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

该数据集是一个关于非洲非正规经济就业的表格型数据集，专注于按性别和婚姻状况划分的非正规部门就业比例。它包含5,035个观测值，覆盖45个非洲国家，时间跨度为1999年至2025年，涉及1个核心指标：EMP_PIFL_SEX_MTS_RT（按性别和婚姻状况划分的非正规部门就业比例百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并经过标准化处理，使用ICLS定义进行协调。数据集以年度频率提供，包括国家代码、来源信息、指标代码、性别分解（总计、男性、女性）、婚姻状况分类、观测年份、观测值、数据状态标志和注释等列。数据质量方面，ILO选择“最佳来源”处理多来源情况，分解列仅在指标发布时非空。该数据集适用于表格分类、回归和时间序列预测任务，可用于研究非洲劳动力市场、非正规经济趋势等。数据集由Electric Sheep Africa重新打包，以Parquet格式发布，便于机器学习使用，并遵循cc-by-4.0许可证。This dataset is a tabular dataset on informal economy employment in Africa, focusing on the share of employment outside the formal sector by sex and marital status. It contains 5,035 observations across 45 African countries, spanning from 1999 to 2025, with one core indicator: EMP_PIFL_SEX_MTS_RT (Share of employment outside the formal sector by sex and marital status, %). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via the REST API, and harmonized using ICLS definitions. The dataset is provided at annual frequency and includes columns such as country code, source information, indicator code, sex disaggregation (total, male, female), marital status classification, observation year, observed value, data status flags, and notes. For data quality, ILO selects the best source when multiple sources exist for the same country-year, and disaggregation columns are non-null only when published. It is suitable for tabular classification, regression, and time-series forecasting tasks, useful for studying African labor markets and informal economy trends. The dataset is repackaged by Electric Sheep Africa in Parquet format for machine learning readiness, released under the cc-by-4.0 license.

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统计数据库（ILOSTAT），属于非正规经济领域劳动统计的权威汇编。Electric Sheep Africa在此基础上进行工程化重构，将原始指标数据统一整理为Parquet格式，并配套标准化元数据、加载指引与来源说明，覆盖45个非洲国家自1999年至2025年的观测记录，形成结构一致、可直接机读的表格数据集。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，并借助to_pandas方法转换为数据框以开展统计分析。使用时应先核查变量定义、单位与缺失值分布，确认国家字段与地理范围，在建模前谨慎处理缺失数据，并可结合其他Electric Sheep Africa数据集按国家、年份与指标字段进行联结，以构建可复现的分析流程。

背景与挑战

背景概述

非正规经济部门就业议题长期处于劳动经济学与发展研究的核心地带，其规模与结构直接关系到社会保障覆盖、税收基础及脆弱群体生计。国际劳工组织（ILO）依托ILOSTAT数据库，系统采集各国劳动力市场统计资料，为跨国比较提供权威依据。Electric Sheep Africa于2026年将ILOSTAT中非洲区域非正规部门就业占比数据（按性别与婚姻状况分类）整理为标准化数据集，覆盖45个非洲国家、1999至2025年间共计5,035条观测记录。该数据集以机器学习可用格式发布，填补了非洲非正规就业细分维度数据的可发现性空白，为探究性别与婚姻状态对非正规就业参与的影响提供了结构化实证素材。

当前挑战

非正规部门就业度量本身面临界定模糊与跨国可比性不足的困境，各国对非正规就业的统计口径、调查方法与覆盖范围存在显著异质性，致使跨时跨区域的直接比较需格外审慎。构建该数据集时，原始ILOSTAT数据存在缺失值、指标定义不统一及国家编码不完整等挑战，元数据清单中即标注了国家字段与上游出版方信息的缺漏。同时，按性别与婚姻状况交叉分类后样本量进一步稀疏，可能削弱细分群体的估计稳健性。研究者须在建模前仔细核查变量定义、单位与缺失机制，方能确保分析结论的信度与效度。

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经典图景中，该数据集凭借对45个非洲国家、1999至2025年间5035条观测记录的覆盖，成为刻画非正规部门就业性别差异与婚姻状态分化的核心经验来源。研究者通常依托其按性别与婚姻状况分列的就业比例指标，开展跨国比较与时间序列分析，用以揭示非正规就业在非洲劳动力市场中的结构性特征及其演变轨迹，进而为理解发展中国家劳动力市场分层提供量化基础。

解决学术问题

该数据集有效回应了非正式经济研究中长期存在的数据稀缺与可比性不足问题。在缺乏统一跨国统计口径的背景下，它为检验性别与婚姻状态如何交互影响非正规就业参与提供了标准化证据，使学者得以系统评估女性、已婚群体在非正规部门中的相对脆弱性。其意义在于将碎片化的国别调查整合为可复现的跨国面板，推动劳动市场分割理论与非正规性研究从个案描述走向实证比较。

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识别非正规就业高风险群体提供了量化依据。社会保障机构可据此定位性别与婚姻状态维度上的覆盖缺口，设计更具针对性的正规化激励与劳动保护干预。发展金融机构亦能借助其跨国可比指标，评估包容性增长项目的基线状况与成效，从而优化资源配置，提升非正规部门劳动者向正规经济过渡的政策效能。

数据集最近研究

最新研究方向

在全球南方非正规经济持续扩张的背景下，该数据集依托国际劳工组织ILOSTAT的权威统计框架，覆盖45个非洲国家1999至2025年间逾五千条观测记录，按性别与婚姻状况细分非正规部门就业占比，为探究劳动力市场结构性分化提供了稀缺的时序证据。当前研究前沿集中于运用该数据检验非正规就业的性别异质性机制，结合婚姻状况变量揭示家庭分工对女性劳动参与路径的塑造效应，并借助面板计量方法识别制度变迁、贸易冲击与结构性转型对非正规部门规模的非线性影响。该数据集与非洲大陆自由贸易区推进、后疫情时代生计脆弱性加剧等热点议题深度关联，其标准化元数据与可复现格式亦推动非洲开放数据基础设施建设，为循证政策制定与跨国比较研究奠定实证基础。