electricsheepafrica/africa-ilo-emp-pifl-sex-ec2-nb-employment-outside-the-formal-sector-by-sex-and-ec

该数据集包含非洲42个国家从1999年至2025年的非正规经济就业数据，具体指标为按性别和经济活动划分的非正规部门就业 - ISIC第2级（千）。数据集共有20,886个观测值，涵盖1个主要指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、经济分类（ISIC第4版第2级）、年份、观测值等列，并提供了数据质量说明，如年度频率、最佳来源选择等。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲非正规经济就业的趋势和模式。This dataset contains 20,886 observations of informal economy employment data across 42 Africa countries, spanning 1999 to 2025, covering the indicator Employment outside the formal sector by sex and economic activity - ISIC level 2 (thousands). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for African countries. It includes columns such as country code, country name, data source, indicator code, sex disaggregation (total, male, female), economic activity classification (ISIC Rev.4, 2-digit), year, observed value, and data quality flags. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of informal employment trends and patterns in Africa.

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中央统计数据库（ILOSTAT），由Electric Sheep Africa对原始数据进行系统性再封装，形成面向非洲区域非正规经济部门就业状况的标准化数据资源。其构建过程涵盖对1999年至2025年间42个非洲国家共20,886条观测记录的采集、清洗与格式转换，最终以Parquet列式存储格式发布。数据以性别和ISIC二级经济活动分类为维度，量化正规部门以外就业人数（以千人为单位），并通过统一元数据标注、来源追溯及许可声明，确保数据集在非洲数据发现体系中的可检索性与可复用性。

使用方法

研究者可依托Hugging Face datasets库以单行代码加载该数据集，进而检视其分划结构、特征字段及样本内容。对于表格型任务，可将数据直接转换为Pandas数据框以便进行统计描述、可视化或建模分析。在使用过程中，建议优先核查数据文件的变量定义与计量单位，充分利用显式的国家、年份及指标字段进行分组剖析或跨数据集联结。面对缺失值应审慎处理，避免未经论证的插补。分析结果宜同时引用原始来源与Electric Sheep Africa仓库，以确保研究过程的可复现性与透明度。

背景与挑战

背景概述

非正规经济部门就业长期构成非洲劳动力市场的主体形态，其规模、性别结构与行业分布直接关系到社会保障覆盖、税收基础与体面劳动议程的评估。国际劳工组织（ILO）依托ILOSTAT数据库持续汇编各国劳动力调查数据，为跨国比较提供权威口径。Electric Sheep Africa于2026年将ILOSTAT中非洲区域非正规部门外就业按性别与经济活动（ISIC第二级）分类的指标整理为标准化数据集，覆盖42个非洲国家、20886条观测，时间跨度为1999至2025年，以parquet格式发布于Hugging Face平台。该数据集为非洲非正规就业的计量分析与政策研究提供了可复现的结构化证据基础。

当前挑战

该数据集所应对的核心问题在于非正规就业统计口径的跨国异质性与时序断裂：各国劳动力调查在非正规部门定义、ISIC行业归类精度、性别变量采集方式上存在差异，导致跨国比较面临测量误差与覆盖面偏差，部分年份与国家的缺失值亦需谨慎处理。构建层面的挑战集中于元数据完整性，原清单中country与upstream_publisher字段存在缺失，需依赖标题与源元数据推断地理归属，并保留缺失值以待合理的插补规则。此外，ISIC第二级分类的细粒度与样本量之间的权衡，以及非正规就业季节性、自雇与家庭帮工等边缘群体的统计不足，均对建模与推断构成实质约束。

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，该数据集构成刻画非洲非正规就业结构的核心经验来源。其经典使用场景围绕按性别与ISIC二级经济活动分类的非正规部门就业人数展开，研究者可据此测算各行业非正规就业的性别构成与时间演变。借助覆盖四十二个非洲国家、一九九九至二零二五年的两万余条观测，学者能够开展跨国面板分析、行业异质性检验与趋势外推，并可与ILOSTAT其他劳动力指标联立，构建非正规就业的多维画像，从而为比较不同经济体非正规化程度提供统一的量化基准。

解决学术问题

该数据集回应了非正规就业测量中长期存在的口径不一与覆盖不全问题。既往研究多依赖国别调查，难以在统一分类下进行跨国比较，尤其缺乏按性别和行业细分的系统证据。该数据集以ILOSTAT标准化框架整合非洲区域数据，使研究者得以检验非正规就业的性别差距、行业集中度及其与经济发展水平的关系，弥补了非洲比较劳动统计的空白。其意义在于为非正规经济理论提供可复现的实证基础，并推动性别与结构性转型议题的量化研究。

实际应用

在实际应用层面，该数据集服务于政策评估、就业监测与发展干预设计。国际组织与非洲各国劳工部门可据此识别非正规就业高度集中的行业与性别群体，优化社会保障扩面与技能培训资源配置。发展金融机构可将其纳入国别风险与包容性增长分析，企业与社会企业亦可借助行业性别结构判断市场进入与用工策略。数据集以Parquet格式发布，便于与地理、教育等外部数据联结，支撑可复现的决策分析流程。

数据集最近研究

最新研究方向

在非洲非正规经济持续扩张的背景下，该数据集凭借覆盖42国、横跨1999至2025年的两万余条观测，成为刻画非正规部门就业性别差异与行业结构的前沿资源。当前研究聚焦于按ISIC二级经济活动分类，量化男性与女性在非正规就业中的分布差异，以揭示性别隔离与行业准入壁垒。结合国际劳工组织近期关于非正规经济与体面劳动赤字的热点议题，该数据集支撑了非洲劳动力市场弹性化、社会保障覆盖不足等关键讨论。其价值在于为政策制定者识别脆弱就业群体、设计性别敏感的干预措施提供实证基础，并推动非洲非正规经济核算方法论的标准化进程。