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

该数据集包含非洲43个国家从2000年至2025年的非正规经济就业数据，具体指标为“按性别、年龄和工作时间安排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，包含25,463个观测值，涵盖1个主要指标。数据集以表格形式呈现，包括国家代码、指标代码、性别分类、年龄分类、工作时间安排、年份和观测值等列，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，并标注了来源和质量标志，可用于研究非洲劳动力市场和经济发展趋势。This dataset contains informal economy employment data for 43 African countries from 2000 to 2025, specifically the indicator Share of employment outside the formal sector by sex, age and working time arrangement (%). Sourced from the International Labour Organization (ILO) ILOSTAT database, it includes 25,463 observations covering 1 distinct indicator. The data is presented in tabular format with columns such as country code, indicator code, sex classification, age classification, working time arrangement, year, and observed value, suitable for tasks like tabular classification, regression, and time-series forecasting. The data is harmonized by ILO standards, includes source and quality flags, and can be used for analyzing labor market trends and economic development in Africa.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织中央统计数据库（ILOSTAT）的原始记录，由Electric Sheep Africa团队实施工程化重组与标准化封装。其数据采集植根于非洲各国劳动力调查与家庭调查所汇集的非正规经济部门就业统计，涵盖性别、年龄与工作时间安排三个维度的交叉分类。原始指标经统一命名规范、格式转换与元数据补全后，以Parquet列式存储格式重新发布，形成覆盖43个非洲国家、时间跨度为2000至2025年的25,463条观测记录。

特点

数据集聚焦非洲非正规经济部门就业占比这一劳动经济学核心议题，具备鲜明的多维分层特征与跨域可比性。其指标按性别、年龄组及工作时间安排进行细粒度切分，为考察非正规就业中的性别差异、年龄梯度与工时结构提供了结构性视角。覆盖范围横跨非洲大陆43国，时间序列绵延二十五年，兼具空间广度与时间纵深。数据以表格与文本模态并存，配备标准化标签与溯源注释，便于融入机器学习流水线及计量分析框架。

使用方法

研究者可借助Hugging Face datasets库以单行代码完成加载，通过指定数据集标识符获取完整对象，进而检视分片结构、特征列类型与样本切片。对于表格型数据，可便捷地转换为Pandas数据框以开展探索性统计与可视化。在建模之前，建议系统审视各变量缺失模式，保留缺失值以待确立合理的插补规则，并优先利用显式国家、年份与指标字段进行跨数据集连接，构建可复现的分析笔记。

背景与挑战

背景概述

非正规经济就业的测度始终是全球劳动统计的难点，尤其在非洲，非正规部门吸纳了绝大多数劳动力，却长期缺乏按性别、年龄与工作时间安排细分的跨国可比数据。国际劳工组织（ILO）依托ILOSTAT数据库，自2000年起系统收集非洲区域非正规就业指标，Electric Sheep Africa于2026年将这些数据标准化并发布于Hugging Face平台，覆盖43个非洲国家、25463条观测记录，时间跨度至2025年。该数据集为研究非洲劳动力市场结构、性别差异与非正规就业动态提供了关键的经验基础，推动了劳动经济学与发展经济学领域的实证分析。

当前挑战

该数据集所应对的领域问题在于非正规就业的界定与测量本身存在跨国差异，各国对非正规部门的统计口径、调查方法与覆盖范围不尽一致，导致指标可比性受限。数据构建过程中，多源异构数据的整合、缺失值的系统性处理、变量定义的映射统一以及地理标识的隐性化，均构成实质性障碍。此外，元数据中country与upstream_publisher字段的空缺，进一步增加了数据溯源与再分析的不确定性。研究者需在建模前审慎核查变量单位、调查方法与抽样设计，以避免因定义混淆而产生误导性结论。

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，该数据集最经典的使用场景在于刻画非洲各国非正规部门就业份额的性别、年龄与工作时间安排三重维度的分布特征。凭借覆盖43个非洲国家、时间跨度自2000年至2025年的25463条观测记录，研究者得以系统比较不同人口群体在非正规就业中的相对位置，进而揭示劳动力市场结构性分割的时空演变规律。

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动部门监测非正规就业规模、评估体面劳动议程进展提供了量化依据。社会保障体系设计者可以据此识别非正规就业高度集中的群体与地区，优化缴费型保障方案的覆盖策略；发展机构亦可借助其时间序列特征追踪经济波动与危机冲击对非正规就业份额的差异化影响，从而提升干预措施的靶向性与时效性。

衍生相关工作

围绕该数据集，已衍生出一系列与Electric Sheep Africa目录中其他ILOSTAT指标数据集进行跨表联结的分析工作，涉及非正规就业与性别工资差距、青年失业率及工作时间安排等变量的联合建模。相关研究亦将其作为基准数据，与世界银行、OECD等机构的劳动力市场指标进行交叉验证，推动了非洲非正规经济多源数据融合方法论的发展与完善。