electricsheepafrica/africa-ilo-eip-rcar-sex-geo-rt-share-of-persons-outside-the-labour-force-due-to-c

该数据集包含751个观测值，涉及30个非洲国家从2008年至2024年的“其他劳动力利用不足指标”数据，涵盖1个独特指标。具体指标为“EIP_RCAR_SEX_GEO_RT”，即按性别和城乡区域划分的因照顾责任而退出劳动力市场的人口比例（%）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过和谐化处理，基于国际劳工统计学家会议（ICLS）的定义，并包括来源追踪信息。数据集以表格形式呈现，包含国家代码、年份、观测值、性别分类等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains 751 observations of Other measures of labour underutilization data across 30 Africa countries, spanning 2008 to 2024, covering 1 distinct indicator. The specific indicator is EIP_RCAR_SEX_GEO_RT, which represents the share of persons outside the labour force due to care responsibilities by sex and rural/urban areas (%). Data is sourced from the ILOSTAT database of the International Labour Organization (ILO), harmonized using International Conference of Labour Statisticians (ICLS) definitions, and includes source traceability. The dataset is presented in tabular format with columns such as country code, year, observed value, and sex disaggregation, suitable for tasks like tabular classification, regression, and time-series forecasting.

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（ILO）的ILOSTAT数据库，经由Electric Sheep Africa团队重新封装而成。构建过程首先通过ILOSTAT REST API直接提取指标代码为EIP_RCAR_SEX_GEO_RT的原始数据，随后依据非洲地区的ISO3国家代码进行筛选过滤，最终汇聚成涵盖30个非洲国家、时间跨度从2008年至2024年的751条观测记录。数据集的构建严格遵循ILO的统计标准，所有原始调查微观数据均依据国际劳工统计学家会议（ICLS）的定义进行统一调和，确保数据源的标准化与可比性，并在source.label列中标注数据来源以备追溯。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，使用`load_dataset()`函数即可将数据转换为Pandas DataFrame格式，便于后续分析。典型应用场景包括：按国家代码筛选特定国家的子集进行国别研究；对单个指标按时间排序生成时间序列数据，进而绘制趋势图；或利用数据透视表功能构建以年份为行、国家为列的指标矩阵，用于跨国的横向比较与面板数据分析。该数据集特别适用于劳动力经济学、性别研究和非洲发展政策等领域的定量研究。

背景与挑战

背景概述

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Africa于2024年重新整理并发布，聚焦非洲30个国家2008至2024年间因照料责任而处于劳动力市场之外的人群比例。数据集包含751条观测记录，按性别与城乡区域进行细分，旨在揭示非劳动人口中因家庭照料义务而被迫退出劳动力市场的结构性特征。作为衡量劳动力利用不足的重要指标，该数据为分析非洲大陆性别不平等、城乡差异及社会经济政策效果提供了关键量化基础，尤其对理解女性劳动参与率偏低背后的深层驱动因素具有重要价值。

当前挑战

该数据集面临的挑战主要体现在两个方面：其一，在领域问题层面，非洲各国劳动力调查的标准化程度参差不齐，部分国家数据来源多样（如住户调查、生活标准调查），导致同一指标在不同年份或国家间存在方法论断裂（如指标注释中标注的序列中断），影响了跨国与跨时比较的严谨性；其二，在构建过程中，由于原始数据需从ILOSTAT的REST API中提取并筛选非洲国家，而部分观测值被标记为“不可靠”（如obs_status字段中的U标志），加之分类维度（如性别、城乡）存在空值，给数据清洗与时空插补带来了复杂挑战。

常用场景

经典使用场景

该数据集源自国际劳工组织ILOSTAT数据库，聚焦非洲30个国家2008至2024年间因照护责任而退出劳动力市场的人群比例，并按性别与城乡区域进行细分。经典使用场景多见于劳动经济学与性别不平等研究，学者用以量化照护负担对劳动力参与率的抑制作用，通过跨时间、跨区域的纵向或截面分析，揭示非洲各国在劳动资源利用上的结构性短板。

解决学术问题

数据集有效回应了劳动力市场研究中因照护责任导致的隐性失业测量难题，尤其在性别差异分析中提供了关键视角。其价值在于解开传统失业统计无法涵盖的‘劳动力剩余群体’之谜，阐明照护经济如何系统性地削弱女性与农村人口的劳动参与度，从而为劳动政策制定与性别公平评估奠定了实证基础。

实际应用

在实际应用中，该数据集助力国际发展机构与非洲国家劳工部门进行劳动力潜能评估与政策干预设计。通过识别照护负担最重的国家、性别组别与年份，可优化托幼设施、弹性工作制等社会政策的资源配置，促进农村与女性群体的经济赋权，并监测可持续发展目标中体面劳动指标的进展。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区因照料责任而退出劳动力市场的人口比例，按性别和城乡地域进行精细划分，为深入探究非洲劳动力利用不足的结构性成因提供了宝贵的数据支撑。在可持续发展目标（SDGs）框架下，特别是关于体面工作和性别平等的目标，这一方向与当前全球对无酬照料工作经济价值的再评估高度契合。通过分析2008至2024年间30个非洲国家的时序数据，研究者得以揭示照料责任如何加剧性别不平等，并量化其对劳动力供给的长期抑制效应。该数据集不仅推动了发展中国家性别经济学与劳动市场学的交叉研究，也为政策制定者设计兼顾性别敏感性的劳动力激活策略提供了实证基础，其影响延伸至社会保障体系改革与非正规经济治理等前沿议题。