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

该数据集包含1999年至2025年间43个非洲国家的非正规经济数据，共有8,214个观测值，涵盖1个核心指标：按性别和职业划分的非正规部门就业占比（%）。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代码。数据集采用表格格式，包括国家代码、国家名称、数据来源、指标代码、性别分类、年份、观测值等列，适用于分类、回归和时间序列预测任务。数据经过ILO标准化处理，基于国际劳工统计学家会议（ICLS）定义，并标注了来源和质量标志（如不可靠数据）。数据集由Electric Sheep Africa重新打包，以促进机器学习研究。This dataset contains 8,214 observations of informal economy data across 43 African countries, spanning 1999–2025, covering 1 distinct indicator: Share of employment outside the formal sector by sex and occupation (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled via API and filtered to Africa ISO3 country codes. It is provided in tabular format with columns such as country code, country name, source, indicator code, sex disaggregation, year, observed value, and quality flags, suitable for tabular classification, regression, and time-series forecasting tasks. The data is harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions and includes source traceability. Repackaged by Electric Sheep Africa for ML-ready accessibility.

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织旗舰统计数据库ILOSTAT，经Electric Sheep Africa以元数据驱动的方式重新封装而成。原始数据由各国劳动力调查与人口普查汇集，经ILO标准化处理，生成按性别与职业分类的非正规部门就业占比指标。Electric Sheep Africa在此基础上补充标准化元数据、来源说明与加载指引，将其转化为可直接用于分析的Parquet格式数据集，覆盖43个非洲国家、8214条观测记录，时间跨度为1999年至2025年。

特点

该数据集聚焦非洲非正规经济这一劳动统计中的核心议题，以性别与职业双维度刻画正规部门之外就业人口的分布格局。数据规模适中，共8214条观测，横跨43个非洲国家，时间序列长达二十余年。数据集以Parquet列式格式存储，兼具表格与文本模态，附带CC BY 4.0开放许可。元数据中标记了国家字段与上游出版方的缺失情况，提示使用者在建模前需核实变量定义与单位，避免仅凭标签推断政策含义。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过load_dataset函数获取数据并查看特征结构与样本记录。对于表格分析场景，可将数据转换为Pandas DataFrame以便开展描述统计、缺失值剖析与可视化。使用时建议从仓库文件与数据查看器入手，优先确认变量定义与单位；在涉及地理维度时，应显式使用国家列并在分析中记录地理假设；面对缺失值应保留原始状态直至确立合理的插补规则。此外，该数据集可依据国家、年份与指标字段与其他Electric Sheep Africa数据集进行连接，支撑可复现的跨国比较研究。

背景与挑战

背景概述

非正规部门就业占比是衡量发展中国家劳动力市场结构的关键指标，直接关联社会保障覆盖与体面劳动议程。国际劳工组织（ILO）长期通过ILOSTAT数据库系统采集全球劳动力统计资料，为政策研究与学术分析提供权威依据。2026年，Electric Sheep Africa对ILOSTAT中非洲区域的非正规就业数据进行了标准化整理，形成覆盖43个非洲国家、8214条观测记录、时间跨度自1999年至2025年的结构化数据集。该数据集按性别与职业维度细分为非正规部门就业份额，填补了非洲非正规经济细分统计的空白，为比较劳动经济学与区域发展研究提供了可复现的数据基础。

当前挑战

非正规就业的界定在不同国家间存在显著差异，各国统计口径、抽样方法与调查年份的不一致，使跨国比较面临指标可比性不足的固有难题。数据集构建过程中的主要挑战在于原始ILOSTAT元数据中性别与职业分类的编码标准不统一，需进行跨版本映射与协调，同时缺失值处理策略的选取直接影响后续回归与分类任务的稳健性。此外，非正规部门就业份额受季节性波动与经济周期影响显著，时间序列中结构性断点难以自动识别，对建模者构成额外的方法论挑战。

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，该数据集堪称剖析非洲劳动力市场结构性特征的经典素材。研究者依托其覆盖43个非洲国家、1999至2025年的8214条观测记录，得以系统刻画不同性别与职业类别中非正规就业比重的时序演变与截面差异。通过按国家、年份和职业维度进行分组聚合与趋势拟合，可揭示非正规经济在非洲各国劳动力市场中的渗透程度及其动态调整轨迹，为后续计量建模提供坚实的数据基础。

实际应用

在政策实践层面，该数据集为国际组织与非洲各国劳工部门提供了监测非正规就业规模与结构的量化工具。社会保障机构可据此识别非正规就业高度集中的性别与职业群体，进而设计更具靶向性的社会保险扩面方案。发展金融机构亦可将其纳入国别风险评估与普惠金融项目设计，通过追踪非正规就业比重的变化评估正规化政策的实施效果。数据以Parquet格式发布，便于与地理、人口等其他非洲数据集进行跨域关联分析。

衍生相关工作

围绕该数据集，Electric Sheep Africa构建了标准化的元数据目录体系，衍生出一系列可复用的非洲劳动统计数据集与数据卡。研究者在此基础上开展了跨国非正规经济比较研究、性别就业差距分解分析以及职业结构转型的长期追踪。该数据集亦被纳入多个非洲开放数据门户，与ILOSTAT原始数据库形成镜像与补充关系，推动了非洲劳动统计数据的机器可读化与可发现性，为后续的因果推断与政策评估研究奠定了数据基础设施。