electricsheepafrica/africa-ilo-emp-publ-sex-eco-nb-public-sector-employment-by-sex-and-economic-activ

该数据集包含21,261个观测值，涉及48个非洲国家，时间跨度为1985年至2025年，涵盖1个指标：按性别和经济活动划分的公共部门就业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过重新包装由Electric Sheep Africa发布，用于表格分类、表格回归和时间序列预测等任务。数据集包括国家代码、年份、性别分类、观测值等字段，并提供了数据质量说明和使用示例，适用于劳动市场和公共部门就业研究。This dataset contains 21,261 observations across 48 African countries from 1985 to 2025, covering 1 indicator: public sector employment by sex and economic activity (in thousands). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), repackaged by Electric Sheep Africa, and is intended for tasks such as tabular classification, tabular regression, and time-series forecasting. The dataset includes fields like country code, year, sex disaggregation, observed values, and comes with data quality notes and usage examples, making it suitable for labor market and public sector employment analysis.

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）旗下的ILOSTAT统计数据库，专注于非洲地区公共部门就业的性别与经济活动分布。数据通过调用ILOSTAT REST API获取原始指标，并以ISO 3166-1 alpha-3国家代码为标准，筛选出48个非洲国家的观测记录。ILOSTAT遵循国际劳工统计学家会议的统一定义，对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行协调与标准化处理，确保了跨国家、跨时段数据的可比性与可追溯性。数据集最终由Electric Sheep Africa进行重新封装，并以Parquet格式发布，便于机器学习领域的直接应用。

特点

该数据集涵盖1985年至2025年间48个非洲国家的共计21,261条观测记录，时间跨度长达四十年，地理覆盖广泛。其核心指标为按性别和经济活动划分的公共部门就业人数（单位：千人），提供总计数及男女分类维度，便于研究者深入分析性别差异与行业结构。数据集包含丰富的元数据字段，如数据来源、观测状态标志、注释信息等，有助于用户评估数据质量与潜在偏差。此外，各年份内若存在多个数据源，ILO将优先采用其选定的‘最佳来源’，进一步提升了数据的权威性与可靠性。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，调用`load_dataset`函数即可获取`train`分割并转换为Pandas DataFrame进行探索性分析。支持按国家代码（如`ref_area == "KEN"`）筛选特定国家的子集，或按照指标代码和时间字段构建单指标的时间序列数据，便于进行趋势分析与可视化。此外，用户可利用透视表功能，将数据重塑为国家与年份的矩阵形式，以支持跨国家横向比较或面板数据分析。该数据集适用于表格分类、回归及时间序列预测等多种监督学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，并经Electric Sheep Africa重新打包，聚焦于非洲48个国家1985至2025年间公共部门就业的性别与经济活动细分数据。作为ILOSTAT数据库的衍生成果，它致力于解决非洲大陆公共劳动力市场数据碎片化与口径不统一的核心问题。通过整合21,261条观测值，数据集为研究者提供了追踪公共部门就业趋势、性别差异及经济活动结构的可靠时间序列基础，对劳动经济学、性别研究及可持续发展目标（SDG）评估具有重要参考价值。

当前挑战

数据集面临的首要挑战是非洲公共就业数据的稀疏性与异质性。许多国家缺乏连续统计体系，导致时间序列存在大量空缺，如纳米比亚仅有2012至2018年数据。此外，数据来源混杂（如劳动力调查与行政记录并存），国际劳工组织虽采用‘最优来源’策略，但不同来源的方法论差异仍可能引入系统性偏差。构建过程中，跨国家、跨年度的数据对齐与清洗极为复杂，观测状态标记（如‘不可靠’）提示部分数值需审慎解读，性别与经济活动的分类维度进一步增加了分析的难度。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中非洲48国1985至2025年间公共部门就业的性别与经济活动细分数据，共计21261条观测记录。其经典使用场景在于构建多维度时间序列模型，以揭示非洲大陆公共部门就业规模的长期演变趋势。研究者可借助此数据，对特定国家或区域进行性别就业差异分析，评估公共部门在不同经济行业中的吸纳能力，并基于年度观测值开展面板数据回归，探索经济发展、政策变迁与公共就业之间的内在关联。

衍生相关工作

该数据集衍生了多项具有影响力的研究工作。基于其时间序列特性，研究者构建了非洲公共部门就业的预测模型，结合宏观经济变量预测未来就业趋势；同时，面板数据方法被广泛应用于分析公共就业对私营部门就业的挤入或挤出效应。此外，数据集中性别维度的存在催生了一系列关于女性公共部门就业决定因素的计量经济学研究，探讨教育水平、法律制度及文化规范对性别就业差距的调节作用。这些工作不仅拓展了非洲劳动经济学的理论边界，也为后续研究提供了可复现的分析框架。

数据集最近研究

最新研究方向

当前，随着非洲各国公共部门改革与劳动力市场性别平等议题的持续升温，该数据集在精细刻画公共部门就业的性别差异与经济活动关联性方面展现出独特价值。前沿研究正聚焦于利用1985至2025年间覆盖48个非洲国家的时间序列数据，构建时序预测与面板数据分析模型，以揭示非洲公共就业演变的长期趋势与结构性断裂。特别地，ILOSTAT官方数据按性别及经济活动分类的颗粒度，为考察女性在非正规经济转型中的公共岗位参与率、评估就业政策干预效果提供了坚实基准。随着SDG体面劳动目标监测需求的扩大，该数据集正成为连接微观调查与宏观劳动力治理决策的关键纽带，尤其在识别疫情前后公共部门就业弹性变化这一热点中，其跨年度、跨国别的一体化架构支撑了诸多因果推断与政策模拟研究的落地。