electricsheepafrica/africa-ilo-luu-xlu3-sex-geo-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含了非洲39个国家从1994年至2025年的1,374个观测值，聚焦于“其他劳动力未充分利用指标”中的一个具体指标：按性别和城乡区域划分的失业率与潜在劳动力结合率（LU3）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，整合了就业、失业、工资等多方面指标。数据集通过ILOSTAT REST API直接获取，并过滤为非洲国家代码，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据以表格形式呈现，包含国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、区域类型、观测年份、观测值、观测状态及相关注释等列。数据集适用于表格分类、表格回归和时间序列预测等任务，旨在为研究非洲劳动力市场提供机器学习就绪的数据支持。This dataset contains 1,374 observations across 39 African countries from 1994 to 2025, focusing on a specific indicator under Other measures of labour underutilization: the combined rate of unemployment and potential labour force (LU3) by sex and rural/urban areas. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, a leading global repository for labour statistics that harmonizes indicators on employment, unemployment, wages, and more. It is retrieved directly from the ILOSTAT REST API, filtered to African ISO3 country codes, and standardized using International Conference of Labour Statisticians (ICLS) definitions. The dataset is presented in tabular format with columns including country code, country name, data source, indicator code, indicator name, sex disaggregation, area type, observation year, observed value, observation status, and related notes. It is suitable for tasks such as tabular classification, tabular regression, and time-series forecasting, providing machine learning-ready data for studying labour markets in Africa.

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核心统计数据库，通过调用其REST API接口，筛选出非洲39个国家的ISO3国家代码，并聚焦于“失业与潜在劳动力合计比率（LU3）”这一劳动利用不足指标。原始数据基于各国劳动力调查、家庭收入调查及行政记录等微观数据，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行协调与标准化处理，最终形成包含1,374条观测值的清洁数据集。数据涵盖1994至2025年时间跨度，由Electric Sheep Africa团队重新打包为机器学习就绪的Parquet格式，便于直接调用。

特点

本数据集的核心特点在于其聚焦非洲大陆劳动力市场的特定维度，提供了失业与潜在劳动力比率的性别（男性、女性、合计）及城乡地域（国家、农村、城市）双重分列数据。共计1,374条观测值覆盖39个非洲国家，时间序列跨度达31年，每条记录均附带详细的元数据标签，包括数据来源、观测状态（如临时性或不可靠性标志）以及指标定义注释。数据质量经过严格管控，采用ILO选定的‘最佳来源’策略处理同一国家-年份的多源冲突，并标注了方法论变更或序列断裂等关键信息，确保分析的可溯性与可靠性。

使用方法

用户可通过HuggingFace Datasets库以一行代码直接加载该数据集，例如使用`load_dataset("electricsheepafrica/africa-ilo-luu-xlu3-sex-geo-rt-combined-rate-of-unemployment-and-potential-labour")`，随后转换为Pandas DataFrame进行灵活操作。典型应用包括按国别代码（如KEN）筛选特定国家数据进行时间序列分析，或针对单一指标（LUU_XLU3_SEX_GEO_RT）按年份排序以绘制趋势图。此外，支持通过数据透视表构建国家×年份矩阵，便于跨区域比较或作为监督学习（回归或分类）及时间序列预测任务的特征输入，尤其适用于非洲劳动力市场建模与政策分析研究。

背景与挑战

背景概述

国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布的非洲LU3数据集，由Electric Sheep Africa重新封装，系统记录了1994至2025年间39个非洲国家的劳动力未充分利用综合指标。该数据集聚焦于失业与潜在劳动力综合比率（LU3），按性别和城乡地理维度进行细致划分，旨在揭示非洲大陆在劳动力资源利用上的深层结构性矛盾。作为ILO长期追踪体面劳动目标（SDG 8）的关键工具，该数据集为跨国比较、政策评估及时间序列分析提供了标准化基础，填补了非洲地区高频劳动统计数据高度碎片化的空白，对发展经济学、劳动市场研究与机器学习驱动的社会经济预测产生了深远影响。

当前挑战

该数据集解决的领域问题在于量化非洲劳动力市场中失业与潜在劳动力的复合程度，这一指标超越了传统失业率，涵盖因就业不足或劳动力依附性而丧失工作意愿的群体。构建过程中面临多重挑战：首先，非洲各国劳动调查方法、问卷设计及统计频率差异显著，ILO需严格遵循国际劳动统计学家会议（ICLS）标准进行数据协调与源标记，确保跨国产出可比性。其次，数据稀疏性与时间序列不连续性普遍存在，例如部分国家观测区间内存在断点或方法修订，在数据质量注解中以‘Observation status’‘Break in series’等字段记录，使用户在建模时需审慎处理。此外，API数据抓取与清洗需处理多源标注冲突及缺失值问题，确保最终1374条观测记录的人口统计代表性覆盖城乡与性别维度。

常用场景

经典使用场景

在劳动经济学与区域发展研究领域，非洲劳动力市场因数据稀疏性而长期面临分析瓶颈。该数据集聚焦于失业与潜在劳动力综合比率（LU3），涵盖39个非洲国家自1994年至2025年的年度观测值，并细分为性别与城乡地域维度。研究者可借助此数据集构建面板数据模型，深入剖析非洲各国劳动力闲置程度的时空演变规律，揭示失业与潜在劳动力之间的动态关联。其经典使用场景包括跨国的劳动力市场效率比较分析、性别差异对就业脆弱性的影响评估，以及城乡二元结构下劳动力资源错配的量化研究，为理解非洲大陆劳动参与率波动的深层机制提供了坚实的数据基础。

实际应用

在实际决策层面，该数据集为国际组织、国家统计部门及发展机构提供了诊断非洲劳动力市场健康状况的关键工具。政策制定者可利用LU3综合比率识别高劳动力闲置风险的热点区域，并针对性别与地域差异设计精准的就业促进计划。例如，结合数据分析结果，可以优化职业培训资源的城乡分配比例，或在经济结构调整时期为受影响群体建立临时就业缓冲机制。此外，该数据集支持联合国可持续发展目标（SDG）中体面工作指标的监测与评估，帮助捐助国和开发银行量化援助项目的就业效应。在私营部门，人力资源咨询公司与跨国企业可借助该数据评估非洲各国的人才供给潜力与用工成本趋势，辅助市场进入与投资选址的决策过程。

衍生相关工作

依托该数据集的规范化架构，学术界已衍生出多项具有标杆意义的研究工作。其中，利用时间序列预测模型对LU3指标进行外推，为劳动力市场预警系统提供了方法论雏形；基于性别与城乡分组的多层次建模工作，开创了非洲劳动闲置分析中异质性效应的系统评估范式。更为重要的是，该数据集作为ILOSTAT非洲子集的代表性样本，推动了跨数据库整合研究——研究者将其与教育成就、基础设施可达性及制度质量等面板数据融合，构造了劳动力市场韧性指数，从而深化了对非洲就业脆弱性的结构性理解。这些衍生工作不仅放大了原始数据的学术价值，更确立了该数据集在非洲劳动经济学实证研究中不可替代的基础设施地位。