electricsheepafrica/africa-ilo-ees-tees-sex-ifl-ins-nb-employees-by-sex-informal-formal-job-and-public-pr

该数据集名为“按性别、非正规/正规工作以及公共/私营部门划分的雇员数量（千计）| 非洲（ILOSTAT）”，是一个关于非洲非正规经济的表格数据集。它包含5,125个观测值，覆盖45个非洲国家，时间跨度为2000年至2025年，专注于一个核心指标：EES_TEES_SEX_IFL_INS_NB，即按性别、非正规/正规工作以及公共/私营部门划分的雇员数量（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤到非洲国家，使用国际劳工统计学家会议定义进行标准化处理。数据集提供了详细的列结构，包括国家代码、来源、指标、性别分类（总计、男性、女性）、时间年份、观测值等，支持表格分类、回归和时间序列预测任务。数据为年度频率，并包含数据质量说明，如使用最佳来源和分解维度限制。The dataset is titled Employees by sex, informal/formal job and public/private sector (thousands) | Africa (ILOSTAT) and is a tabular dataset focusing on the informal economy in Africa. It contains 5,125 observations across 45 African countries, spanning the years 2000 to 2025, with one key indicator: EES_TEES_SEX_IFL_INS_NB, which measures the number of employees (in thousands) disaggregated by sex, informal/formal job status, and public/private sector. Sourced from the International Labour Organizations ILOSTAT database, the data is retrieved via the REST API and filtered to African countries, harmonized using International Conference of Labour Statisticians definitions. The schema includes columns such as country code, source, indicator, sex classification (total, male, female), time year, observed value, and more, suitable for tabular classification, regression, and time-series forecasting tasks. The data is annual in frequency, with quality caveats like the use of best-source selection and limited disaggregation dimensions.

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统计数据库（ILOSTAT）的原始记录，由Electric Sheep Africa团队进行标准化工程化处理。构建过程以非洲区域非正规经济就业统计为核心，汇集2000年至2025年间45个非洲国家的5125条观测数据，涵盖按性别、非正规与正规就业形态及公共与私营部门划分的雇员规模。数据以表格与文本模态呈现，统一转换为Parquet格式存储，并对来源元数据、字段定义与单位信息进行规范化标注，形成面向非洲数据发现的可重复利用数据集。

特点

数据集聚焦非洲非正规经济与劳动力市场结构，时间跨度达二十五年，覆盖四十五个国家，具备区域代表性与长时序比较优势。数据维度包括性别、就业形态及部门属性，为考察非正规就业中的性别差异与公私部门分布提供细粒度证据。数据规模介于一千至一万条之间，采用列式Parquet格式存储，兼顾轻量化与分析效率。标签体系整合劳工、就业、非正规经济等主题词，便于跨数据集检索与关联。

使用方法

使用者可通过Hugging Face的datasets库调用load_dataset接口加载数据，并结合dataset viewer审视数据结构与特征列。针对表格数据，可将其转换为Pandas数据框以开展统计分析。研究过程应优先检查模式与缺失值分布，依据显式国家与年份字段进行地理与时间维度的剖面分析。数据集可与其他Electric Sheep Africa目录下的数据集基于国家、年份及指标字段进行连接，用于构建可复现的分析工作流。

背景与挑战

背景概述

非正式经济长期构成非洲劳动力市场的主体，其规模与结构的准确刻画对理解就业质量、社会保障覆盖及性别差异至关重要。国际劳工组织（ILO）依托ILOSTAT数据库，系统采集了2000至2025年间45个非洲国家按性别、非正式/正式就业及公共/私营部门分类的雇员数据，共计5125条观测。Electric Sheep Africa于2026年对该数据集进行元数据标准化与Hugging Face平台再发布，以Parquet格式提供，并赋予规范化标签与溯源说明。该数据集为劳动经济学、发展经济学及社会政策研究提供了跨国可比的面板基础，支撑关于非正式就业性别分化与部门分布的实证分析。

当前挑战

该数据集所回应的领域问题在于：非洲非正式就业统计长期受制于定义分歧、调查口径不一及覆盖不全，跨国比较与趋势推断面临根本性困难。构建过程中的主要挑战涉及多个层面：各国劳动力调查对非正式就业的操作性界定存在显著差异，公共与私营部门的划分标准亦不统一；部分国家与年份数据缺失，面板结构不完整；元数据中地理标识与上游发布者字段存在缺口，需依赖标题与来源信息推断；此外，非正式经济活动的测度本身易受漏报与季节波动影响，直接降低数据信度。这些因素共同制约着分析结果的稳健性与政策解读的可靠性。

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，该数据集以其对非洲45国2000至2025年间非正规与正规就业、公共与私营部门雇佣按性别分列的细致刻画而成为经典面板数据资源。研究者通常将其用于构建跨国比较分析框架，考察不同性别在非正规经济中的参与率演变，以及公共部门与私营部门雇佣结构的长期变迁。借助其标准化的表格结构与时间序列特征，该数据集支持面板回归、聚类分析和趋势分解等多种计量方法，为理解非洲劳动力市场二元结构提供了不可替代的实证基础。

衍生相关工作

围绕该数据集，Electric Sheep Africa的元数据目录衍生出一系列非洲劳动市场与经济学相关数据集，如非正规就业指标集、性别就业差距表及公共部门雇佣序列。这些衍生产品在Hugging Face平台上相互关联，支持跨数据集的联合分析。已有研究利用其构建非洲非正规经济指数，并在此基础上开展机器学习预测与政策模拟。该数据集的标准化封装也激励了其他区域类似数据资源的开放发布，推动了全球劳动统计的可复现研究实践。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集凭借其对45个非洲国家、2000至2025年间非正规与正规就业按性别及公私部门分列的5125条观测记录，为劳动经济学与发展经济学的交叉前沿提供了关键微观证据。当前相关研究正聚焦于非正规就业的性别异质性及其与公共部门规模的动态关联，尤其在非洲大陆自由贸易区推进与后疫情劳动力市场重构等热点议题驱动下，该数据有助于刻画结构性转型中女性在非正规经济中的脆弱性分布。其分性别与部门维度的细粒度特征，为检验制度质量、社会保障覆盖与非正规就业持续性的因果机制提供了可复现的实证基础，对推动非洲包容性增长政策评估具有显著的方法论与政策意涵。