electricsheepafrica/africa-ilo-eip-xjob-sex-nb-potential-labour-force-and-willing-non-jobseekers

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，具体关注非洲地区的潜在劳动力和愿意的非求职者（以千计）。数据集涵盖28个非洲国家，时间跨度为2008年至2025年，共有324个观测值，涉及一个核心指标（EIP_XJOB_SEX_NB）。数据通过ILOSTAT REST API获取，并经过过滤以仅包含非洲国家代码。数据集包括国家代码、指标、性别分类、年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并经过ILO的标准化处理，确保与ICLS定义一致。This dataset contains Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically focusing on the potential labour force and willing non-jobseekers (in thousands) in Africa. It covers 28 African countries from 2008 to 2025, with 324 observations and one core indicator (EIP_XJOB_SEX_NB). Data is sourced via the ILOSTAT REST API and filtered to include only African country codes. The dataset includes columns such as country code, indicator, sex disaggregation, year, observed value, and is suitable for tasks like tabular classification, regression, and time-series forecasting. Data is published at annual frequency and harmonized by ILO following ICLS definitions.

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数据库，由Electric Sheep Africa团队重新封装后发布于HuggingFace平台。数据通过ILOSTAT REST API直接拉取，筛选出非洲28个国家的ISO3代码后整合而成。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行统一协调，并在数据集中标注了数据来源（source.label字段）以确保可追溯性。数据集涵盖了2008年至2025年间的324条观测记录，聚焦于“潜在劳动力与自愿非求职者”这一劳动力利用不足的核心指标。

特点

该数据集以高粒度的结构化表格形式呈现，包含国家、性别、时间等关键维度，支持分类、回归及时间序列预测等多种任务。其独特之处在于仅包含一个核心指标（EIP_XJOB_SEX_NB），但提供了丰富的元数据注释，如观测状态标签（obs_status）和断点说明（note_indicator.label），便于用户识别数据中的方法论修订或异常情况。数据集覆盖了28个非洲国家，时间跨度长达18年，且包含按性别（总、男、女）的细分，为深入分析非洲大陆劳动力市场的结构性特征提供了宝贵的定量基础。

使用方法

用户可通过HuggingFace的`datasets`库轻松加载该数据集，一行代码即可将数据转换为Pandas DataFrame进行分析。典型应用包括按国家筛选特定地区的时间序列数据、对单一指标进行趋势可视化，或通过透视表构建国家-年份矩阵以进行跨区域比较。由于数据已标准化为Parquet格式并附有完整的模式说明，研究人员和开发者能够迅速将其集成到机器学习工作流或统计建模中，无需额外的数据清洗流程，极大提升了非洲劳动力研究的效率。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理并发布，经由Electric Sheep Africa进行数据再封装与标准化处理，聚焦于非洲地区潜在劳动力与未求职但愿意工作人群的数量测量。作为ILOSTAT数据库的重要子集，该数据集覆盖2008至2025年间28个非洲国家的324条观测记录，旨在刻画劳动力利用不足的隐性维度——那些虽未积极寻找工作却具备劳动意愿的非传统失业群体。这一视角填补了传统失业率指标对劳动力市场结构性矛盾的洞察盲区，尤其对研究非洲等非正规就业普遍、劳动力流动性高的区域具有不可替代的价值。该数据集通过统一的ILO方法论（遵循ICLS定义）对各国劳动力调查原始微数据进行规范化处理，为跨国比较分析提供了可靠基础，已成为区域劳动力市场研究、政策制定及可持续发展目标（SDG）评估的重要资源。

当前挑战

该数据集所应对的领域核心挑战在于量化隐性劳动力储备，即揭示那些被常规失业统计所忽略、但事实上构成潜在劳动供给的人群规模。非洲地区非正规经济占比高、人口流动频繁，使得这类隐性失业的精准测度尤为困难。在构建过程中，数据面临多重挑战：首先，各国劳动力调查的制度框架、问卷设计及季节性波动差异显著，导致数据可比性受限；其次，ILOSTAT虽通过最佳来源选择与断点标注（如'Break in series'标识）进行质量管控，但源数据质量参差不齐，部分观测值被标记为临时性或不可靠；再者，非洲国家统计体系薄弱，2008–2025年间多国出现方法论变更与数据断代，增加了长期趋势分析的复杂性；此外，数据集仅提供逐年频率，缺乏更高频次（月度或季度）的更新，对捕捉短期经济冲击下的劳动力变化构成制约。

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地带，该数据集作为衡量劳动力利用不足状况的关键指标，最经典的用途在于分析非洲各国潜在劳动力与意愿非求职者的规模及其演变规律。研究者常借助这一跨年度、多国别的面板数据，描绘2008至2025年间非洲大陆劳动力市场的隐性失业图景。通过按性别维度拆解观测值，能够揭示不同社会群体在就业边缘地带的生存状态，从而为理解非洲特有的非正规经济吸纳能力与劳动力闲置现象提供量化基础。

解决学术问题

该数据集精准回应了传统失业率指标在非洲语境下的解释力不足这一学术困境。由于大量劳动者虽未积极求职却仍有工作意愿，官方失业率往往低估了真实的劳动供给压力。依托ILOSTAT的标准化定义与跨国产出，数据集帮助学者量化被统计体系忽略的劳动力利用不充分问题，填补了非洲国家间可比性研究的空白。其引入性别分层则推动了妇女经济参与障碍的实证探讨，为修正劳动市场理论在发展中国家中的适用性提供了关键证据。

衍生相关工作

围绕这一核心指标，学术界已派生出一系列围绕劳动力利用不充分测度方法的比较研究以及非洲区域劳动市场动态分析工作。研究者曾利用该数据集的时序特性构建预测模型，探讨经济增长与潜在劳动力释放之间的关联机制。该数据集也催生了将非洲劳动力状况与全球其他区域进行横向对比的计量分析，以及针对特定国家如南非、卢旺达的案例研究，进一步拓展了对非洲就业质量与劳工权益保障议题的讨论边界。