electricsheepafrica/africa-ilo-eip-wdis-sex-age-mts-nb-discouraged-job-seekers-by-sex-age-and-marital-sta

该数据集名为“按性别、年龄和婚姻状况划分的沮丧求职者（千人）| 非洲（ILOSTAT）”，包含12,987个观测值，覆盖43个非洲国家，时间跨度为1999年至2025年，专注于“其他劳动力未充分利用指标”中的单一指标：沮丧求职者数量（以千人为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API提取并过滤为非洲国家代码。数据集结构包括多个列，如国家代码（ref_area）、指标代码（indicator）、性别（sex）、年龄分类（classif1）、婚姻状况分类（classif2）、观测年份（time）、观测值（obs_value）等，支持按性别、年龄和婚姻状况进行细分分析。数据以年度频率发布，并包含数据质量注释（如不可靠标志）。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据层，便于研究人员和开发者使用HuggingFace的datasets库快速加载和分析。This dataset, titled Discouraged job-seekers by sex, age and marital status (thousands) | Africa (ILOSTAT), contains 12,987 observations across 43 African countries, spanning from 1999 to 2025, focusing on a single indicator under Other measures of labour underutilization: the number of discouraged job-seekers (in thousands). The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, extracted via the REST API and filtered to African country codes. The dataset schema includes columns such as country code (ref_area), indicator code (indicator), sex (sex), age classification (classif1), marital status classification (classif2), observation year (time), observed value (obs_value), and more, enabling disaggregation by sex, age, and marital status. Data is published at annual frequency and includes quality flags (e.g., unreliable status). Repackaged by Electric Sheep Africa, this dataset is part of a unified, ML-ready data layer for Africa, facilitating quick loading and analysis using HuggingFaces datasets library.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，聚焦非洲大陆劳动力利用不足的测量维度。构建过程中，通过调用ILOSTAT官方REST API，直接抽取了包括沮丧求职者在内的核心指标数据，并依据ISO3国家代码进行非洲地区的精准过滤。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，确保数据口径一致。最终，该数据集以Parquet格式封装，收录了来自43个非洲国家的12,987条观测记录，时间跨度自1999年至2025年，覆盖了性别、年龄及婚姻状况等关键细分维度。

特点

该数据集最显著的特征在于其聚焦非洲区域劳动力市场的深度细分能力。它完整呈现了沮丧求职者数量按性别、年龄与婚姻状况的交叉分类，囊括了21个分类维度，其中性别变量涵盖男性、女性及总计三类。数据来源的透明度是其另一特质，每一条观测均附有明确的来源标签（source.label），便于溯源与验证。此外，数据集以年度频率发布，并优先采用ILO选定的“最佳来源”处理同一国家年份的多个来源冲突，保证了核心序列的连续性与权威性。

使用方法

该数据集的设计高度契合机器学习和时序预测工作流，可通过HuggingFace的`load_dataset`函数一键加载。用户可直接将数据转换为Pandas DataFrame进行探索性分析，或针对具体国家（如肯尼亚）进行过滤以研究局部劳动力市场动态。对于时序建模任务，可便捷地对单一指标按年份排序，绘制趋势图或进行预测。高级应用包括构建国家×年份的透视矩阵，用于跨区域比较或面板数据分析。数据集的列架构清晰，包含区域代码、指标标识、细分分类及观测值，极大降低了预处理门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司（ILOSTAT）编制，经Electric Sheep Africa于2025年重新打包发布至HuggingFace平台，核心聚焦非洲地区因性别、年龄及婚姻状况而分层的丧失信心的求职者（Discouraged job-seekers）数量，观测值共计12,987条，覆盖43个非洲国家，时间跨度自1999年至2025年。作为劳动力利用不足的衡量指标之一，该数据为分析非洲劳动力市场中的隐性失业、结构性就业障碍以及弱势群体（如女性、青年及已婚群体）的就业困境提供了关键量化依据。研究意义在于，通过揭示人口特征与失业回避行为之间的关联，助力国际发展机构与政策制定者评估现有就业政策的覆盖盲区，推动联合国可持续发展目标（SDG）中体面工作目标的在地化实现。

当前挑战

所解决的领域问题在于，传统的失业统计往往忽略那些因长期求职失败而放弃寻找工作的群体，导致劳动力利用不足的真实程度被低估。该数据集通过专门量化丧失信心的求职者数量，弥补了这一统计缺口，但挑战并存：首先，各国调查方法与数据采集频次（如年度、季度差异）不一，且ILOSTAT虽按国际劳工统计学家会议（ICLS）定义进行协调，但原始调查的问卷设计、样本覆盖面和事后加权方案仍存在系统性差异，影响跨国家可比性。其次，观测值中标记为“不可靠”（obs_status: 'U'）的条目占比不低，涉及数据质量与断点问题（如方法论修订导致的序列中断），在使用时需谨慎甄别。此外，非正规经济占比较高的非洲国家中，使用传统家庭调查可能漏捕大量潜在受访者，引发样本选择偏误。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域中，该数据集为分析非洲特定劳动力市场的结构性困境提供了宝贵资源。其最经典的使用场景聚焦于探索‘沮丧求职者’这一特殊群体的规模与分布特征——即那些因长期求职无果而放弃寻找工作的人群。研究者可借助数据集中的性别、年龄及婚姻状况等细分维度，构建面板数据模型或时间序列模型，系统性地刻画沮丧情绪在非洲不同社会经济群体间的演变轨迹。这一场景尤其适用于评估经济增长周期、政策干预或全球化冲击对劳动力市场信心的间接影响，从而揭示传统失业率指标所遮蔽的隐性就业难题。

衍生相关工作

该数据集衍生了一系列具有影响力的量化分析工作，尤其在劳动经济学与公共政策交叉领域。研究者基于此数据构建了非洲沮丧求职者空间分布图谱，结合卫星夜间灯光数据与宏观经济变量，运用空间计量模型揭示地理不平等对劳动参与信心的塑造作用。部分经典工作进一步对比了该指标与ILO定义的其他劳动力利用不足指标（如时间相关不充分就业、潜在劳动力），从而提出更适合非洲社会现实的综合劳动困境分类框架。在方法学上，该数据推动了关于缺失值插补技术在小样本非洲面板数据中的创新应用，以及性别交互效应在计数模型中的稳健估计。这些衍生研究不仅巩固了数据在学术圈的标准参考地位，也为后续理论创新与政策模拟提供了高价值的二次分析原料。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区因性别、年龄及婚姻状况而丧失信心的失业群体规模量化，为劳动力市场弱势群体研究提供了精细化的结构化数据支撑。当前前沿方向集中于利用时间序列预测模型与面板数据分析框架，揭示非洲各国在1999至2025年间隐性失业人口的动态演变规律，尤其关注青年与女性群体在就业参与中的结构性壁垒。随着ILO对劳动力利用不足指标的标准化推广，该数据已成为评估非洲大陆体面劳动进展与政策干预效果的关键基准，推动着区域劳动经济学从宏观失业率统计向多维边缘化就业形态的转型研究。