electricsheepafrica/africa-ilo-luu-xlu2-sex-edu-geo-rt-combined-rate-of-time-related-underemployment-and

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的劳动力市场数据，专门针对非洲31个国家。核心指标为“时间相关就业不足与失业合并率（LU2）”，按性别、教育程度和城乡地区细分。数据集涵盖5,832条观测记录，时间跨度为2003年至2025年，提供年度数据。数据通过ILOSTAT REST API获取，并经过ILO基于国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包含多列字段，如国家代码、指标代码、性别分类、教育分类、年份、观测值及数据质量标志，适用于表格分类、回归和时间序列预测等任务。数据以CC-BY-4.0许可发布，由Electric Sheep Africa重新打包为机器学习就绪格式。This dataset contains labour market data from the International Labour Organization (ILO) ILOSTAT database, specifically for 31 African countries. The core indicator is the Combined rate of time-related underemployment and unemployment (LU2), disaggregated by sex, education level, and rural/urban areas. It includes 5,832 observations spanning from 2003 to 2025, with annual frequency. Data is sourced directly from the ILOSTAT REST API and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions. The dataset features columns such as country codes, indicator codes, sex classifications, education classifications, year, observed values, and data quality flags, making it suitable for tabular classification, regression, and time-series forecasting tasks. It is released under the CC-BY-4.0 license and repackaged by Electric Sheep Africa into a machine learning-ready format.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，原始数据涵盖非洲31个国家在2003年至2025年间的劳动力市场指标。Electric Sheep Africa对ILOSTAT公开数据进行了系统性的元数据编目与标准化再封装，将分散的国别观测记录整合为统一的Parquet格式数据集。构建过程以保留原始统计口径为前提，对指标名称、性别分类、教育维度及地理标识进行结构化整理，并补充了面向分析场景的加载指引与来源说明，最终形成包含5832条观测记录、具有可追溯元数据层的非洲劳动力未充分利用数据集。

特点

数据集聚焦于劳动时间相关不充分就业与失业的复合比率（LU2），按性别、教育程度及地理区域进行多维交叉呈现，覆盖31个非洲国家逾二十年的时序观测。其核心特征在于指标定义的标准化与元数据的透明性，所有记录均附带明确的来源归属与许可信息。数据以表格型与文本型双模态存储，体量适中，适用于跨国比较、趋势追踪及劳动力市场结构性分析。数据集同时标注了缺失值处理原则与地理标识的推断规范，为后续建模提供可复现的基础条件。

使用方法

使用者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，获取包含训练、验证或测试划分的数据对象，并利用to_pandas方法将表格型数据转换为DataFrame以便进一步分析。在建模之前，建议先检查数据架构与缺失值分布，确认变量定义与计量单位，再依据显式的国家、年份与指标字段进行分组剖面或跨数据集连接。由于部分元数据字段存在缺失，下游分析中应记录地理推断假设，并引用原始来源与Electric Sheep Africa的封装说明，以确保研究过程的可追溯性与可复现性。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计监测，其ILOSTAT数据库是劳动经济学研究的核心基础设施。2026年，Electric Sheep Africa团队将ILOSTAT中非洲地区的时间相关就业不足与失业综合率（LU2）数据整理发布至Hugging Face平台，涵盖2003至2025年间31个非洲国家的5,832条观测记录，按性别、教育程度等维度细分。该数据集回应了非洲劳动力市场缺乏统一、可复现的就业不足度量的问题，为比较分析与政策评估提供了标准化表格资源，并推动了开放数据在非洲经济研究中的可及性。

当前挑战

LU2作为就业不足与失业的综合指标，其核心挑战在于准确区分时间相关就业不足与公开失业的边界，避免口径混淆导致估算偏差。非洲各国劳动力调查的抽样设计、教育分类标准及统计能力存在显著异质性，跨国可比性面临结构性障碍。数据集构建过程中，元数据缺失（如国家标识与上游发布者信息不完整）、部分年份缺失值处理、教育维度编码不一致等问题均需审慎应对，否则将影响回归建模与跨国面板分析的可靠性。

常用场景

经典使用场景

劳动力市场计量领域长期面临的一个核心挑战，在于如何将时间相关劳动不足与公开失业纳入统一分析框架。该数据集以ILOSTAT的LU2指标为依托，系统整合了2003至2025年间31个非洲国家按性别、教育程度与地理区域细分的5,832条观测记录，为刻画非洲劳动力未充分利用的综合图景提供了标准化面板数据。研究者可据此开展跨国比较、时序趋势分析与子群体异质性检验，典型流程涵盖缺失值诊断、按国家与年份的变量剖析以及与其他非洲社会经济数据集的字段级联接，从而在可复现的计算环境中构建劳动市场脆弱性的证据链条。

衍生相关工作

围绕该数据集的衍生工作主要沿两条脉络展开。其一是Electric Sheep Africa目录内多个ILOSTAT指标的横向整合，形成涵盖失业、劳动不足与就业质量的非洲劳动力市场元数据网络，支撑跨指标联合分析。其二是下游研究将LU2数据与教育、人口、宏观经济面板相联接，用于检验性别差距、教育错配与区域发展不平衡等议题，并催生可复现笔记本与基准模型。这些工作共同扩展了非洲开放数据在劳动经济学中的复用边界，并强化了元数据驱动的数据集发现范式。

数据集最近研究

最新研究方向

在全球劳动力市场结构性转型与非标准就业形态蔓延的背景下，劳动力未充分利用的复合测度正成为劳动经济学与发展经济学交汇处的研究前沿。该数据集以ILOSTAT为数据源，系统整合了2003至2025年间31个非洲国家关于时间相关就业不足与失业复合比率（LU2）的5832条观测记录，并按性别、教育程度和地理维度进行细分，为刻画非洲劳动力市场边缘化群体的分布格局提供了稀缺的纵向面板基础。当前围绕该数据的前沿探索聚焦于将LU2指标嵌入性别差异化的人力资本回报模型，考察教育层级攀升与就业质量改善之间的非对称关系，同时结合非正式经济规模、结构性转型速度等宏观变量，检验经济增长与劳动力利用效率之间的脱钩现象。相关研究亦尝试将此类指标与非洲大陆自由贸易区背景下的跨境劳动力流动议题相关联，评估区域一体化对脆弱就业的缓冲效应。该数据集的开放获取推动了非洲劳动统计从单一失业率向多维未充分利用测度的范式迁移，为循证就业政策设计提供了可复现的量化依据。