electricsheepafrica/africa-ilo-emp-5tru-sex-age-nb-time-related-underemployment-by-sex-and-age-19th-i

该数据集包含非洲23个国家从2016年至2025年关于时间相关就业不足的802个观测值，数据来源于国际劳工组织（ILO）的ILOSTAT数据库。指标为EMP_5TRU_SEX_AGE_NB，表示按性别和年龄划分的时间相关就业不足（基于第19届国际劳工统计学家会议定义，以千计）。数据集为表格格式，适用于分类、回归和时间序列预测任务，经过重新打包以方便机器学习使用。数据包括国家代码、年份、性别分类、观测值等字段，并涵盖数据质量说明和使用示例。This dataset contains 802 observations of Time-related underemployment data across 23 Africa countries, spanning 2016–2025, sourced from the International Labour Organization (ILO) ILOSTAT database. The indicator is EMP_5TRU_SEX_AGE_NB, representing time-related underemployment by sex and age based on the 19th International Conference of Labour Statisticians (thousands). It is in tabular format, suitable for classification, regression, and time-series forecasting tasks, and has been repackaged for machine learning readiness. The data includes fields such as country codes, years, sex disaggregation, observed values, and comes with data quality notes and usage examples.

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，专注于非洲地区按性别和年龄划分的与时间相关的不充分就业情况。数据通过ILOSTAT REST API直接获取，筛选出非洲ISO3国家代码，并基于ICLS（国际劳动统计学家会议）定义对原始调查微观数据进行统一整合。数据集涵盖了来自23个非洲国家、2016年至2025年间的802条观测记录，每条记录均标注了数据来源以增强可追溯性。其架构包含国家代码、指标编码、性别与年龄分类、观测值及状态标记等字段，便于进行多维度的劳动统计分析与交叉比较。

使用方法

使用者可通过HuggingFace Datasets库便捷地加载该数据集，只需调用`load_dataset`函数并传入数据集名称，返回的数据可直接转换为Pandas DataFrame进行后续处理。例如，可按国家代码过滤以分析特定国家的就业趋势，或按时间排序对特定指标进行时间序列预测。数据集也支持透视操作，可构造年份与国家的矩阵矩阵，便于对比不同国家间的劳务市场动态。该数据集适配表格分类、回归及时间序列预测等多种任务，为劳动经济学与区域发展研究提供了坚实的数据基础。

背景与挑战

背景概述

此数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT创建，并由Electric Sheep Africa于2025年重新包装发布，聚焦非洲地区与时间相关的不充分就业问题。时间相关的不充分就业（即劳动者虽已就业但工作时间不足、寻求或可额外工作）是衡量劳动力市场质量的关键指标，尤其在非洲大陆，非正规就业与就业不足问题普遍存在，对可持续发展目标（SDG）的体面劳动议题具有重要指示意义。该数据集覆盖2016至2025年间23个非洲国家的802条观测记录，提供了按性别和年龄分层的标准化统计数据，是研究非洲劳动力市场结构性特征、评估就业政策效果以及开展跨国时间序列分析的核心资源，其发布填补了该区域高质量、开箱即用的劳动力微观数据缺口，对学术界、政策制定者及国际发展机构极具价值。

当前挑战

构建该数据集面临的核心挑战源于非洲劳动力数据生态的固有复杂性。首先，各国家统计能力参差，数据收集依赖国家劳动力调查、家庭收支调查等多种来源，导致原始数据在调查设计、问卷措辞及ICLS统计定义遵循程度上存在显著异质性，ILO虽进行了协调，但‘方法修订’（Methodology revised）和‘序列中断’（Break in series）等状态标记凸显了时间序列的不连贯性，给长期趋势分析带来障碍。其次，非洲国家间的数据覆盖面不均衡，部分国家观测频次低、年份稀疏（如埃及仅2024年有数据）或关键指标缺失，限制了细粒度群体（如特定性别或年龄段）的建模能力。此外，数据整合过程中需处理多源数据的去重、最佳来源选择及元数据标准化，而原始数据中有时缺少分项注释，增加了数据质量评估与复现的复杂性。

常用场景

经典使用场景

在劳动经济学与非洲区域研究的交叉领域中，africa-ilo-emp-5tru-sex-age-nb-time-related-underemployment-by-sex-and-age-19th-i数据集为研究者提供了一扇窥探非洲大陆时间相关不充分就业现象的窗棂。该数据集最经典的使用场景在于通过性别与年龄的双重维度解构不充分就业的演变轨迹，研究者可借助其覆盖2016至2025年间23个非洲国家的年度观测值，构建面板数据模型以剖析社会经济转型期劳动力市场的结构性矛盾。例如，通过绘制不同性别群体的不充分就业时序曲线，能够揭示性别平等政策在就业质量领域的实际效能；而按年龄分层的时间序列分析，则有助于捕捉青年劳动力从教育向就业过渡阶段的脆弱性特征。这种融合了地理跨度、时间纵深与人口属性的研究框架，为探索非洲大陆劳动力市场异质性提供了坚实的数据基石。

解决学术问题

该数据集的核心学术价值在于填补了非洲地区时间相关不充分就业精细化计量研究的空白。传统劳动统计多聚焦于失业率这一单一指标，却忽略了劳动者虽已就业但工作时长不足这一隐性劳动力闲置问题。得益于ILO依据第19届国际劳动统计学家会议定义的标准化统计口径，该数据集能够系统性地揭示非洲劳动力市场中“有业无时”现象的规模与分布规律。通过性别与年龄的交叉分类，研究人员得以量化分析女性因家庭照料责任而被迫接受非充分就业的性别化不平等，以及青年群体因技能错配或正规就业机会匮乏而陷入低工时陷阱的代际困境。这些发现直接推动了关于不充分就业与贫困陷阱、人力资本折旧以及社会不稳定因素之间因果链条的实证研究，为发展经济学中“体面劳动”与“包容性增长”的理论建构注入了非洲视角的经验证据。

实际应用

在政策制定与国际发展合作的实际场景中，该数据集扮演着精准诊断工具与效果评估标尺的双重角色。非洲各国劳动部门及国际组织（如ILO、世界银行）可基于其对时间相关不充分就业的跨年度监测，识别出就业质量恶化的高危国家与脆弱群体（如卢旺达农村女性或赞比亚青年男性），从而将有限的社会保护资源定向投放至非正规经济转型、技能培训扩容或公共就业计划等干预领域。对于从事非洲市场研究的跨国企业而言，分国家、分性别与年龄的不充分就业率演变趋势隐含了劳动力供给弹性与消费能力变迁的信号——不充分就业率的攀升往往预示着可支配收入增长乏力，进而影响快消品、金融服务等行业的需求预测模型。该数据集还为民用科技公司优化劳动匹配平台（如短期零工就业服务）提供了区域准入优先级评估的量化依据。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区时间相关就业不足的性别与年龄结构解析，依托ILOSTAT官方统计口径与第19届国际劳工统计学家会议（ICLS）定义，为前沿劳动经济学研究提供了高颗粒度的纵向面板数据。当前研究热点集中于利用这些时序观测（2016-2025年，覆盖23个非洲国家）剖析后疫情时代非洲劳动力市场的结构性脆弱性，尤其是女性与青年群体在非正规就业中的隐性失业动态。数据集中标注的序列中断与方法修订字段，更为探究调查方法变迁对统计一致性的影响提供了独特视角。这一资源正推动着非洲可持续生计、体面劳动指标监测及区域劳动力政策评估等议题的实证分析走向精细化。