electricsheepafrica/africa-ilo-emp-pifl-eco-ocu-nb-employment-outside-the-formal-sector-by-economic-a

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的关于非洲非正规经济的统计数据，具体指标为“按经济活动和职业划分的非正规部门外就业（千人数）”。数据集涵盖43个非洲国家，时间跨度为1999年至2025年，共包含55,783个观测值。数据通过ILOSTAT REST API获取，并经过处理以仅包括非洲国家代码。数据集为表格格式，适用于表格分类、回归和时间序列预测等任务，主要用于分析非洲非正规经济中的就业情况。This dataset contains statistics on the informal economy in Africa from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Employment outside the formal sector by economic activity and occupation (thousands). It covers 43 African countries from 1999 to 2025, with 55,783 observations. Data is sourced via the ILOSTAT REST API and filtered to African country codes. The dataset is in tabular format, suitable for tasks such as tabular classification, regression, and time-series forecasting, primarily for analyzing employment in Africas informal economy.

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统计数据库（ILOSTAT），由Electric Sheep Africa对原始劳动统计数据进行标准化封装与元数据增强。构建过程以非洲区域非正规部门就业为核心对象，按照经济活动类别与职业分类进行交叉统计，将原始数值以千人单位统一呈现。数据经过结构化整理后以Parquet格式发布，并配有标准化的加载指引、来源说明与分析导向的上下文注解，最终形成覆盖43个非洲国家、观测时段自1999年延续至2025年的面板数据集合。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过load_dataset函数获取数据对象，进而查看特征结构与样本内容。对于表格型数据，可利用to_pandas方法转换为DataFrame以便开展统计分析与建模。使用时应优先查阅仓库中的数据文件以确认变量定义与计量单位，在建模前检查缺失值分布并审慎处理，避免仅凭标签推断政策含义。分析中可依据国家、年份与指标字段与其他非洲数据集进行联结，构建可复现的研究工作流。

背景与挑战

背景概述

非正规经济就业的量化测度长期构成劳动经济学与发展经济学交叉领域的基础性难题。国际劳工组织（ILO）依托ILOSTAT平台构建的全球劳动力统计体系，为非洲地区非正规部门就业的跨国比较提供了权威数据来源。Electric Sheep Africa于2026年将ILOSTAT原始统计资源进行结构化重封装，形成覆盖43个非洲国家、1999至2025年间55,783条观测记录的数据集，系统刻画了非正规部门就业在不同经济活动与职业类别下的分布格局。该数据集以标准化元数据与可复现加载指引为核心特色，为探究非洲劳动力市场二元结构、非正规就业演化趋势及体面劳动赤字问题奠定了实证基础。

当前挑战

本数据集所回应的核心领域挑战在于非正规就业统计口径的跨国异质性与时序可比性困境，这直接制约着非洲劳动力市场结构性分析的精度与稳健性。构建层面的主要挑战涉及三重维度：其一，ILOSTAT原始数据的指标定义、调查方法与抽样框架在各国间存在系统性差异，统一为标准化表格需依赖大量元数据校核与语义对齐；其二，元数据清单中country与upstream_publisher字段存在缺口，地理归属与来源溯源信息的不完整增加了跨数据集关联分析的风险；其三，缺失值的结构化模式本身可能携带非随机信息，在缺乏充分方法学文档的情形下，任何插补决策均需审慎论证。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集凭借其覆盖43个非洲国家、横跨1999至2025年的55,783条观测记录，成为刻画非洲非正规部门就业结构的核心经验来源。研究者通常以经济活动和职业分类为分析维度，构建面板数据模型，系统考察非正规就业的规模演变与结构特征，并借助可视化手段呈现不同国家与行业间的异质性模式。

解决学术问题

该数据集有效回应了非洲非正规经济研究中长期存在的数据碎片化与跨国可比性不足等难题。通过统一的经济活动与职业分类框架，它为检验非正规就业与经济增长、贫困缓解及制度变迁之间的理论假设提供了可靠的经验基础，推动了关于发展中国家劳动力市场二元结构的学术争论，并提升了非洲劳动统计在国际比较研究中的可见度。

实际应用

在政策实践层面，该数据集为国际组织、政府部门及发展机构评估非正规就业规模、设计社会保障延伸方案和制定就业促进策略提供了量化依据。分析师可将其与人口、教育及宏观经济指标进行链接，识别非正规就业高度集中的行业与区域，从而支持更具针对性的劳动力市场干预与资源配置决策。

数据集最近研究

最新研究方向

非洲非正规经济部门就业结构的研究正逐步从宏观总量估算转向基于经济活动与职业维度的精细化刻画。该数据集覆盖43个非洲国家、1999至2025年逾五万条观测，为解析非正规就业在农业、商贸、服务业及各类职业间的分布异质性提供了长时段面板基础。当前前沿方向聚焦于非正规部门与数字经济、跨境贸易及气候冲击的交互效应，借助机器学习方法识别就业脆弱性群体。相关研究呼应国际劳工组织关于体面劳动与非正规经济转型的全球政策议程，对非洲结构性转型、社会保障扩面及劳动力市场韧性评估具有关键实证价值。