electricsheepafrica/africa-ilo-emp-5nif-sex-age-nb-informal-employment-by-sex-and-age-19th-icls-thous

该数据集包含来自23个非洲国家在2016年至2025年期间的744个观测值，涵盖了“非正规经济”相关数据，涉及1个不同的指标。具体来说，它关注按性别和年龄划分的非正规就业数据，采用第19届国际劳工统计学家会议（ICLS）的定义，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并经过处理和重新打包，以适用于机器学习和数据分析任务。数据集以表格形式呈现，包括国家代码、年份、性别分类、观测值等字段，旨在为研究人员和开发者提供非洲地区劳动力市场的标准化数据。This dataset contains 744 observations of informal economy data across 23 Africa countries, spanning 2016–2025, covering 1 distinct indicator. It focuses on informal employment by sex and age based on the 19th International Conference of Labour Statisticians (ICLS) definitions, sourced from the International Labour Organization (ILO) ILOSTAT database, and repackaged for machine learning and data analysis use. The data is presented in tabular format with fields such as country codes, year, sex disaggregation, and observed values, aiming to provide standardized data on labor markets in Africa for researchers and developers.

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统计数据库构建，通过REST API接口直接拉取标识符为EMP_5NIF_SEX_AGE_NB的原始指标数据，并依据非洲ISO3国家代码进行地理范围过滤。ILOSTAT基于第19届国际劳工统计学家会议（ICLS）的定义对各国劳动力调查微观数据进行协调与标准化处理，数据来源信息在source.label字段中予以标注，确保了跨国家、跨年份数据的可比性与可追溯性。

特点

数据集汇聚了2016年至2025年间非洲23个国家的非正规就业观测数据，共计744条记录。其核心优势在于丰富的维度拆解能力，涵盖性别（总体、男性、女性）与年龄组别等多重分类变量，便于研究者从不同人口统计视角剖析非正规经济活动的规模与结构。同时，数据集包含了诸如数据状态标志、来源注释等元信息，有助于用户评估数据质量与序列连续性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载该数据集，并便捷地转换为Pandas DataFrame格式进行分析。典型应用包括按国家筛选子集、对特定指标进行时间序列可视化，以及利用透视表构建国家与年份的观测值矩阵。数据集采用CC-BY-4.0许可协议，鼓励学术研究与政策分析场景下的广泛使用与传播。

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ILOSTAT数据库整理发布，并由Electric Sheep Africa重新封装为机器学习就绪格式。核心研究问题聚焦于非洲地区非正规就业的规模与结构，特别是按性别和年龄划分的就业人数（基于第19届国际劳动统计学家会议定义）。作为劳动经济学与发展研究的关键资源，该数据集覆盖23个非洲国家、2016至2025年的年度观测值，为理解非洲非正规经济的动态演变提供了标准化、可对比的量化基础，对推动可持续发展目标中体面工作指标的区域研究具有重要影响力。

当前挑战

该数据集应对的领域挑战在于非正规就业的测量难题：其隐蔽性和跨国定义差异导致传统统计难以捕捉真实规模。构建过程中面临多重困难，包括各国劳动力调查的方法论不统一（如数据来源标注‘方法修订’导致序列断裂）、部分国家观测稀疏（如肯尼亚仅单一年份数据）、以及性别与年龄分组的非一致性等。此外，数据质量控制需处理不同来源间的‘最佳来源’选择偏差，而时间序列的不连续性也增加了跨时期比较的复杂性。

常用场景

经典使用场景

该数据集的核心应用场景在于对非洲地区非正规就业的性别与年龄结构进行量化剖析。通过整合国际劳工组织ILOSTAT数据库中覆盖23个非洲国家、横跨2016至2025年的744条观测记录，研究者能够利用性别（男性、女性、总计）与年龄（如青年与成人）的双重维度，构建非正规就业规模的时空演进图谱。借助时间序列分析与面板数据回归模型，学者可精准追踪特定国家或区域非正规就业的动态波动，为理解非洲劳动力市场的结构性特征提供坚实的数据基础。

衍生相关工作

基于该数据集，衍生出一系列具有深远影响的学术与实践工作。在学术领域，研究者构建了面向非洲本土的非正规就业预测模型，将时间序列特征与宏观经济变量相结合，探讨城镇化、技术进步等外部冲击对非正规就业规模的传导效应。在数据科学层面，该数据集推动了面向小样本、高维度非洲劳动力数据的特征工程与迁移学习方法创新。同时，其标准化的架构为跨数据集融合（如与教育、健康面板数据对接）奠定了基础，催生了综合性非洲人类发展指数构建等前沿探索。

数据集最近研究

最新研究方向

该数据集聚焦于非洲23国2016至2025年间按性别与年龄划分的非正规就业状况，为剖析非洲劳动力市场中非正规经济的结构性特征提供了关键数据支撑。当前研究前沿正围绕非正规就业与可持续发展目标中体面工作的关联性展开，结合非洲大陆近年来加速的数字化转型与区域经济一体化进程，该数据集有助于量化分析非正规就业在性别差异、代际分布及政策干预下的动态演变。其时间跨度和国别覆盖使其成为评估新冠疫情后非洲就业复苏、以及各国劳动力市场改革成效的重要实证基础，对推动包容性经济增长政策制定具有深远意义。