electricsheepafrica/africa-ilo-sdg-b922-noc-rt-sdg-indicator-9-2-2-manufacturing-employment-as-a

该数据集包含联合国可持续发展目标（SDG）指标9.2.2的数据，即制造业就业占总就业的比例（基于第19届国际劳工统计学家会议定义），覆盖非洲地区。数据集包含74个观测值，涉及24个非洲国家，时间跨度为2016年至2025年，仅包含一个独立指标（SDG_B922_NOC_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并经过标准化处理以符合ICLS定义。数据集以表格形式呈现，包括国家代码、年份、观测值、数据来源和状态等列，适用于表格分类、回归和时间序列预测等任务。数据为年度频率，经过Electric Sheep Africa重新打包，以方便机器学习使用。This dataset contains data for Sustainable Development Goal (SDG) indicator 9.2.2, which measures manufacturing employment as a proportion of total employment (based on the 19th International Conference of Labour Statisticians definition), covering Africa. It includes 74 observations across 24 African countries, spanning from 2016 to 2025, with only one distinct indicator (SDG_B922_NOC_RT). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its REST API, and harmonized using ICLS definitions. The dataset is presented in tabular format, with columns such as country code, year, observed value, data source, and status, suitable for tasks like tabular classification, regression, and time-series forecasting. The data is annual frequency and repackaged by Electric Sheep Africa for machine learning readiness.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织（ILO）的ILOSTAT中央统计数据库与联合国可持续发展目标（SDG）数据体系，由Electric Sheep Africa进行工程化整合与标准化发布。原始数据源自ILOSTAT对制造业就业占总就业比例这一SDG指标9.2.2的官方统计记录，覆盖2016至2025年间24个非洲国家的74项观测值。Electric Sheep Africa通过元数据清单系统对原始记录进行结构化封装，生成符合Hugging Face平台规范的Parquet格式文件，并配套标准化元数据、溯源说明与分析指引，形成可复现、可追溯的公开数据集。

使用方法

研究者可通过Hugging Face datasets库以一行代码加载该数据集，获取数据集的划分结构与特征模式，并借助to_pandas方法将表格数据转换为数据框以适配常规分析流程。在使用过程中，建议优先查阅仓库中的数据文件与查看器，确认变量定义与计量单位后再行建模。对于地理信息仅隐含于标题或来源元数据的情形，应在下游分析中明确记录相关假设。缺失值宜保留至具备可辩护的插补规则时再处理，并可结合显式国家、年份与指标字段与其他Electric Sheep Africa数据集进行连接分析。

背景与挑战

背景概述

伴随联合国可持续发展目标（SDGs）在全球统计治理中的深化推进，制造业就业占比作为衡量工业化进程与经济结构转型的关键指标，日益受到发展经济学与劳动经济学的关注。该数据集由Electric Sheep Africa于2026年基于国际劳工组织ILOSTAT及联合国SDG数据库整理发布，覆盖24个非洲国家、74项观测值，时间跨度为2016至2025年。其核心研究问题在于以标准化、可复现的表格形式呈现非洲地区制造业就业占总就业比重的时序变迁，为区域工业化评估、就业结构比较及SDG指标9.2.2的监测提供细粒度证据。作为非洲公共数据目录的一部分，该数据集提升了区域劳动统计数据的可发现性与分析可用性，对非洲经济政策研究与机器学习应用具有基础性支撑意义。

当前挑战

该数据集所回应的领域问题在于非洲制造业就业统计长期面临国别口径不一、时间序列断裂与元数据缺失等困境，致使跨国比较与趋势推断易受系统性偏差干扰。构建过程中，数据整合需协调ILOSTAT与联合国SDG数据源之间的指标定义、单位与覆盖范围差异，且原始清单存在国家字段与上游发布者标记缺失，迫使分析者依赖标题与来源元数据进行地理推断。此外，观测样本量有限、部分年份数据稀疏以及缺失值处理策略的敏感性，均构成建模与推断的显著挑战。如何在保持统计严谨性的前提下，对不完整元数据与稀疏时序进行透明化处理，是该数据集下游应用中亟待审慎应对的核心难题。

常用场景

经典使用场景

在非洲工业化进程与结构转型研究领域，该数据集聚焦于联合国可持续发展目标9.2.2——制造业就业占总就业比例，构成刻画非洲制造业吸纳劳动力能力的关键量化基准。其经典使用场景在于，研究者依托2016至2025年间24个非洲国家的74条观测记录，开展面板数据建模与截面比较分析，检视各国制造业就业份额的时序演变轨迹与跨国异质性。此类分析通常与非洲大陆自由贸易区、工业化战略等政策议题相互勾连，为理解非洲经济体在全球化背景下的产业升级路径提供实证锚点。

解决学术问题

长期以来，非洲劳动统计资料零散且口径不一，严重制约了比较政治经济学与发展经济学领域对制造业就业结构的系统考察。该数据集通过ILOSTAT与联合国SDG数据框架的标准化整合，缓解了跨国指标可比性不足的痼疾，使研究者得以在统一口径下检验去工业化假说、结构变迁理论以及制造业就业与经济增长的关联机制。其意义在于为非洲工业化程度评估提供了可复现的数据基础，亦为SDG进展监测与政策效能评价贡献了可验证的证据来源。

实际应用

在实务层面，该数据集服务于国际发展机构、区域政策智库与非洲各国统计部门的多重需求。国际组织可借助其监测SDG 9.2.2指标的落实进度，识别制造业就业增长滞后的国家并优化援助资源配置。政策研究者能够据此评估工业化政策对就业结构的实际拉动效应，企业投资者亦可结合国别制造业就业规模研判市场潜力与劳动力供给条件。此外，该数据集与Electric Sheep Africa目录下其他非洲数据集联合使用，可支撑跨领域的综合发展诊断。

数据集最近研究

最新研究方向

围绕非洲工业化与结构转型议题，该数据集所承载的SDG指标9.2.2制造业就业占比，正被前沿研究用于刻画非洲24国2016至2025年间制造业吸纳劳动力的动态轨迹。在非洲大陆自贸区落地、全球产业链重构与去工业化风险并存的背景下，相关研究借助该数据集的小样本长时序面板结构，结合ILOSTAT与联合国SDG数据源，探讨制造业就业份额与经济增长、非正规就业及性别差距之间的关联。其意义在于为非洲工业化政策评估提供可复现的微观证据，并推动开放数据与官方统计的交叉验证，助力区域产业政策的循证决策。