electricsheepafrica/africa-ilo-emp-pifl-sex-eco-mts-nb-employment-outside-the-formal-sector-by-sex-econom

该数据集包含国际劳工组织（ILO）ILOSTAT数据库中关于非洲非正规部门就业的统计数据，涵盖45个非洲国家从1999年至2025年的58,297个观测值。核心指标为按性别、经济活动和婚姻状况划分的非正规部门就业人数（千人）（EMP_PIFL_SEX_ECO_MTS_NB），数据通过ILOSTAT API获取，并经过统一处理以符合国际劳工统计标准。数据集提供国家、年份、性别、经济活动和婚姻状况等多维度细分字段，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains statistical data on informal sector employment in Africa from the International Labour Organizations (ILO) ILOSTAT database, covering 45 African countries with 58,297 observations spanning 1999–2025. The core indicator is Employment outside the formal sector by sex, economic activity and marital status (thousands) (EMP_PIFL_SEX_ECO_MTS_NB), sourced via the ILOSTAT API and harmonized according to International Conference of Labour Statisticians (ICLS) definitions. It includes disaggregated dimensions such as country, year, sex, economic activity, and marital status, suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织ILOSTAT中央统计数据库，经Electric Sheep Africa对原始非正规经济部门就业统计资料进行标准化整理与格式重封装而成。其覆盖非洲45个国家，时间跨度为1999年至2025年，共收录58,297条观测记录，涉及非正规部门以外就业人口按性别、经济活动及婚姻状况分类的指标数据。构建过程保留了原始来源的指标定义与统计口径，并对发现层元数据、来源说明与加载指引进行了统一补充，最终以Parquet格式发布，便于研究者追溯数据出处并开展可复现分析。

特点

数据集聚焦非洲非正规经济部门就业议题，具有鲜明的区域覆盖广度与时间纵深。其核心特征体现为多维分类属性，涵盖性别、经济活动类型与婚姻状况等人口与社会经济变量，为考察非正规就业的结构性差异提供了细分依据。数据规模属中等量级，以表格与文本模态呈现，包含标准化元数据标签及来源溯源信息，并以开放许可CC BY 4.0发布，兼顾了可发现性、可引用性与分析灵活性，适用于经济学与劳动经济学领域的实证探索。

使用方法

使用者可借助Hugging Face datasets库以一行代码加载该数据集，并通过打印数据结构获取划分信息与特征字段。对于表格型数据，可将指定划分转换为Pandas数据框以便开展统计描述与建模。分析前应检视仓库中的数据文件，确认变量定义、单位与缺失值分布，避免仅凭标签推断政策含义。在地理信息仅由标题或来源元数据隐含时，需在分析中明确记录相关假设。此外，可依据显式的国家、年份与指标字段与其他Electric Sheep Africa数据集进行连接，构建可复现的研究工作流。

背景与挑战

背景概述

非正规经济部门的就业状况是理解发展中国家劳动力市场结构的关键维度，其数据匮乏长期制约着相关实证研究与政策制定。国际劳工组织（ILO）依托ILOSTAT数据库持续采集全球劳动力市场统计资料，为跨国比较分析提供基础。Electric Sheep Africa于2026年将ILOSTAT中关于非洲非正规部门就业的原始统计数据进行标准化重构，形成本数据集。该数据集涵盖45个非洲国家、1999至2025年间58,297条观测记录，按性别、经济活动类型与婚姻状况三维度交叉分类，为探究非洲非正规就业的性别差异与结构性特征提供了系统化的定量依据，对劳动经济学与非洲发展研究具有基础性支撑意义。

当前挑战

非正规就业界定标准在各国间存在显著差异，ILO统计口径随版本更迭亦有调整，致使跨国与跨期比较面临测量一致性难题，此为数据集所回应的核心领域挑战。数据构建过程中，原始统计报告在部分国家与年份存在缺失，尤其涉及婚姻状况与经济活动交叉分类的细分单元，稀疏性与结构性缺失并存。性别维度在部分统计体系中报告不完整，进一步加剧了数据不均衡。元数据中未声明ISO3国别编码，地理标识依赖文本推断，为下游分析引入潜在歧义。如何在保留原始统计完整性的同时提供可复现的数据结构，构成该数据集在标准化工程中的主要挑战。

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，该数据集凭借其涵盖45个非洲国家、1999至2025年共计58,297条观测记录的时空纵深，成为刻画非正规部门就业性别差异与经济活动结构的基准性数据资源。经典使用场景聚焦于按性别、经济活动门类与婚姻状况对正规部门外就业人数进行分组统计与横向比较，研究者可借助其标准化表格结构开展跨国面板分析、趋势研判与结构分解，从而揭示非洲劳动力市场中非正规就业的性别分层特征及其随时间的演化规律。

解决学术问题

该数据集直面非正规就业测度中长期存在的口径不一与覆盖零散难题，为劳动经济学中关于性别就业差距、婚姻状况与劳动参与关联、经济部门间劳动力配置等核心议题提供了统一可比的经验证据。其意义在于将原本分散于各国统计体系中的非正规就业指标整合为跨国可比的长时间序列，使研究者得以检验既有理论在非洲情境下的适用性，并为非正规经济规模估算、性别不平等测度等学术争论提供可复现的数据基础。

衍生相关工作

围绕该数据集，已有衍生工作将其与Electric Sheep Africa目录中的其他ILOSTAT数据集进行跨国、跨指标联结，构建非洲非正规经济综合观测面板。相关研究进一步引入机器学习方法进行缺失值插补与就业状态分类预测，并基于其时间序列开展非正规就业规模的情景模拟与政策仿真。这些工作不仅拓展了数据集在因果推断与预测建模中的应用边界，也为非洲劳动统计数据的标准化整合与开放科学实践提供了可借鉴的范式。