electricsheepafrica/africa-ilo-emp-xtru-sex-age-geo-nb-time-related-underemployment-by-sex-age-and-rural

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲时间相关就业不足统计数据，具体指标为按性别、年龄和城乡划分的时间相关就业不足（千）。数据集涵盖32个非洲国家，时间跨度为1996年至2025年，共包含9,283个观测值。数据以年度频率提供，并按性别（总计、男性、女性）、年龄分类和地区类型（如全国）进行细分。数据集经过Electric Sheep Africa重新打包，采用一致的Parquet格式，便于机器学习使用。This dataset contains time-related underemployment statistics for Africa from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Time-related underemployment by sex, age and rural / urban areas (thousands). It covers 32 African countries from 1996 to 2025, with 9,283 observations. Data is provided at annual frequency and disaggregated by sex (total, male, female), age classification, and area type (e.g., national). The dataset has been repackaged by Electric Sheep Africa into a consistent Parquet format for machine learning readiness.

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），经Electric Sheep Africa标准化元数据并重新封装为Hugging Face平台上的Parquet格式。原始数据覆盖1996年至2025年间32个非洲国家的9,283条观测记录，围绕时间相关就业不足指标，按性别、年龄组及城乡地理区域进行分层统计。Electric Sheep Africa在保留原始ILO数据语义的基础上，补充了标准化元数据标签、来源注释与使用指引，形成面向机器学习与计量分析的可复现数据集。

特点

数据集以表格与文本双模态呈现，体量介于一千至一万条记录之间，属于经济学与金融领域。其核心特征在于多维交叉结构：性别、年龄、城乡维度与时间序列相互交织，能够支撑就业不足现象的精细化比较分析。数据以非洲区域为地理焦点，覆盖32国多年份观测，具备较好的时空覆盖广度。标签体系包含ILOSTAT、劳动力、就业等主题词，便于跨数据集关联与检索。采用CC BY 4.0许可，允许在署名前提下自由使用与再分发。

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，获取各数据分割的表格结构并检视特征字段与样本内容。对于表格型数据，可将其转换为Pandas DataFrame以进行统计描述、缺失值分析与建模准备。使用时应优先查阅原始数据文件中的变量定义与单位说明，明确国家列与年份字段，保留缺失值直至制定合理的插补规则。该数据集可与其他Electric Sheep Africa目录下的非洲数据集按国家、年份与指标字段进行连接，构建可复现的分析流程。

背景与挑战

背景概述

非洲大陆的劳动力市场长期面临就业不足的严峻挑战，国际劳工组织（ILO）数据显示，时间相关就业不足——即劳动者工作时间低于其意愿且愿意并能够从事额外工作——在发展中国家尤为普遍。该数据集由Electric Sheep Africa于2026年基于ILOSTAT数据整理发布，覆盖32个非洲国家、1996至2025年间9,283条观测记录，按性别、年龄组及城乡地域分类，以千人为单位呈现时间相关就业不足的规模。其核心研究问题在于揭示非洲就业不足的结构性特征与时空演变，为劳动经济学、发展政策及性别研究提供细粒度证据，对监测可持续发展目标（SDG 8）中的体面劳动进展具有重要参考价值。

当前挑战

该数据集所回应的领域问题——量化并对比非洲各国时间相关就业不足的分布与趋势——面临多重挑战。在数据构建层面，首要挑战在于原始ILOSTAT数据本身的国家覆盖不均衡，32国中部分国家存在年份缺失或统计口径差异，导致面板数据不平衡。其次，城乡地域分类在部分国家依赖间接估算，其定义边界模糊，可能引入测量偏误。此外，性别与年龄的交叉分组造成单元格稀疏，尤其青年与老年群体的细分数据存在大量缺失值，影响统计推断的稳健性。这些挑战要求研究者在建模前审慎处理缺失机制、异构定义及样本选择问题，避免过度解读元数据标签所隐含的政策含义。

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，该数据集构成剖析发展中国家劳动力市场质量的核心经验素材。其经典应用集中于刻画时间相关就业不足的性别、年龄与城乡分布格局，研究者借助9283条观测记录与32个非洲国家1996至2025年的时间序列，系统解构不同人口群体在劳动时间维度上的隐性失业状态。此类分析通常以面板数据方法展开，通过固定效应或随机效应模型识别就业不足的结构性差异，为理解非洲劳动力市场分割与脆弱性提供量化基础。

衍生相关工作

围绕该数据集已衍生出多类经典工作。在方法层面，研究者开发了标准化数据清洗与缺失值插补流程，以应对元数据中标注的地理覆盖与上游出版者缺口。在实证层面，出现了非洲时间相关就业不足的空间聚集性分析、性别差距的动态分解以及城乡劳动时间配置的比较研究。在数据基础设施层面，Electric Sheep Africa以此为基础拓展了非洲劳动统计元数据清单，推动ILOSTAT数据与机器学习就绪格式的融合，形成了可复用的非洲就业数据发现与整合框架。

数据集最近研究

最新研究方向

在非洲劳动力市场结构性转型与非正规经济长期存续的宏观背景下，时间相关不充分就业作为衡量劳动力资源未充分释放的关键指标，正日益成为发展经济学与劳动经济学交叉领域的焦点议题。该数据集依托ILOSTAT权威统计框架，涵盖1996至2025年间32个非洲国家按性别、年龄及城乡维度细分的9,283条观测记录，为探究性别差异化就业脆弱性、青年劳动边缘化以及城乡劳动力市场二元结构提供了稀缺的长时序面板数据基础。当前前沿研究借助该数据集，将时间相关不充分就业与数字经济渗透、气候冲击下的农业劳动再配置等热点议题相联系，运用面板回归与因果推断方法识别就业质量演化的驱动机制。其学术价值在于突破传统失业率指标的局限，揭示隐性劳动闲置对减贫政策成效的深层影响，为非洲实现体面劳动目标与包容性增长战略提供实证支撑。