electricsheepafrica/africa-ilo-str-days-eco-nb-days-not-worked-due-to-strikes-and-lockouts-by-eco

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的工业关系数据，专注于非洲国家因罢工和停工而未工作的天数，按经济活动划分。数据集涵盖24个非洲国家，时间跨度为1969年至2024年，共包含3,279个观察值，涉及一个独特指标：STR_DAYS_ECO_NB（按经济活动划分的因罢工和停工而未工作的天数）。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家代码，采用国际劳工统计学家会议（ICLS）定义进行标准化。数据集以表格形式组织，包含列如国家代码、国家名称、数据来源、指标代码、年份、观测值等，适用于表格分类、回归和时间序列预测等任务。This dataset contains industrial relations data from the International Labour Organization (ILO) ILOSTAT database, focusing on days not worked due to strikes and lockouts by economic activity in African countries. It covers 24 African countries from 1969 to 2024, with 3,279 observations and one distinct indicator: STR_DAYS_ECO_NB (Days not worked due to strikes and lockouts by economic activity). Data is sourced directly from the ILOSTAT REST API, filtered to African ISO3 country codes, and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset is structured in tabular format with columns such as country code, country name, source, indicator code, year, observed value, etc., suitable for tasks like tabular classification, regression, and time-series forecasting.

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，聚焦于非洲地区因罢工与闭锁而损失的工作天数。数据通过ILOSTAT的REST API直接采集，原始指标编码为STR_DAYS_ECO_NB，并依据非洲ISO3国家代码进行筛选过滤。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对调查微观数据进行统一协调，数据来源在source.label字段中予以标注，确保可溯源性。最终由Electric Sheep Africa进行重新封装，形成适用于机器学习的标准化表格数据集。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用`load_dataset`函数即可获得一个包含训练集的DataFrame。加载后，可便捷地按国家代码筛选特定国家的数据，或按指标字段进行时间序列分析，例如对STR_DAYS_ECO_NB指标按年份排序并可视化其变化趋势。此外，利用pandas的透视表功能，可将数据转换为国家×年份的矩阵格式，便于进行面板数据分析或构建预测模型，极大降低了数据预处理的门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT于2024年整理发布，后经Electric Sheep Africa重新封装，聚焦非洲大陆因罢工与停工造成的劳动力损失天数。研究问题核心在于量化1969至2024年间24个非洲国家不同经济活动中劳资冲突对工作日的影响，为工业关系与劳动经济研究提供坚实数据基础。作为劳工统计领域的权威来源，ILOSTAT整合了各国劳动力调查与行政记录，填补了非洲地区劳资争端量化研究的空白，对理解区域经济发展、劳动权益保障及政策制定具有重要参考价值。

当前挑战

该数据集所面临的挑战首先体现在领域问题层面：非洲各国劳资纠纷记录标准不一，部分国家数据存在大量缺失或时间序列不连续，使得跨区域比较和长时间趋势分析难度显著。此外，构建过程中遭遇多重困难，包括数据来源异构——来自劳动力调查、劳动监察记录等多种渠道，各源数据质量参差不齐；ILO虽采纳‘最佳来源’原则，但同一国家不同年份可能依赖不同统计口径，影响数据一致性。数据稀疏性亦是挑战，如布隆迪等国家仅有数年观测值，限制了建模与推断能力。

常用场景

经典使用场景

在劳动经济学与产业关系研究领域，该数据集被广泛用于分析非洲国家因罢工和停工导致的工作日损失情况。研究者可基于其涵盖24个非洲国家、1969年至2024年的3,279条观测记录，构建时间序列模型以揭示罢工活动的长期演变趋势与周期性特征。此外，该数据常被用于面板数据分析，通过国家与年份的交叉维度，探讨宏观经济环境、劳动政策或政治稳定性对劳资冲突烈度的影响。其标准化的指标定义与分类变量（如经济活动部门）使得跨国比较成为可能，为理解非洲大陆产业关系的异质性提供了可靠的数据基础。

解决学术问题

该数据集有效弥补了非洲地区产业关系量化研究的系统性数据缺失问题。在学术层面，它解决了劳动者抗争行为与经济产出之间因果机制的识别难题，使得学者能够定量评估罢工活动对工作日损失的直接冲击，进而为劳动经济学中关于冲突成本的理论模型提供实证支撑。同时，该数据有助于检验制度变迁假说，例如工会组织力量、集体谈判框架或劳动法规调整如何影响罢工频率与持续时间。其长期时序信息还支持对非洲国家经济波动与劳资关系动态关联的跨时段分析，深化了发展经济学领域对非洲劳动力市场脆弱性的理解。

实际应用

在实际应用中，该数据集为企业风险管理与政府劳动政策制定提供了量化参考。跨国企业可借助罢工损失的历史模式，在非洲国家进行投资选址时评估劳资环境风险，优化供应链韧性设计。劳动部门与社会研究机构能够利用该数据监测行业层面的冲突热点，为预防性调解资源的分配提供数据支撑。国际组织如国际劳工组织（ILO）也可依托此类整合数据，追踪非洲区域体面劳动目标的实现进程，尤其是关于工作时间损失的可持续目标（SDG）指标进展评估，从而引导技术援助与政策对话的优先方向。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆因罢工与停工导致的工作日损失，依托国际劳工组织ILOSTAT的权威统计框架，为劳动经济学与工业关系研究提供了跨越半个多世纪（1969–2024年）的稀缺面板数据。当前前沿研究方向集中在对非洲工业化进程中劳资冲突的时空演化分析，尤其是结合宏观经济周期、劳动力市场弹性及社会政治动荡事件，量化评估罢工行为对生产活动的冲击程度。该数据集的高质量结构化特性使其特别适合用于构建时间序列预测模型，探索罢工频次与损失天数之间的动态关联，并为非洲国家制定冲突预防与劳工权益保障政策提供实证依据。