electricsheepafrica/africa-ilo-emp-pifl-sex-eco-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含非洲45个国家从1999年至2025年关于非正规经济部门就业比例的17,123个观测值。核心指标为按性别和经济活动划分的非正规部门就业比例（%）（EMP_PIFL_SEX_ECO_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并经过处理，仅包含非洲国家。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、性别分类、经济分类、观测年份、观测值、观测状态及相关注释等字段。数据按年度频率提供，并包含数据质量说明和使用示例。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、适合机器学习的数据层。This dataset contains 17,123 observations of informal economy data across 45 African countries, spanning 1999–2025, covering 1 distinct indicator: Share of employment outside the formal sector by sex and economic activity (%) (EMP_PIFL_SEX_ECO_RT). The data is sourced from ILOSTAT, the ILOs central statistics database, retrieved via its REST API and filtered to African countries. It includes detailed columns such as country codes, country names, source information, indicator codes, sex disaggregation, economic activity classification, observation year, observed values, observation status flags, and related notes. The data is provided at an annual frequency, with caveats on data quality and usage examples. Repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa on HuggingFace.

搜集汇总

数据集介绍

构建方式

在非洲劳动力市场非正规就业长期缺乏跨国可比统计的背景下，该数据集由Electric Sheep Africa基于国际劳工组织ILOSTAT中央统计数据库进行工程化再包装而成。构建过程以ILOSTAT发布的原始统计表为数据来源，遵循标准化元数据规范，将1999年至2025年间45个非洲国家的非正规部门就业占比观测记录统一转为parquet格式，并配套形成面向非洲数据发现的目录条目。其核心在于对上游统计资料的再组织与元数据补全，而非重新采集或测算原始指标，所有观测值均保留ILOSTAT的原始定义与计量口径。

使用方法

研究者可依托Hugging Face datasets库以load_dataset函数直接加载该数据集，并通过数据集查看器快速检视模式结构与样本记录。在开展建模之前，宜先检查各变量的定义、单位与缺失模式，确认国别、年份与指标字段的可用性，必要时借助to_pandas方法转换为数据框以进行描述性统计与可视化。该数据集可与其他Electric Sheep Africa目录下的数据集，通过明确的国别、年份和指标字段进行连接，从而构建可复现的比较分析流程，但须在引用时同时注明ILOSTAT来源与Electric Sheep Africa的再包装工作。

背景与挑战

背景概述

非正规经济部门就业占比是研判发展中国家劳动力市场结构与社会保障覆盖的核心指标，国际劳工组织（ILO）长期通过ILOSTAT数据库系统采集此类跨国可比数据。Electric Sheep Africa于2026年将ILOSTAT中非洲地区按性别与经济活动分列的非正规部门就业占比数据重新打包发布，覆盖45个非洲国家、1999至2025年间共17,123条观测记录，采用CC BY 4.0许可与Parquet格式，面向机器学习社区提供标准化的元数据与加载指引。该数据集填补了非洲非正规经济微观面板数据在开放平台上的可发现性缺口，为劳动经济学、发展研究与政策评估提供了可复现的实证基础。

当前挑战

该数据集所回应的领域问题在于，非正规部门就业的界定与度量长期缺乏跨国家、跨时间的统一标准，不同经济活动的分类口径与性别维度统计完整性差异显著，直接制约了跨国比较与趋势推断的可靠性。构建过程中，元数据清单存在国家字段与上游发布者信息缺失，地理覆盖仅依赖标题与来源元数据隐含推断，ISO3编码未予声明，且部分年份与国别组合存在观测稀疏或缺失值，如何在保留缺失结构的前提下支持分类与回归建模，构成数据使用者面临的主要技术挑战。

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，该数据集堪称洞察非洲劳动力市场结构性特征的经典面板资源。研究者可依据性别与经济活动部门两个维度，系统刻画1999至2025年间45个非洲国家非正规部门就业占比的时序演变与截面差异，进而开展跨国比较、性别差距测度以及部门异质性分析等描述性与推断性统计工作。

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测度口径不一与跨国可比性不足等难题。借助国际劳工组织标准化指标框架，研究者得以在统一口径下检验非正规就业与经济增长、性别平等及产业结构转型之间的理论假说，为理解发展中国家劳动力市场二元结构提供了可靠的经验证据基础。

实际应用

在政策实践层面，该数据集可为非洲各国劳动部门、国际发展机构及社会组织提供决策参考。通过识别非正规就业高发群体与重点行业，相关政策制定者能够更有针对性地设计社会保障扩面、职业技能培训以及女性就业促进等干预措施，并借助时序数据评估政策实施效果。

数据集最近研究

最新研究方向

伴随国际劳工组织对非正规经济统计框架的持续完善，该数据集所承载的非洲45国性别与经济 activity 维度就业非正规化指标，正成为劳动经济学与发展经济学交叉研究的前沿素材。当前研究聚焦于以性别差异为切口剖析非正规就业的结构性成因，结合面板计量与机器学习方法揭示经济周期、产业转型与制度变迁对非正规就业份额的异质性影响。该数据集与ILOSTAT权威统计体系衔接，为跨国比较与政策模拟提供了标准化证据基础，有助于推进非洲劳动力市场正规化路径的实证探索，对实现体面劳动目标与包容性增长具有重要参考意义。