electricsheepafrica/africa-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的其他劳动力利用不足的衡量指标数据，具体指标为按性别、农村/城市地区和婚姻状况划分的时间相关就业不足和失业综合率（LU2）。数据集覆盖32个非洲国家，时间跨度为1996年至2025年，包含3,511个观测值。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家代码。数据集为表格格式，包含列如国家代码、国家名称、指标代码、指标标签、性别分类、分类变量、观测年份、观测值、观测状态等。数据为年度频率，并经过ILO的标准化处理，以确保符合国际劳工统计学家会议（ICLS）的定义。数据集适用于表格分类、表格回归和时间序列预测等任务，主要用于劳动力市场分析和研究。数据集由Electric Sheep Africa重新打包，以提供统一的、机器学习就绪的数据层。This dataset contains Other measures of labour underutilization data from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Combined rate of time-related underemployment and unemployment (LU2) by sex, rural/urban area, and marital status. It covers 32 African countries from 1996 to 2025, with 3,511 observations. The data is sourced via the ILOSTAT REST API and filtered to include only African country codes. The dataset is in tabular format, with columns such as country code, country name, indicator code, indicator label, sex classification, classification variables, observation year, observed value, and observation status. The data is annual frequency and harmonized by ILO to adhere to International Conference of Labour Statisticians (ICLS) definitions. It is suitable for tasks like tabular classification, tabular regression, and time-series forecasting, primarily for labor market analysis and research. The dataset is repackaged by Electric Sheep Africa to provide a unified, ML-ready data layer.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）中央统计数据库ILOSTAT的原始记录进行标准化重构而成，旨在为非洲劳动力市场研究提供可复现的结构化证据。构建过程从ILOSTAT提取时间相关就业不足与失业综合率（LU2）指标数据，覆盖1996年至2025年、32个非洲国家，共记录3511条观测值，按照性别与城乡地理维度进行系统编码。数据集以Parquet格式封装，附带有标准化的元数据清单、来源标注及分析指导，同时保留原始发布者的权利归属与许可信息，确保数据溯源的可审计性。

特点

该数据集聚焦于非洲地区劳动力未充分利用的复合度量，具有鲜明的区域覆盖特征与时间跨度纵深。其核心变量为LU2综合比率，按性别与城乡维度细分，能够揭示不同社会群体在就业不足与失业叠加状态下的结构性差异。数据规模处于1K至10K区间，以表格与文本模态并存，兼具定量分析与定性语境注释的双重功能。数据集以英语单语形式发布，采用CC BY 4.0开放许可，便于跨机构研究与政策分析中的引用与再分发。

使用方法

使用者可通过Hugging Face的datasets库加载该数据集，先查看数据划分与特征结构，再根据分析需求转换为Pandas数据框进行探索性统计与建模。在具体操作中，建议优先检查各变量缺失程度与地理标识的显式程度，对缺失值保留至确立合理的插补规则后再行处理；若进行跨数据集整合，应利用国家、年份与指标字段进行显式连接，并在分析报告中记录地理假设与变量定义来源。数据可服务于非洲劳动力市场的描述性统计、性别与城乡差异比较以及时间序列趋势分析等任务。

背景与挑战

背景概述

劳动力利用不足是衡量劳动力市场健康程度的核心指标之一。国际劳工组织（ILO）长期致力于构建跨国可比劳动力统计体系，ILOSTAT作为其中央统计数据库，为全球就业监测提供了权威数据来源。在此背景下，Electric Sheep Africa于2026年对ILOSTAT中非洲区域数据进行了结构化整理，发布了该数据集。数据集涵盖1996至2025年间32个非洲国家的3,511条观测记录，聚焦LU2指标，即时间相关就业不足与失业的复合比率，并按性别及城乡维度细分。该数据集的核心研究问题在于揭示非洲劳动力市场中就业质量与数量的双重困境，为政策制定者与研究者提供可复现的分析基础，其影响力在于填补了非洲区域劳动力利用不足精细化数据的空白，并推动了开放数据在经济发展研究中的应用。

当前挑战

该数据集所应对的领域问题在于，传统失业率指标难以全面刻画劳动力未充分利用的复杂现实，尤其是时间相关就业不足与失业的叠加效应在非洲非正式经济占比较高的情境下更为隐蔽，亟需复合度量工具来支撑精准研判。在构建过程中，数据集面临多重挑战：其一，ILOSTAT原始数据在非洲各国的调查频率、定义口径和覆盖范围参差不齐，跨国可比性面临考验；其二，性别与城乡维度的细分数据存在系统性缺失，部分国家或年份的观测值不完整，对缺失值处理和插补策略提出了审慎要求；其三，元数据中地理标识（ISO3）未在数据集层面显式声明，需依赖上游来源进行推断，增加了下游分析的不确定性；其四，时间跨度虽长，但数据收集方法随年份演变，结构性断点可能影响趋势分析的连贯性。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域，该数据集最经典的使用场景在于刻画非洲劳动力市场中时间相关就业不足与失业叠加形成的综合劳动未充分利用率（LU2）的时空演变格局。研究者依托其涵盖32个非洲国家、1996至2025年共3511条观测记录，按性别与城乡地理维度展开面板数据分析，藉此辨识不同国家与区域在劳动力闲置程度上的异质性，并揭示性别鸿沟与城乡差距在劳动市场中的长期存续态势。

实际应用

在政策实践层面，该数据集为国际组织、非洲各国劳工部门及发展机构提供了量化决策依据。借助按性别与城乡分类的LU2指标，政策制定者能够精准识别劳动未充分利用问题最为严峻的群体与地区，从而优化就业促进项目、职业培训计划与社会保障资源的配置。同时，该数据集亦可用于监测可持续发展目标中充分就业与体面工作相关指标的落实进展，为非洲区域一体化进程中的劳动力市场协调提供数据支撑。

衍生相关工作

围绕该数据集，Electric Sheep Africa持续拓展其非洲公共数据目录，衍生出涵盖失业率、劳动力参与率、非正规就业等多维劳动市场指标的系列数据集，形成相互关联的劳动统计数据生态。相关经典工作包括基于该数据构建的非洲劳动市场脆弱性指数、性别就业差距的时空分解研究，以及将ILOSTAT数据与人口健康调查等微观数据融合的跨域分析，共同推动了非洲劳动经济学实证研究的纵深发展。