electricsheepafrica/africa-ilo-emp-nifl-sex-ind-nb-informal-employment-by-ilo-sector-and-sex-thousand

该数据集包含国际劳工组织(ILO)ILOSTAT数据库中关于非洲地区按ILO部门和性别划分的非正规就业统计数据(以千人为单位)。数据集涵盖41个非洲国家从2009年至2025年的8,417个观测值，核心指标为EMP_NIFL_SEX_IND_NB。数据字段包括国家代码、国家名称、数据来源、指标代码、性别分类(总计、男性、女性)、ILO部门分类、观测年份、观测值、数据状态标志及相关注释。数据来源于ILO的官方统计数据库，经过统一标准化处理，适用于劳动力市场分析、经济研究和机器学习任务。数据集由Electric Sheep Africa重新打包，采用cc-by-4.0许可协议。This dataset contains informal employment statistics from the ILOs ILOSTAT database, disaggregated by ILO sector and sex (in thousands), focusing on Africa. It includes 8,417 observations across 41 African countries spanning 2009-2025, with the core indicator EMP_NIFL_SEX_IND_NB. Data fields include country codes, country names, data sources, indicator codes, sex disaggregation (total, male, female), ILO sector classification, observation year, observed values, data status flags, and relevant notes. Sourced from ILOs official statistical database and harmonized using International Conference of Labour Statisticians definitions, the dataset is repackaged by Electric Sheep Africa under the cc-by-4.0 license, suitable for labor market analysis, economic research, and machine learning tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队基于国际劳工组织（ILO）的ILOSTAT数据库构建而成。数据通过REST API接口从ILOSTAT直接获取，原始指标ID为EMP_NIFL_SEX_IND_NB，并依据非洲ISO3国家代码进行过滤筛选。ILOSTAT数据库本身通过整合各国劳动力调查、家计收入调查、企业调查及行政记录等多元数据来源，并依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，以确保指标口径的一致性。数据集中的每条观测均标注了数据来源标识（source.label），以便追溯原始调查的出处，体现了严谨的数据溯源与质量管控理念。

特点

本数据集汇集了2009年至2025年间非洲41个国家的非正规就业数据，共计8,417条观测记录，覆盖了唯一的核心指标——按ILO行业和性别分组的非正规就业人数（单位：千人）。数据集的特色在于其丰富的维度拆解能力：包含性别（总、男、女）与行业分类两类关键维度，可支持多维度的交叉分析。此外，数据附带了详尽的元数据注释，如观测状态标志（如可靠性、临时性）以及方法修订导致的序列断裂说明，为用户判断数据质量与适用性提供了重要参考，体现了高度的专业性与透明度。

使用方法

使用者可通过HuggingFace Datasets库轻松加载该数据集，仅需一行代码`load_dataset("electricsheepafrica/africa-ilo-emp-nifl-sex-ind-nb-informal-employment-by-ilo-sector-and-sex-thousand")`即可获取训练集数据并将其转换为Pandas DataFrame进行后续操作。针对特定的分析需求，用户可依据国家代码（ref_area）筛选单国数据，亦可按指标分组后按时间排序进行时间序列分析与可视化。更进一步的，可以通过数据透视表将原始的长格式数据转化为以时间为行、国家为列的矩阵，便于横向比较各国非正规就业的年度变迁。

背景与挑战

背景概述

非正规就业作为劳动力市场的重要组成部分，长期以来在全球发展议程中备受关注，尤其在非洲大陆，它既是数以亿计劳动者生计的依托，也构成了政策制定与统计监测的棘手议题。国际劳工组织（ILO）作为劳动统计领域的权威机构，其下属的ILOSTAT数据库自2010年代以来持续整合各国劳动力调查数据，致力于提供可比较的跨国劳动指标。在此背景下，Electric Sheep Africa于2025年对ILOSTAT中的非正规就业指标进行再封装，创建了该数据集，涵盖2009至2025年间41个非洲国家的8,417条观测记录，专注于按ILO行业和性别划分的非正规就业人数（千计）。该数据集以统一、机器可读的格式呈现，弥补了非洲区域精细劳动统计数据的缺口，为区域发展研究、劳动经济学分析及联合国可持续发展目标（SDG）中的体面工作指标追踪提供了关键数据支撑。

当前挑战

该数据集所应对的领域挑战主要源于非洲大陆劳动统计体系的碎片化与不统一。各国劳动力调查的问卷设计、抽样方法、季节调整及非正规就业定义各异，即便ILO采用国际劳工统计学家会议（ICLS）标准进行协调，跨国的可比性依然面临严峻考验，数据源标注中的“断点”与“修订”信息揭示了方法论的不连续性。在构建层面，数据集面临多重技术挑战：从多个国家调查档案中提取并清洗非结构化元数据，将异构的分类体系（如行业代码、性别标识）映射至统一框架，处理年度数据中大量缺失值与不可靠标记（如观测状态“U”），并确保长面板数据在时间维度上的序列一致性。此外，对于调查频率低、样本量小的国家，观测稀疏性与估算依赖问题使得数据质量难以保障，进而约束了其在预测建模与因果推断中的应用效能。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇处，该数据集为评估非洲大陆非正规就业的规模与结构提供了权威的量化基础。其最经典的使用场景在于对非洲41国2009至2025年间非正规就业人口的纵向追踪分析，研究者可依据性别与ILO行业分类两大核心维度，深入剖析不同国家非正规就业的演变轨迹。通过将观测值按时间序列展开，能够系统刻画非正规就业在总就业中的占比波动，识别行业间的结构性差异，并对比男性与女性劳动者在非正规经济中的参与率变化，为理解非洲劳动力市场的动态特征奠定坚实的数据基石。

实际应用

在实际应用层面，该数据集为非洲各国政府、国际发展机构及非政府组织制定精准的就业促进政策提供了不可或缺的数据支撑。政策制定者可借助性别与行业维度的精细化数据，识别出哪些行业女性非正规就业比例过高，从而设计针对性的技能培训与社会保障扩展计划。同时，国际劳工组织可利用此数据集监测可持续发展目标中体面劳动指标的进展情况，评估不同国家在减少非正规就业方面的成效。非正规经济占非洲GDP比重过半的现实背景下，该数据集还服务于劳动权益倡导、社会保护体系改革及区域经济一体化战略的量化论证，具有显著的社会变革助推价值。

衍生相关工作

围绕此数据集，学术社区已衍生出一系列具有影响力的经典研究脉络。在方法论层面，基于该数据的时间序列结构，学者们开发了适合稀少样本与缺失值场景的贝叶斯插补模型，用以推估数据覆盖缺口年份的非正规就业规模。在实证研究方向上，衍生工作涵盖了非正规就业与城市化的交互效应分析、新冠疫情对非洲非正规经济冲击的跨国评估、以及女性非正规就业与家庭福利代际传递关系的微观计量研究。此外，该数据集还催生了若干预测性机器学习模型，利用宏观经济指标与制度变量对非正规就业率进行前瞻性估计，为前瞻性的劳动市场规划提供了计算工具与决策参考。