electricsheepafrica/africa-ilo-how-temp-sex-eco-geo-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的工作时长数据，具体指标为按性别、经济活动和城乡划分的就业人员平均每周实际工作时数。数据集覆盖38个非洲国家，时间跨度为1996年至2025年，共18,343个观测值。数据以表格形式组织，包括国家代码、年份、性别分类（总计、男性、女性）、经济活动和城乡区域等维度，适用于表格分类、回归和时间序列预测等机器学习任务。数据来源于ILO harmonized的劳动力调查等原始数据，并经过质量标注（如可靠性和临时状态）。数据集由Electric Sheep Africa重新打包，以Parquet格式发布，便于通过HuggingFace的`load_dataset`快速加载和使用。This dataset contains Hours of work data from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Mean weekly hours actually worked per employed person by sex, economic activity and rural/urban areas. It covers 38 African countries from 1996 to 2025, with 18,343 observations. The data is structured in tabular format, including dimensions such as country code, year, sex disaggregation (total, male, female), economic activity, and rural/urban classification, suitable for tabular classification, regression, and time-series forecasting tasks. Data is sourced from ILO-harmonized raw survey microdata (e.g., labour force surveys) with quality flags (e.g., reliability and provisional status). Repackaged by Electric Sheep Africa in Parquet format for easy loading via HuggingFaces `load_dataset`.

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权威统计数据库，专注于非洲大陆的劳动力市场指标。数据集通过调用ILOSTAT REST API接口，从原始数据库中提取了‘HOW_TEMP_SEX_ECO_GEO_NB’这一核心指标，并依据非洲ISO3国家代码进行地理过滤，仅保留覆盖38个非洲国家的观测数据。随后，Electric Sheep Africa团队对原始数据进行清洗与格式统一化处理，利用ICLS定义的标准化方法对各国劳动力调查的微观数据进行协调与整合，最终封装为18000余条观测记录，形成结构清晰的表格化数据集。

特点

该数据集具有多维度的精细化特征，能够支持复杂的交叉分析。其关键字段包含丰富的分类维度，如性别（总、男、女）、经济活动的部门分类以及城乡地域类型，同时标注了数据来源的详细标签，确保了数据可追溯性。数据时间跨度从1996年至2025年，覆盖长达三十年的年度频率观测值，为时间序列分析提供了坚实的时间纵深。此外，数据集引入了观测状态标记（如临时、不可靠）和注释说明，方便用户评估数据的质量与局限性，体现了严谨的数据治理理念。

使用方法

数据集的使用极为便捷，借助HuggingFace的datasets库即可一行代码完成加载，并直接转换为Pandas DataFrame进行后续分析。用户可通过筛选‘ref_area’字段快速聚焦单一国家的时间序列，或利用‘indicator’列提取特定指标进行趋势可视化。更高级的应用包括构建以年份为索引、国家为列的多维透视矩阵，便于进行面板数据分析或跨国的横向比较。数据集还提供了针对非洲劳动力市场的预定义过滤模板，显著降低了研究人员的数据处理门槛，加快从数据获取到洞察产出的速度。

背景与挑战

背景概述

在劳动经济学与可持续发展研究的交汇点上，精准测度非洲大陆的工作时长变动，对于评估体面劳动目标（SDG 8）的进展具有不可替代的基石作用。该数据集由国际劳工组织（ILO）的ILOSTAT数据库构建，并经Electric Sheep Africa于2025年重新打包发布，聚焦于非洲38个国家在1996至2025年间按性别、经济活动及城乡分类的就业者周均实际工作小时数。通过整合国家劳动力调查与行政记录，该数据集揭示了非洲劳动力市场的结构性特征与时间利用模式，成为研究非正规就业、性别分工及经济转型的跨国基准资源，对政策制定者与发展经济学家提供了高分辨率的比较视角。

当前挑战

尽管数据集整合了ILO统一的统计口径，但其构建与应用仍面临核心挑战。一方面，非洲各国劳动力调查的频率、样本代表性与指标定义存在巨大差异，导致部分国家观测值稀疏或标记为“不可靠”，削弱了跨国时间序列的连续性与可比性。另一方面，原始数据以年度频率为主，缺失高频季节波动信息，且城乡分类（classif2）在部分年份覆盖率不足，使研究者难以精细捕捉非正规经济中弹性工作安排的动态变化。此外，多源数据中的“最佳来源”选择机制虽提升了一致性，却可能掩盖源间偏差，需依赖用户谨慎处理观测状态（obs_status）标记以保障分析结论的稳健性。

常用场景

经典使用场景

该数据集在劳动经济学、发展经济学以及区域研究领域具有广泛的应用价值，尤其适合用于分析非洲大陆不同性别、经济活动部门以及城乡地域间劳动者实际每周平均工作时间的差异与演变规律。研究人员常将其作为面板数据源，构建混合效应模型或固定效应模型，探究制度因素、产业结构转型以及性别平等政策对劳动时间配置的因果效应。此外，数据集的时间跨度覆盖1996年至2025年，使其成为进行长期趋势分析、周期波动检验以及跨囯比较研究的理想素材。借助ILOSTAT统一的方法论与分类标准，该数据集的观测值具备良好的可比性，为严谨的计量分析奠定了基础。

解决学术问题

学术界长期面临的挑战之一是缺乏覆盖非洲国家且经过统一口径清理的劳动时间面板数据，该数据集的问世直接填补了这一空白。研究者以往不得不依赖零散的国家统计年鉴或小规模的微观调查，难以进行跨国横向比较或时间序列上的系统性分析。本数据集通过引入ILO官方整理的指标，解决了数据质量参差不齐、分类标准不一致以及可重复性不足等关键问题，使得学者能够围绕性别劳动分工、非正规就业的劳动强度、城乡劳动时间差距以及经济波动对劳动力市场的冲击等前沿议题展开实证探索。其对缓解数据荒、提升研究的透明度和复现性产生了深远影响。

衍生相关工作

围绕本数据集，学术界与开源社区已经孵化出一系列衍生工作。在计量方法层面，研究人员基于该面板数据开发了用于处理非洲国家数据缺失与测量误差的插补算法和稳健估计框架。在可视化与自动化分析工具方面，Electric Sheep Africa团队在发布原始数据集的同时，提供了探索性数据分析的示例脚本，推动了数据到见解的高效转化。一些后续研究将本数据与其他ILOSTAT指标——如失业率、非正规就业比例——以及地理空间信息相结合，构建了多维劳动力市场态势感知系统。此外，若干高校的宏观经济学与劳动经济学课程已采用此数据集作为教学案例，训练学生掌握面板数据清洗、统计推断与时间序列预测等核心技能，从而孕育出更多聚焦非洲劳动议题的前沿论文与技术报告。