electricsheepafrica/africa-ilo-str-tstr-eco-nb-number-of-strikes-and-lockouts-by-economic-activit

该数据集包含非洲28个国家从1969年至2024年关于罢工和停工的工业关系数据，共3,540个观测值，覆盖一个核心指标：STR_TSTR_ECO_NB（按经济活动划分的罢工和停工数量）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤至非洲国家，涵盖了就业、劳动统计等领域。数据集包括国家代码、国家名称、数据来源、指标标签、分类变量（如经济活动）、观测年份、观测值以及状态标志等列，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并包含数据质量说明，如多源数据选择最佳来源。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数据层。This dataset contains 3,540 observations of industrial relations data on strikes and lockouts across 28 Africa countries, spanning from 1969 to 2024, with one distinct indicator: STR_TSTR_ECO_NB (Number of strikes and lockouts by economic activity). The data is sourced from ILOSTAT, the ILOs central statistics database, and is filtered to Africa ISO3 country codes via the ILOSTAT REST API. It covers employment and labour statistics, with columns including country codes, country names, source information, indicator labels, classification variables (e.g., economic activity), observation years, observed values, and status flags. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, with annual frequency and data quality notes such as the use of best source for multiple sources. Repackaged by Electric Sheep Africa, it aims to provide a unified, ML-ready data layer for 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统计数据库，专注于非洲地区因经济活动引发的罢工与停工事件。数据通过ILOSTAT的REST API接口获取，原始指标代码为STR_TSTR_ECO_NB，经筛选后仅保留非洲国家的ISO3编码数据。ILO依据国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行统一规范化处理，并在“source.label”字段中标注数据来源，以确保信息可追溯。最终由Electric Sheep Africa进行重新打包与标准化，形成包含3540条观测记录的表格数据集。

特点

数据集涵盖28个非洲国家，时间跨度从1969年至2024年，最长序列（如南非）包含582条年度观测。每条记录包含国家代码、来源标签、指标类别、经济部门分类（如总经济部门）、观测值及多种注释字段，便于用户理解数据质量与适用范围。数据以年频次发布，当同一国家与年份存在多个来源时，采用ILO选定的“最佳来源”。此外，部分分类字段（如性别、经济活动）仅在特定指标发布时非空，体现了数据集在细粒度分析上的灵活性。

使用方法

研究者可通过Hugging Face Datasets库轻松加载该数据集，使用load_dataset()函数即可获取pandas DataFrame格式的完整数据。支持按国家过滤（如df[df['ref_area'] == 'KEN']）进行国别分析，或按时间排序后绘制单一指标的时间序列图。用户还可通过pivot_table操作将数据重构为国家×年份的矩阵形式，便于进行跨国的面板数据分析与建模。该数据集适用于表格分类、回归及时间序列预测等机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2024年整理发布，并经由Electric Sheep Africa重新封装于HuggingFace平台，聚焦非洲地区因经济活动而引发的罢工与停工事件数量。核心研究问题在于揭示1969年至2024年间，28个非洲国家在工业关系领域的冲突模式与演变趋势，为劳动经济学、社会政策及区域发展研究提供量化基础。作为ILOSTAT数据库的子集，该数据集整合了来自劳动力调查、行政记录等多源异构数据，在非洲劳动统计领域具有开创性意义，为后续构建预测模型和跨国家比较分析提供了标准化的时间序列数据支撑。

当前挑战

该数据集面临的挑战首先体现在领域问题的复杂性上：非洲地区罢工与停工事件的发生机制深受政治动荡、经济结构转型及制度环境差异影响，数据中隐含的时空异质性使得简单的统计建模难以捕捉真实因果路径。构建过程中，数据来源多样且质量参差不齐——各国家统计能力差异导致部分年份观测值缺失、分类标准（如经济活动的行业划分）不统一，加之ILO采用的“最优来源筛选”规则可能引入选择偏差，这些因素共同考验着数据清洗与融合时的一致性维护能力。此外，数据中标注的覆盖限制和观测状态标志（如临时性、不可靠数据）进一步增加了因果推断的噪声干扰。

常用场景

经典使用场景

该数据集汇集了国际劳工组织（ILO）ILOSTAT数据库中28个非洲国家1969年至2024年间按经济活动分类的罢工与停工频次统计，共计3540条观测记录。在劳动力经济学与产业关系研究领域，它常被用于构建面板数据模型，以分析非洲大陆不同经济部门中劳资冲突的时空分布格局，例如通过固定效应回归探究宏观经济周期、制度变迁或工会密度对罢工事件的影响，或是作为纵向比较的多国基准。

衍生相关工作

围绕该数据派生的一系列经典工作包括：利用时间序列分解方法提取非洲罢工活动的趋势-周期成分，并与全球商品价格指数、债务危机节点进行格兰杰因果检验；在计量框架下将其与ILOSTAT中罢工天数、参与人数等其他产业关系指标构成多变量系统，构建劳资冲突烈度的综合指数；此外，还有研究者将其纳入非洲劳工政治的地理空间分析，通过合并World Bank治理指标，检验区域经济一体化组织中跨国产传染效应是否存在，进而提出“制度溢出”假说。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆罢工与停工事件的经济活动维度，为劳动经济学与产业关系领域的前沿研究提供了宝贵的时间序列数据。近期研究热点围绕非洲工业化进程中的劳资冲突动态，例如南非、突尼斯等国的罢工频次与经济结构调整之间的关联性分析，以及新冠疫情后非洲劳动力市场韧性评估。借助ILOSTAT标准化的统计框架，研究者可深入挖掘1969至2024年间28个国家的数据，探索宏观经济政策、制度变迁与劳工运动的交互影响。该数据集不仅服务于学术建模，更为国际劳工组织推进体面劳动目标、监测非洲可持续发展进程中的社会对话质量提供了量化支撑。