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

该数据集包含非洲45个国家从1999年至2025年的非正规经济就业数据，共有103,472条观测值，覆盖1个核心指标：按性别、年龄和教育程度划分的非正规部门就业比例（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并经过标准化处理。数据集包含国家代码、年份、性别、年龄、教育程度等分类变量，以及观测值和数据质量标志。适用于表格分类、回归和时间序列预测等任务。This dataset contains 103,472 observations of informal economy data across 45 Africa countries, spanning 1999 to 2025, covering 1 distinct indicator: Share of employment outside the formal sector by sex, age and education (%). Data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via REST API and harmonized. It includes variables such as country codes, year, sex, age, education classifications, observed values, and data quality flags. Suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队对国际劳工组织（ILO）的ILOSTAT统计数据库进行系统性重包装而成，聚焦非洲非正规经济部门的就业结构。构建过程以标准化元数据为导向，将原始跨国劳动力调查数据整理为统一的表格化格式，保留性别、年龄组与教育程度三个维度的交叉分类信息。数据集覆盖45个非洲国家自1999年至2025年的观测记录，合计103,472条，最终以Parquet格式发布，并附有溯源注释与使用指引，供研究者进行可复现的分析。

使用方法

使用者可通过Hugging Face的datasets库以一行代码加载数据集，并借助数据集查看器快速浏览结构与样本。加载后，可先检视特征字段与缺失值分布，再依据国家、年份及人口分组变量进行描述性统计或建模分析。若需传统数据分析流程，可将数据集对象转换为Pandas数据框，以便与其他非洲数据集按国家、年份和指标字段进行连接。分析过程中宜保留原始缺失值，并在明确单位与变量定义后审慎推断政策含义。

背景与挑战

背景概述

国际劳工组织自二十世纪末持续监测全球非正规就业格局，非洲地区因非正规经济吸纳大量劳动力而成为观测重点。该数据集由Electric Sheep Africa于2026年整理发布，依托ILOSTAT中央统计数据库，收录1999至2025年间45个非洲国家逾十万条观测记录，系统呈现按性别、年龄与教育程度划分的非正规部门就业占比。作为劳动经济学与非洲发展研究的交叉成果，其标准化元数据架构为跨国比较与可复现分析提供了便利，亦为探究非正规经济结构性差异奠定实证基础。

当前挑战

非正规就业测度本身面临界定模糊与跨国口径不一的根本困境，各国对非正规部门的统计范围与抽样方法存在显著异质性，削弱了数据可比性。数据集构建过程中需应对元数据缺失问题，国家标识与上游出版方信息未被完整声明，且部分变量依赖标题或来源元数据隐含推断，增加了误读风险。高比例缺失值要求研究者审慎选择插补策略，而指标定义与单位须回溯原始材料方能确认，否则基于标签的政策解读可能失之偏颇。

常用场景

经典使用场景

在劳动经济学与非正规经济研究的领域中，该数据集凭借其涵盖45个非洲国家、1999至2025年间逾十万条观测记录的规模优势，成为刻画非洲非正规部门就业结构的经典数据资源。研究者通常按性别、年龄组与教育程度三个维度对非正规就业份额进行分层比较，构建跨国面板数据以考察非正规经济活动的时序演变规律。借助其标准化的表格结构与数据加载接口，分析人员能够便捷地开展分组统计、趋势可视化以及跨国差异的量化评估，从而为理解非洲劳动力市场的异质性提供坚实的数据基础。

解决学术问题

该数据集有效回应了非正规经济研究中长期存在的可比性与覆盖度难题。以往针对非洲非正规就业的实证分析多受限于国别调查口径不一与时间序列断裂，难以支撑严谨的跨国比较。该数据集依托国际劳工组织统计数据库的统一框架，将性别、年龄与教育维度系统整合，使研究者得以辨析不同人口群体在非正规部门中的分布差异，检验教育水平与非正规就业之间的关联机制。其意义在于为非正规经济的结构性分析提供了标准化证据，推动了非洲劳动市场研究的实证深度与方法规范化。

实际应用

在政策制定与经济发展实践中，该数据集为非洲各国政府及国际组织评估非正规就业规模提供了量化依据。劳工部门可借助其分性别与年龄的统计结果定位脆弱就业群体，设计针对性的技能培训与社会保障方案；国际发展机构能够利用其跨国可比性监测区域劳动力市场动态，优化就业促进项目的资源配置。教育规划部门亦可参考不同教育程度群体的非正规就业比例，审视职业教育与正规部门吸纳能力之间的匹配程度，进而调整人才培养策略。

数据集最近研究

最新研究方向

在非洲劳动力市场结构转型与非正规经济持续扩张的宏观背景下，该数据集以性别、年龄与教育程度三重维度刻画正规部门外就业份额，为探究结构性不平等提供了细粒度证据。当前前沿研究聚焦于非正规就业的异质性分层机制，借助跨国面板识别教育回报递减与青年女性边缘化的交互效应，并与ILOSTAT宏观核算及家庭调查微观数据交叉验证。在非洲大陆自由贸易区推进与人口红利窗口收窄的政策语境下，该数据支撑包容性增长测度、社会保障扩面模拟及技能匹配政策评估，对实现体面劳动目标与缩小性别就业差距具有基准性意义。