electricsheepafrica/africa-ilo-eip-rcar-sex-age-rt-share-of-persons-outside-the-labour-force-due-to-c

该数据集包含非洲33个国家在2008年至2024年间因照顾责任而退出劳动力市场的人口比例数据，按性别和年龄分类。数据集共有1337个观测值，涵盖1个具体指标（EIP_RCAR_SEX_AGE_RT），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理并过滤为非洲国家。数据集包括国家代码、年份、性别分类、观测值及数据质量标志等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 1,337 observations of the share of persons outside the labour force due to care responsibilities by sex and age (%) across 33 Africa countries from 2008 to 2024. It covers one distinct indicator (EIP_RCAR_SEX_AGE_RT) and is sourced from the ILOSTAT database of the International Labour Organization (ILO), with data harmonized and filtered for African countries. The dataset includes country codes, years, sex disaggregation, observed values, and data quality flags, and is suitable for tabular classification, regression, and time-series forecasting tasks.

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统计数据库，通过其REST API直接抽取指标代码为EIP_RCAR_SEX_AGE_RT的原始数据，并依据ILO对非洲国家ISO3编码进行地理筛选。原始数据基于各国劳动力调查、住户收支调查等微观数据，经ILO统计部门采用国际劳工统计学家会议（ICLS）定义进行统一协调与标准化处理，最终形成涵盖33个非洲国家、时间跨度为2008年至2024年的1337条观测记录。所有数据均以年度频率呈现，并在来源列中标注了原始数据出处以确保可追溯性。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用代码`load_dataset('electricsheepafrica/africa-ilo-eip-rcar-sex-age-rt-share-of-persons-outside-the-labour-force-due-to-c')`获取训练集，并便捷地转换为Pandas DataFrame进行后续分析。支持按国家代码（如ref_area='KEN'）筛选特定国家的子集，亦可按时间或指标排序进行时间序列可视化。用户还能利用pivot_table方法构建以年份为行、国家为列的矩阵结构，便于开展跨国比较与面板数据建模。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，因照护责任而退出劳动力市场的人群比例是衡量劳动力利用不足程度的关键指标，尤其对非洲大陆而言，照护负担的性别差异深刻影响着女性就业参与与经济发展。该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库整理发布，并由Electric Sheep Africa重新封装至HuggingFace平台。数据集涵盖2008年至2024年间33个非洲国家的1,337条观测值，聚焦于按性别与年龄分层的照护责任所致劳动力外流比例，旨在揭示这一隐性劳动市场边缘化现象的时空分布格局。凭借ILO在劳工统计领域的权威性与数据标准化能力，该数据集为理解非洲地区非经济活动中的性别不平等提供了珍贵的高频面板数据，成为相关跨国比较与政策评估研究的重要基础资源。

当前挑战

该数据集所面临的挑战首先根植于其研究的领域问题：照护责任导致的劳动力外流长期被传统失业统计所忽视，难以量化其在非经济活动中的真实比重，尤其在非洲，非正规就业与家计调查数据的不完备加剧了测量偏差。构建过程中，数据来自多个国家的劳动力调查与住户收入调查，各来源在调查设计、问卷措辞及ICS分类定义上的非一致性，导致跨国家与跨时间对比的效度受限；部分观测值存在方法修订导致的序列断裂（如note_indicator字段所示），且年度频率无法捕捉照护责任的季节性波动。此外，33个国家的覆盖并非均匀，南非、赞比亚等国数据稠密，而许多国家仅有零星观测，稀疏性与不均衡性对面板分析与机器学习建模施加了严峻考验。

常用场景

经典使用场景

在劳动经济学与社会政策研究领域，该数据集凭借其覆盖33个非洲国家、横跨2008至2024年的时间序列观测值，成为分析因照护责任而退出劳动力市场的人群比例及其性别与年龄分异特征的权威数据源。研究者可据此构建面板数据模型，系统考察照护责任对非洲地区劳动力供给的挤出效应，并结合性别与年龄的细化分解，洞悉不同群体在劳动力参与决策中所面临的结构性障碍。该数据集尤其适用于探究女性劳动参与率偏低的深层成因，为揭示家庭照护负担向女性倾斜的不平等现象提供了实证基石。

解决学术问题

该数据集精准回应了劳动经济学中长期存在的核心学术难题，即如何量化非市场性照护活动对劳动力供给的隐性约束。传统失业率指标往往遗漏因家庭照护而自愿或被迫退出劳动力市场的人群，导致劳动利用不足的真实状况被低估。此数据集通过引入ILO定义的‘劳动利用不足其他测度’指标，填补了这一测量空白，使学界能够更完整地刻画非洲劳动力市场的结构性松弛状况。借助其提供的性别与年龄维度，学者得以深入分析照护责任与劳动力退出之间的因果机制，从而深化对非洲国家‘就业脆弱性’与‘性别化劳动分工’的理论认识。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国劳动部门及非政府组织制定针对性社会政策提供了数据驱动的决策依据。例如，基于不同性别与年龄组的照护责任退出率，政策制定者可识别出受照护负担影响最为严重的群体，进而设计诸如扩大学前公共服务供给、推行灵活工时制度或向照护者提供现金转移支付等干预措施。此外，该数据还可与健康、教育及宏观经济指标进行关联分析，用于评估照护基础设施投资对女性劳动参与率的潜在拉动效应，亦可用于跨国比较研究，为非洲区域劳动市场的整合与发展战略提供实证支持。

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照护责任而脱离劳动力市场的人口比例，按性别与年龄进行细分，为研究非洲劳动力市场中的隐性失业与性别不平等提供了宝贵的时间序列数据（2008-2024年，涵盖33个国家）。当前前沿研究方向包括利用该数据量化照护经济对女性劳动参与率的抑制作用，结合机器学习模型预测特定国家（如南非、赞比亚）的劳动力流失趋势，并评估政策干预（如托育服务改革）的效果。该数据集的高颗粒度与跨年度特性，使其成为分析非洲可持续发展目标（SDG 5性别平等及SDG 8体面工作）实现进度的关键工具，尤其在ILO最新统计标准（ICLS）框架下，对未充分就业指标的修正与验证具有深远意义。