electricsheepafrica/africa-ilo-emp-pifl-sex-ocu-edu-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含86,468个观测值，覆盖43个非洲国家，时间跨度为1999年至2025年，专注于非正规经济领域。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家代码。数据集的核心指标为EMP_PIFL_SEX_OCU_EDU_RT，表示按性别、职业和教育分类的非正规部门就业占比（百分比）。数据集提供了详细的列结构，包括国家代码、性别分类（总计、男性、女性）、职业和教育分类变量、年份以及观测值等，适用于表格分类、回归或时间序列预测任务。数据经过ILO的标准化处理，并包含来源和质量注释，便于研究人员和分析师使用。This dataset contains 86,468 observations across 43 African countries, spanning from 1999 to 2025, focusing on the informal economy. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African ISO3 country codes. The core indicator is EMP_PIFL_SEX_OCU_EDU_RT, representing the share of employment outside the formal sector by sex, occupation, and education (%). The dataset includes detailed columns such as country code, sex disaggregation (total, male, female), occupation and education classification variables, year, and observed values, making it suitable for tabular classification, regression, or time-series forecasting tasks. The data is harmonized by ILO standards and includes source and quality annotations for traceability, facilitating use by researchers and analysts.

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所维护的ILOSTAT中央统计数据库，由Electric Sheep Africa对非洲区域非正式部门就业数据进行标准化再包装而成。构建过程汇聚43个非洲国家自1999年至2025年的公开统计数据，以性别、职业与教育程度为交叉维度，记录正规部门以外就业人口占比，最终形成涵盖86,468条观测值的结构化表格，并按元数据规范统一字段命名、来源标注与缺失值处理规则，使原始统计口径得以在可复现的分析流程中保持一致。

使用方法

研究者可通过Hugging Face的datasets库以一行代码加载该数据集，自动获取划分信息与特征结构，并可借助to_pandas方法转换为数据框以适配传统分析流程。使用前宜先行审视各变量的定义、单位与缺失模式，确认国别字段是否显式存在，若地理标识仅隐含于标题或来源元数据之中，则需在下游分析中明确记录相应假设。此外，该数据集可依据国家、年份与指标字段与其他非洲公共数据集进行联结，从而支撑可复现的笔记本式研究。

背景与挑战

背景概述

非正规经济部门就业在全球劳动力市场中占据显著份额，尤其在非洲地区，其规模与结构深刻影响着劳动政策制定与社会保障覆盖。该数据集由Electric Sheep Africa基于国际劳工组织ILOSTAT数据库整理发布，覆盖43个非洲国家自1999年至2025年间共计86,468条观测记录，按性别、职业与教育程度三个维度刻画非正规部门就业占比。ILOSTAT作为全球劳动统计的权威来源，其数据为比较分析与政策评估提供了基础性证据。该数据集的问世，有助于研究者系统审视非洲非正规经济的演化轨迹，并推动劳动经济学与发展经济学领域的实证研究。

当前挑战

非正规部门就业的度量本身即面临概念界定与跨国可比性的难题，不同国家对非正规经济活动的统计口径存在差异，致使数据在横向比较时可能产生偏差。数据集构建过程中，性别、职业与教育维度的交叉分类导致部分单元格样本量不足，缺失值处理与插补策略的选择直接影响分析结论的稳健性。此外，1999年至2025年的时间跨度内，各国统计能力与调查方法历经变迁，数据序列的连续性面临考验。研究者需审慎对待变量定义与单位说明，避免仅凭标签推断政策含义，并应在建模前系统评估缺失模式。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集为探究非洲各国非正规部门就业的结构性特征提供了关键的经验基础。研究者依托覆盖43个非洲国家、1999至2025年间共86468条观测记录，得以按性别、职业类别与教育程度三个维度系统刻画正规部门之外就业份额的分布格局。这种多维度交叉的制表数据，天然适配于面板数据分析、分组比较以及非正规就业比率的时序演变刻画，因而成为非洲劳动力市场研究的经典参照数据集。

解决学术问题

该数据集直面的核心学术问题在于，非正规就业的规模与结构如何在性别、职业和教育维度上呈现系统性差异，以及这些差异在非洲各国之间存在怎样的异质性。既有研究常受制于跨国数据口径不一与时间跨度有限，而本数据集以标准化元数据与统一指标口径，为跨国比较和长时段趋势分析创造了条件。其意义在于推动非正规经济研究从个案描述走向可复现的跨国量化比较，为理解发展中国家劳动力市场分割提供了可靠证据。

实际应用

在政策实践层面，该数据集可供国际组织与各国劳动部门评估非正规就业的分布状况，识别性别与教育群体中的脆弱环节，从而为社会保障扩面、职业技能培训及就业正规化政策提供量化依据。同时，发展金融机构与智库可借助该数据构建风险评估模型，研判不同国家和群体的非正规就业风险敞口。研究者亦可将其与收入、贫困及教育等数据集联结，形成多维度的社会经济分析框架。

数据集最近研究

最新研究方向

在全球南方劳动力市场结构性转型的学术论辩中，非正规部门就业的性别与人力资本分层机制持续构成发展经济学的核心议题。该数据集依托国际劳工组织ILOSTAT的权威统计框架，覆盖43个非洲国家1999至2025年间逾八万条观测记录，为刻画非正规就业在不同性别、职业类别与教育禀赋群体间的分布异质性提供了长时序、跨区域的量化基础。近期研究前沿聚焦于运用此类面板数据检验教育扩张对非正规就业收敛效应的调节作用，并结合非洲大陆自由贸易区建设与数字化转型等热点进程，探讨结构性因素如何重塑劳动力市场分割形态。其学术价值在于以标准化元数据架构支撑可复现的跨国比较分析，为理解非洲非正规经济韧性与包容性增长路径提供实证锚点。