electricsheepafrica/africa-ilo-how-temp-sex-ins-mts-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含非洲41个国家从1991年至2025年的17,534个观测值，涉及按性别、公共/私营部门和婚姻状况划分的就业人员实际平均每周工作时间指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了就业人员实际工作时间的统计信息，并包括按性别、部门等维度的细分。数据集以表格形式组织，包含国家代码、年份、观测值等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains 17,534 observations across 41 African countries from 1991 to 2025, focusing on the indicator Mean weekly hours actually worked per employed person by sex, public/private sector and marital status. It is sourced from the International Labour Organizations ILOSTAT database, providing statistics on actual working hours for employed persons, with breakdowns by sex, sector, and other dimensions. The data is organized in tabular format with fields such as country code, year, and observed values, suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，通过REST API接口直接抽取指标代码为HOW_TEMP_SEX_INS_MTS_NB的原始数据，并依据非洲ISO3国家代码进行地理过滤。数据经Electric Sheep Africa团队重新封装，整合了来自41个非洲国家、涵盖1991年至2025年间的17,534条观测记录。构建过程中，ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行一致性处理，并在source.label列中标注数据来源以确保可追溯性。最终以标准化Parquet格式发布，便于机器学习场景的直接加载。

特点

该数据集聚焦于非洲地区按性别、公共/私营部门及婚姻状况划分的受雇人员每周实际工作平均时长这一核心劳动力指标。其独特之处在于提供了多维度的分类变量，包括性别（总计、男性、女性）、机构部门（公共、私营、总计）以及婚姻状况（总计、已婚、单身等），使研究者能够深入剖析不同社会群体间的工作时长差异。数据覆盖时间跨度长达35年，纳入了南非、毛里求斯、埃及等代表性国家的长序列数据，且所有观测值均附带观测状态标签（如可靠、临时、不可靠），为数据质量评估提供了透明度。

使用方法

用户可通过HuggingFace Datasets库的一行代码轻松加载该数据集，例如执行`load_dataset("electricsheepafrica/africa-ilo-how-temp-sex-ins-mts-nb-mean-weekly-hours-actually-worked-per-employed-per")`即可获取训练集并将其转换为Pandas DataFrame进行后续分析。典型用法包括按国家代码筛选特定国家的数据子集、按时间排序绘制单一指标的时序变化曲线，或利用pivot_table功能将数据重塑为国家×年份的矩阵格式，以支持面板数据分析与时间序列建模。该数据集也可直接用于表格分类、回归以及时间序列预测等机器学习任务。

背景与挑战

背景概述

劳动力市场的时间配置是劳动经济学与发展研究的核心议题，其中每周实际工作小时数作为衡量劳动投入强度的关键指标，对评估就业质量、生产效率及性别平等具有重要价值。该数据集由国际劳工组织（ILO）统计部门创建，经Electric Sheep Africa于2025年重新整理并发布至HuggingFace平台，聚焦非洲大陆41个国家1991至2025年间雇员的平均每周实际工作小时数。其核心研究问题在于通过性别、公共/私营部门及婚姻状况等多维度分层，揭示非洲各国劳动时间的异质性模式，为跨国比较与政策制定提供标准化数据基础。作为ILOSTAT劳动力统计体系的延伸，该数据集填补了非洲地区劳动时间微观数据在公开平台上的可获取性缺口，对推动该区域的实证研究与国际发展议程具有显著的支撑作用。

当前挑战

该数据集所应对的领域挑战主要源于非洲劳动力市场的结构性复杂性与数据稀缺性。一方面，非洲多数国家非正规就业占比高，其工作时间统计往往依赖不连续的劳动力调查，导致年际间观测值存在大量缺失与波动，如数据质量标注中‘不可靠’状态（U）的出现，反映了测量误差与报告偏差的普遍存在。另一方面，构建过程面临跨来源数据整合的困难，ILOSTAT虽对异构的原始调查数据进行了ICLS标准统一，但不同国家在调查方法、样本覆盖与行业分类上的差异，仍使得可比性受限。此外，数据集按年度频率提供，未能捕捉季节性劳动强度的短期变化，且细分维度（如婚姻状况）仅在部分指标下非空，限制了多变量交互分析的深度，亟需更精细的微观数据支持以揭示非洲劳动时间的真实动态。

常用场景

经典使用场景

该数据集的核心价值在于为非洲劳动力市场的实证研究提供了标准化的工时数据，其经典使用场景涵盖面板数据分析、时间序列建模和统计回归。研究者可基于41个非洲国家、跨越1991至2025年的观测数据，构建性别、公共与私营部门及婚姻状况等维度的交叉分析模型，评估不同群体间的工时差异及其演变趋势。同时，该数据集适用于劳动经济学中的影响因素剖析，如教育水平、产业结构和政策干预对工作强度的作用，为理解非洲地区非正式就业与性别不平等提供了量化基础。

实际应用

在实际应用层面，该数据集多被用于国际组织与政府机构的劳动政策监测与评估。例如，国际劳工组织（ILO）可借由这些数据追踪非洲各国实现体面劳动（Decent Work）目标的进展，尤其是在性别平等和工时规范方面。非政府组织和研究智库则将其整合进非洲就业质量指数，辅助制定缩小性别工时差距的干预策略。数据的高频更新特性还使其适用于短期劳动力市场预警系统，为应对突发经济冲击（如疫情下的工作时长骤降）提供决策参考。

衍生相关工作

该数据集衍生的经典工作包括基于面板计量模型的非洲工时决定因素研究，以及应用机器学习方法对缺失工时数据进行插补预测的学术探索。有工作聚焦于利用该数据验证库兹涅茨曲线在性别工时不平等中的存在性，另有研究将其与World Bank的企业调查数据结合，分析正规与非正规部门的工时溢价。此外，该数据催生了针对非洲家务劳动时间分配与有酬工作时长间替代效应的量化分析，推动了‘未测量经济’核算方法的革新，并成为后续ILOSTAT与其他区域数据集整合工作的基准参照。