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

该数据集包含非洲32个国家从1996年至2025年的“时间相关就业不足和失业的综合率（LU2）”指标数据，按性别、年龄和城乡地区划分，共有8,654个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并经过非洲国家代码过滤。数据集涵盖了劳动力市场中的就业不足和失业综合率指标，用于分析非洲地区的劳动力利用情况。数据结构包括国家代码、指标代码、性别分类、年龄分类、城乡分类、观测年份和观测值等列，并提供了数据来源和质量注释。数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset contains 8,654 observations of the Combined rate of time-related underemployment and unemployment (LU2) indicator across 32 Africa countries, spanning 1996 to 2025, disaggregated by sex, age, and rural/urban areas. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled directly from the ILOSTAT REST API and filtered to Africa ISO3 country codes. It focuses on labour underutilization measures, specifically the combined rate of time-related underemployment and unemployment, for analyzing labour market conditions in Africa. The schema includes columns such as country code, indicator code, sex classification, age classification, area type, observation year, and observed value, along with source and quality flags. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa on HuggingFace.

搜集汇总

数据集介绍

构建方式

在非洲劳动力市场监测领域，时间相关就业不足与失业的复合指标（LU2）是刻画劳动力未充分利用状况的关键工具。该数据集由Electric Sheep Africa基于国际劳工组织（ILOSTAT）的公开统计资料进行标准化重构，覆盖32个非洲国家自1996年至2025年的8654条观测记录。构建过程遵循元数据驱动的工程化范式，对原始指标按照性别、年龄组及城乡地理维度进行结构化整理，并以Parquet格式封装，确保数据在保留源信息完整性的同时具备高效读取与可复现分析的特性。

特点

该数据集以其精细的分组维度与跨时空覆盖范围而见长，系统呈现了非洲地区劳动力未充分利用的动态图景。数据以表格与文本混合模态组织，涵盖时间相关就业不足和失业的复合比率，并按性别、年龄及农村/城市属性进行分层刻画。其规模处于1K至10K区间，体量适中而信息密度较高。作为元数据支撑的开放数据资源，该数据集附带标准化的来源注释、许可协议与字段指引，为跨国比较与子群体分析提供了可靠的结构化基础。

使用方法

研究者可借助Hugging Face datasets库便捷加载该数据集，通过指定仓库标识获取数据对象，进而检视其特征结构并提取样本记录。在需要表格化操作时，可将数据集转换为Pandas数据框以执行统计分析与可视化。使用过程中应优先核验变量定义、计量单位及缺失值分布，对地理信息未显式声明的情形保持审慎并记录相关假设。该数据集适宜与Electric Sheep Africa目录下其他数据集按国家、年份和指标字段进行联结，以支撑可复现的劳动力市场研究。

背景与挑战

背景概述

就业不足与失业的复合测度（LU2）是国际劳工组织（ILO）劳动力市场统计体系中的关键指标，旨在捕捉时间相关就业不足与公开失业叠加形成的劳动力未充分利用状态。非洲地区长期面临就业结构脆弱、非正规经济占比高、性别与城乡分化显著等结构性难题，使得单一失业率难以刻画真实的劳动利用效率。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8654条观测记录，按性别、年龄组和城乡维度系统编码，为非洲劳动力市场比较研究提供了标准化的面板数据基础，对区域就业政策评估与可持续发展目标监测具有重要参考价值。

当前挑战

该数据集所回应的核心领域问题在于：如何在一个跨国家、跨年份、跨人口维度的框架下，一致地刻画时间相关就业不足与失业的复合水平——这一测量难题长期受制于各国劳动力调查口径差异、非正规部门就业界定模糊以及农村地区数据采集覆盖不足。在构建过程中，数据集面临若干具体挑战：其一，ILOSTAT原始数据在部分国家和年份存在缺失值，如何在不引入偏差的前提下保留缺失结构并进行透明标注；其二，性别、年龄与城乡维度的交叉分类导致部分单元格样本量稀疏，统计稳健性受限；其三，各国对“时间相关就业不足”的操作性定义与参考期界定可能存在细微差异，跨国家可比性需要谨慎校验；其四，元数据清单中上游出版者与国家字段存在缺口，溯源的完整性仍有待补全。

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，该数据集通常被用于刻画非洲大陆劳动力市场中时间相关就业不足与失业的复合形态。研究者依托其涵盖32个非洲国家、1996至2025年的8654条观测记录，按性别、年龄组与城乡二元结构进行分层剖析，构建面板数据模型以识别LU2指标在人口子群间的异质性分布。这种场景下，数据集扮演着基准事实供给者的角色，为跨国比较与时间序列趋势分析提供标准化、可复现的表格化输入。

实际应用

在政策分析与实务场景中，该数据集可服务于国际组织、区域发展机构及各国统计部门对非洲劳动力闲置状况的监测与评估。从业者可依据性别、年龄与城乡维度拆解LU2指标，识别青年群体或农村地区的劳动力利用瓶颈，进而为就业促进计划、技能培训配置与社会保障干预提供量化依据。其帕里帕格式与标准化元数据亦便于嵌入数据管道，支撑自动化仪表盘与定期报告生成，缩短从数据到政策洞察的转化周期。

衍生相关工作

围绕该数据集，相关衍生工作主要沿两条脉络展开：其一是Electric Sheep Africa系列非洲公共数据集的集成与互操作研究，通过国别、年份与指标字段实现跨数据集联结，拓展多维分析空间；其二是基于ILOSTAT原始框架的劳动力利用不足指标方法论探讨，推动LU系列指标在非洲语境下的效度检验与口径修订。这些工作共同强化了非洲劳动统计数据的开放生态，为后续机器学习建模与因果推断提供了可复用的数据基础设施。