electricsheepafrica/africa-ilo-emp-temp-sex-ifl-ins-nb-employment-by-sex-informal-formal-job-and-public-p

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的就业数据，覆盖非洲45个国家，时间跨度为2000年至2025年，共有5,210个观测值。核心指标为按性别、非正式/正式工作以及公共/私营部门分类的就业人数（以千计）（ILOSTAT代码：EMP_TEMP_SEX_IFL_INS_NB）。数据经过重新打包，以表格形式提供，包含国家代码、数据来源、性别分类（总计、男性、女性）、观测年份、观测值等字段，适用于表格分类、回归和时间序列预测等任务。数据集重点关注非洲的非正规经济就业情况，并包含数据质量说明和使用示例。This dataset contains employment data from the International Labour Organization (ILO) ILOSTAT database, covering 45 African countries from 2000 to 2025, with 5,210 observations. The core indicator is Employment by sex, informal/formal job and public/private sector (thousands) (ILOSTAT code: EMP_TEMP_SEX_IFL_INS_NB). The data is repackaged in tabular format, including fields such as country codes, data sources, sex disaggregation (total, male, female), observation year, and observed values, making it suitable for tasks like tabular classification, regression, and time-series forecasting. The dataset focuses on informal economy employment in Africa and includes data quality notes and usage examples.

搜集汇总

数据集介绍

构建方式

该数据集植根于国际劳工组织（ILO）长期运行的劳动力市场统计体系，其核心数据源自ILOSTAT这一全球劳工统计的权威中枢。ILOSTAT通过标准化问卷与国家统计机构对接，系统采集各成员国按性别、就业形态及部门属性划分的就业人数，并经过一致性校验与单位统一后形成跨国可比的时间序列。Electric Sheep Africa在此基础上对原始数据进行重新封装，将非洲区域45个国家2000至2025年间的5210条观测记录整理为Parquet格式，同时补充标准化的元数据描述、来源说明与分析指引，使数据在保留上游统计逻辑的同时更适配机器学习工作流。

特点

数据集以非洲非正式经济为焦点，涵盖45个非洲国家逾二十五年的就业结构变迁，按性别、非正式与正式就业、公共与私营部门等维度进行交叉分类，观测值以千人为计量单位。其体量介于一千至一万行之间，兼具时间跨度与结构深度，能够支持跨国比较与趋势追踪。数据以表格与文本双重模态呈现，配有明确的主题标签如非正式经济、劳工与就业，并附有许可协议与溯源信息。作为元数据驱动的开放资源，该数据集在保持来源可追溯性的同时，兼顾了发现便捷性与使用规范性。

使用方法

研究者可借助Hugging Face的datasets库以一行代码完成加载，进而查看数据结构、特征类型与样本片段。对于表格型分析，可将数据集直接转换为Pandas数据框，便于开展缺失值诊断、按地理区域与时间维度的变量画像以及子群组比较。在建模之前，建议先检视仓储中的原始文件以确认变量定义、计量单位与编码规则，并在下游分析中显式记录地理覆盖与缺失值处理假设。该数据集亦可与Electric Sheep Africa目录下的其他非洲数据集通过国家、年份与指标字段进行连接，以构建更具解释力的可复现分析流程。

背景与挑战

背景概述

非正规经济就业的量化测度长期构成发展经济学与劳动经济学的核心议题。国际劳工组织（ILO）依托其中央统计数据库ILOSTAT，汇集全球劳动力市场指标，为跨国比较提供权威基准。2026年，Electric Sheep Africa对ILOSTAT中非洲区域数据进行标准化重整，形成本数据集，覆盖45个非洲国家、2000至2025年间5210条观测，按性别、非正规/正规部门及公共/私营部门细分数千单位就业规模。该数据集弥补了非洲非正规就业细分数据的可得性缺口，为探究性别差异、部门分割与非正规化趋势提供了结构化经验证据，对非洲劳动市场政策评估具有基础性支撑意义。

当前挑战

该数据集所回应的领域难题在于非洲非正规就业统计长期受限于定义分歧、部门边界模糊与抽样覆盖不足，致使跨国比较与非正规/正规部门划分常缺乏统一口径，且性别维度的细分数据尤为稀缺，难以支撑对性别就业差距与部门隔离的严谨推断。构建过程中，源数据经跨机构重整与元数据标准化，面临国家层面指标口径异质、年份缺失与地理标识仅能由标题隐含推断等困难，部分来源属性如国家与上游出版商信息在清单中标注缺失，须在保留原始缺失的前提下审慎处理，以避免因标签推断而引入偏差。

常用场景

经典使用场景

在劳动经济学与非正式经济研究的交汇处，该数据集提供了按性别、非正式/正式就业形态以及公共/私营部门划分的非洲就业规模测度，成为刻画非洲劳动力市场结构性异质性的基准性数据资源。研究者通常将其用于构建跨国面板，考察非正式就业在总就业中的比重及其随时间的演变轨迹，并借助性别维度揭示女性在非正式部门中的过度代表现象，进而为理解发展中国家劳动力市场分割提供可比的经验证据。

实际应用

在政策制定与国际发展实践领域，该数据集为就业促进策略、社会保障扩面及性别包容性政策的设计提供了量化依据。国际组织与各国劳动部门可据此识别非正式就业高度集中的国家与人群，评估公共部门吸纳就业的能力边界，并监测非正式向正式就业转移的进展。分析人员亦可将其与其他非洲社会经济数据集进行联结，支撑国别诊断与区域比较报告。

衍生相关工作

依托该数据集及其所属非洲元数据目录，衍生出一系列面向非洲劳动市场的可复现分析工作，包括非正式就业性别差距的分解研究、公共与私营部门就业结构的聚类分析，以及将国际劳工组织指标与非洲区域经济数据相融合的建模尝试。这些工作共同推动非洲开放数据生态的标准化建设，并为后续机器学习驱动的劳动市场预测提供了经过整理的训练语料与基准。