electricsheepafrica/africa-ilo-eip-dwap-sex-geo-mts-rt-inactivity-rate-by-sex-rural-urban-area-and-marita

该数据集名为按性别、城乡地区和婚姻状况划分的不活动率（%）| 非洲（ILOSTAT），包含来自国际劳工组织（ILO）ILOSTAT数据库的劳动力统计数据，专注于其他劳动力未充分利用指标。数据集覆盖45个非洲国家，时间跨度为1994年至2025年，共有19,390条观测记录。核心指标为EIP_DWAP_SEX_GEO_MTS_RT，即按性别、城乡地区和婚姻状况划分的不活动率（百分比）。数据通过ILOSTAT REST API获取，并经过非洲国家代码过滤，采用国际劳工统计学家会议（ICLS）定义进行标准化。数据集包含多个列，如国家代码（ref_area）、年份（time）、性别分类（sex）、城乡分类（classif1）、婚姻状况分类（classif2）和观测值（obs_value）等，适用于表格分类、回归和时间序列预测任务。数据由Electric Sheep Africa重新打包，以Parquet格式发布，便于机器学习使用。This dataset, titled Inactivity rate by sex, rural / urban area and marital status (%) | Africa (ILOSTAT), contains labour statistics from the International Labour Organization (ILO) ILOSTAT database, focusing on Other measures of labour underutilization. It covers 45 African countries from 1994 to 2025, with 19,390 observations. The core indicator is EIP_DWAP_SEX_GEO_MTS_RT, representing the inactivity rate by sex, rural/urban area, and marital status (%). Data is sourced directly from the ILOSTAT REST API, filtered for African ISO3 country codes, and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset includes columns such as country code (ref_area), year (time), sex disaggregation (sex), area type classification (classif1), marital status classification (classif2), and observed value (obs_value), making it suitable for tabular classification, regression, and time-series forecasting tasks. Repackaged by Electric Sheep Africa in Parquet format for machine learning readiness.

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核心统计数据库，聚焦非洲地区劳动市场参与度的关键指标——按性别、城乡区域及婚姻状况划分的不活动率。数据通过ILOSTAT REST API直接抽取，并依据非洲ISO3国家代码进行筛选过滤；原始微观数据经国际劳工统计学家会议（ICLS）定义统一协调，来源信息以‘source.label’列标注以确保可追溯性。最终整合为涵盖45个非洲国家、1994至2025年间19,390条观测记录的紧凑型数据集，由Electric Sheep Africa机构重新封装发布。

特点

该数据集以表格形式呈现单一核心指标（EIP_DWAP_SEX_GEO_MTS_RT），强调多维度细分能力：通过‘sex’字段区分总人口、男性与女性，‘classif1’与‘classif2’分别承载城乡区域覆盖与婚姻状况聚合分类。观测值以浮点数记录，附带状态标记（如不可靠值‘U’）与系列断裂说明，为使用者提供数据质量评估依据。覆盖时长逾三十年、地理跨度广阔，使其成为研究非洲劳动力闲置问题与性别、地域差异演变的宝贵时间序列资料。

使用方法

使用者可通过HuggingFace datasets库的load_dataset()函数一键加载，并利用Pandas转换为DataFrame进行灵活分析。典型操作包括：根据‘ref_area’字段筛选特定国家得到子集，按‘indicator’与‘time’排序绘制单指标时间序列曲线，或通过pivot_table重构为以年份为行、国家为列的矩阵，便于横向对比与趋势挖掘。数据以CC-BY-4.0许可发布，引用时需同时标注原数据来源（ILO）及Electric Sheep Africa的重封装工作。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并经由Electric Sheep Africa重新打包整理，聚焦于非洲45个国家1994至2025年间按性别、城乡区域及婚姻状况划分的劳动力未充分利用率指标。其核心研究问题在于揭示非洲大陆劳动力市场中非经济活动人口的分布特征，尤其是不同社会人口属性群体间的差异，为理解非洲就业结构、性别不平等及城镇化进程中的劳动参与动态提供了关键数据基础。作为ILOSTAT这一全球劳动统计权威来源的子集，该数据集填补了非洲地区在精细化劳动参与率研究上的数据空白，对发展经济学、劳动经济学及国际发展政策评估具有重要影响力，尤其支撑了联合国可持续发展目标中关于体面工作和经济增长的监测与实证分析。

当前挑战

该数据集所解决的领域挑战在于，传统劳动统计往往仅关注失业率，而忽略了占非洲劳动力市场显著比例的‘非经济活动人口’（如因家庭责任、教育或健康原因未参与劳动且未寻求工作的人群），该指标通过分解性别、城乡及婚姻状况，能够更精准地刻画劳动参与的结构性障碍。在构建过程中，面临的挑战包括：跨45个国家、30余年间的调查数据来源存在方法差异，需通过ILO的国际劳动统计学家会议（ICLS）定义进行协调统一；原始数据的观测状态标记（如‘不可靠’、‘系列中断’）要求数据用户谨慎处理质量波动；此外，分类变量（如婚姻状况、地域覆盖）在不同国家间定义不完全一致，需通过标准化分类字段（classif1、classif2）进行映射，增加了数据整合的复杂性。

常用场景

经典使用场景

该数据集基于国际劳工组织ILOSTAT数据库的权威统计，聚焦于非洲45个国家1994至2025年间按性别、城乡区域及婚姻状况划分的经济不活跃率。作为劳动经济学与人口统计学交叉领域的标志性资源，其经典使用场景包括构建长时段跨国面板数据以追踪非洲劳动力市场结构性变化，评估性别差异与城市化进程对劳动参与行为的交互影响，并支持时间序列预测模型来刻画经济不活跃率的演化轨迹。

实际应用

在实际应用层面，该数据集为非洲政府、国际组织及发展机构提供了监测可持续发展目标中体面劳动进展的量化工具。政策制定者可依据性别与区域细分的动态不活跃率，精准识别弱势群体并设计针对性劳动激活方案，例如为农村已婚女性创设灵活就业渠道或改善城市青年就业服务。跨国企业与社会企业亦可据此评估人资市场供应潜力，优化区域投资与人才引进策略。

衍生相关工作

围绕该数据集衍生的经典工作包括基于ILOSTAT时序分解与面板计量模型的非洲劳动力闲置成因研究，以及采用机器学习方法对不活跃率进行多因素归因预测。部分学者进一步整合家庭调查微观数据，解析婚姻状况与地理区位对女性劳动参与的异质性效应，此外还涌现出将该数据与经济活动率、失业率联合构建劳动力市场综合预警系统的创新实践。