unemployment and potential labour force (LU3) by sex and marital status. It covers 42 Africa countries from 1994 to 2025, with 4,944 observations. The data is organized in tabular format, including fields such as country code, year, sex, marital status classification, observed values, etc., suitable for tabular classification, regression, and time-series forecasting tasks. The dataset has been repackaged by Electric Sheep Africa in Parquet format for machine learning research.

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，聚焦非洲地区劳动力市场中的隐性失业现象。构建过程通过调用ILOSTAT的REST API接口，直接获取了“失业与潜在劳动力合计率（LU3）”这一核心指标数据，并依据ISO 3166-1 alpha-3代码筛选出42个非洲国家。原始数据经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，来源标注于source.label列，确保数据可追溯。Electric Sheep Africa团队进一步将数据整理为规范的表格格式，并以Parquet格式封装发布，便于机器学习场景下的直接调用。

特点

数据集包含4,944条观测记录，时间跨度从1994年至2025年，覆盖42个非洲国家，提供了按性别（总体、男性、女性）和婚姻状况进行细分的单一指标观测值。数据以年度频率呈现，每条记录均附有观测值状态标记（如临时、不可靠或序列中断），并详细记录了数据来源及方法修订等元信息。这种精细的分层结构与丰富的辅助标注，使得研究者能够深入分析不同人口群体在非洲各国的劳动力利用不足状况，为政策评估与学术研究提供了高价值的数据基础。

使用方法

数据集通过HuggingFace Datasets库提供便捷加载方式，用户仅需调用`load_dataset()`函数即可将数据读取为Pandas DataFrame格式。支持按国家代码（如`KEN`）进行单国数据筛选，也可针对特定指标进行时间序列分析及可视化。此外，用户可借助透视表功能，将数据重塑为国家×年份的矩阵形式，以开展跨国面板分析。数据采用CC-BY-4.0许可协议发布，使用时需同时引用ILO原始数据及Electric Sheep Africa的重新打包工作。

背景与挑战

背景概述

在全球劳动力市场分析中，劳动力利用不足指标是衡量经济健康与社会福祉的关键尺度。该数据集由国际劳工组织（ILO）的ILOSTAT数据库于2025年发布，经Electric Sheep Africa重新包装后呈现，专注于非洲地区42个国家的LU3综合失业与潜在劳动力比率（按性别与婚姻状况细分），涵盖1994至2025年间共4944个观测值。该指标突破了传统失业率的局限，将潜在劳动力纳入考量，为研究非洲大陆不充分就业、性别差异及婚姻状态对劳动参与的影响提供了标准化数据基础。其在非洲劳动力经济学、发展经济学及国际比较研究中具有重要影响力，尤其填补了非洲国家细分人口统计特征的劳动市场数据空白。

当前挑战

该数据集所解决的领域挑战在于非洲劳动力市场数据的碎片化与不兼容，传统失业率指标常低估实际劳动利用不足状况，而LU3指标通过纳入潜在劳动力提供了更全面的度量，但自身面临跨年份、跨国别数据来源与调查方法不一致的难题。构建过程中遇到的挑战包括：从ILOSTAT REST API中提取并保证数据一致性，处理42个国家间调查设计差异、年度频率数据与月度/季度序列的兼容问题，以及标记序列中断、方法修订等数据质量告警。此外，国际劳工会议定义的标准与各国实际执行差异导致数据可比性受限，需依赖ILO的‘最佳来源’筛选机制来缓解，但仍存在分类维度（如婚姻状态）不完整或不同源带来的偏差风险。

常用场景

经典使用场景

该数据集收录了1994年至2025年间42个非洲国家的综合失业与潜在劳动力比率（LU3），并按性别与婚姻状况进行细致划分，共计4944条观测记录。其经典使用场景在于为劳动经济学研究提供跨时空、多维度的基准数据，研究者可借助该数据集分析非洲各国劳动力闲置程度的长期演变趋势，识别不同社会群体的就业脆弱性，并构建预测模型来评估宏观经济政策对劳动力市场的动态影响。

衍生相关工作

该数据集的衍生工作主要体现在以下方面：一方面，它可作为训练机器学习模型的标签数据，用于预测非洲国家年度失业率波动或分类劳动力市场健康度；另一方面，它为构建非洲劳动力流动图谱提供了关键时间轴，后续研究可将其与教育、健康等多源数据集进行联邦学习融合，探索劳动力受限的深层社会决定因素。此外，Electric Sheep Africa基于本数据源开发的标准化Pipeline已被借鉴用于其他ILOSTAT指标的非洲子集打包，形成了可复用的数据工程范式。

数据集最近研究

最新研究方向

该数据集围绕非洲地区劳动力利用不足的综合指标（LU3），聚焦于失业与潜在劳动力人口的性别与婚姻状况交叉分析，为理解非洲劳动力市场结构性缺陷提供了精细化视角。当前研究前沿已从宏观失业率转向多维劳动利用不足测量，尤其关注非正规就业、就业不足等隐性失业形态。结合ILOSTAT标准化框架，该数据支持基于性别的劳动力参与差异、婚姻对就业稳定性影响的纵向追踪，以及1994年至2025年跨越42个非洲国家的时序建模。这一方向与全球劳动力统计现代化议程紧密关联，为非洲大陆自贸区建设、青年就业政策及性别平等评估提供了数据驱动的决策基础，推动实证研究从描述性统计向预测性劳动力市场监测演进。