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

该数据集包含6,982个观测值，覆盖34个非洲国家，时间跨度为1991年至2025年，涉及一个核心指标：按性别、教育水平和婚姻状况划分的时间相关就业不足和失业综合率（LU2）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤为非洲国家代码。数据集包括国家代码、指标代码、性别分类、教育水平、婚姻状况、年份和观测值等列，用于表格分类、回归和时间序列预测任务。数据以年度频率发布，并包含数据质量标志和来源注释，适用于劳动力市场分析和研究。This dataset contains 6,982 observations of Other measures of labour underutilization data across 34 Africa countries, spanning 1991 to 2025, covering one distinct indicator: Combined rate of time-related underemployment and unemployment (LU2) by sex, education and marital status (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled via API and filtered to Africa ISO3 country codes. It includes columns such as country code, indicator, sex, education, marital status, year, and observed value, and is designed for tabular classification, regression, and time-series forecasting tasks. Data is annual frequency with quality flags and source annotations, suitable for labor market analysis and research.

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统计数据库（ILOSTAT）中关于劳动时间相关不充分就业与失业的综合比率（LU2）指标，经Electric Sheep Africa团队系统化整理后发布。构建过程中，团队从ILOSTAT提取了覆盖34个非洲国家、时间跨度为1991年至2025年的6982条观测记录，并按照性别、教育程度等维度进行结构化重组，最终以Parquet格式存储，形成元数据驱动的标准化数据集。所有数据均保留原始来源的统计口径与缺失值标记，未进行额外插补或修正，以确保分析的可重复性与溯源性。

特点

该数据集聚焦于非洲地区劳动力市场中的时间相关不充分就业与失业综合测度，兼具时间序列与横截面双重属性。其核心特征在于覆盖多个非洲国家且时间跨度长达三十余年，能够支持对劳动力利用不足问题的长期趋势与跨国比较分析。数据以表格形式呈现，包含分类与回归任务所需的变量结构，同时附带详细的来源说明与质量注释。数据集规模适中（1K至10K观测值），适合作为经济学与金融学领域实证研究的辅助数据源，并可通过国家、年份与指标字段与其他非洲数据集进行链接。

使用方法

使用该数据集时，可通过Hugging Face的datasets库直接加载，并利用内置的数据查看器快速浏览结构。建议首先检查各变量的定义、单位与缺失值分布，再根据分析目标选择相应的子集或进行分组统计。对于表格型任务，可将数据转换为Pandas DataFrame以便于后续建模与可视化。若需扩展分析维度，可利用显式的国家、年份和指标字段与其他Electric Sheep Africa数据集进行连接。所有分析过程应明确引用原始来源与整理方，并保留缺失值处理规则以备复核。

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体系的构建与完善，ILOSTAT作为其核心统计数据库，为各国就业与失业监测提供了权威数据基础。然而，非洲地区在劳动力利用不足的精细化测度方面长期面临数据覆盖不足与指标口径不统一的困境。Electric Sheep Africa于2026年发布的LU2数据集，整合了1991至2025年间34个非洲国家的6,982条观测记录，系统呈现了与时间相关的就业不足与失业综合比率（LU2），并按性别与教育程度进行了多维分层。该数据集填补了非洲劳动力市场结构性分析中时间维度与人力资本交叉视角的数据空白，为区域就业政策评估与可持续发展目标追踪提供了重要的实证支撑。

当前挑战

该数据集所回应的核心领域问题在于：如何超越传统失业率的单一测量，捕捉非洲劳动力市场中广泛存在的时间相关就业不足现象，并揭示其与性别及教育程度之间的复杂交互关系。在数据构建层面，主要挑战体现为跨国统计口径的异质性协调，非洲各国在就业不足定义、调查周期与教育分类标准上存在显著差异，致使指标可比性面临严峻考验。时间序列的连续性受制于部分国家调查间隔不均与数据缺失，早期年份的观测密度明显不足。性别与教育维度的分层数据在部分国家存在系统性漏报，可能引入选择性偏差。此外，非正式经济部门中时间相关就业不足的测量尤为困难，而该部门在多数非洲经济体中占据主导地位，这使得数据对劳动力市场真实图景的刻画存在结构性盲区。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域中，该数据集凭借其覆盖三十四个非洲国家、跨越一九九一年至二零二五年的六千九百八十二条观测记录，构成了刻画劳动力未充分利用状况的经典面板数据资源。研究者通常将其用于按性别、受教育程度及时间维度对LU2指标进行分组聚合，以揭示不同人口群体在时间相关就业不足与失业叠加状态下的结构性差异，并借助回归或分类模型检验教育水平对劳动利用效率的调节效应。

实际应用

在实际应用层面，该数据集可服务于国际组织与非洲各国劳动部门的政策监测需求，例如追踪青年与女性群体中就业不足与失业叠加比例的时序变化，为职业技能培训项目、就业促进计划及社会保障干预的优先序设定提供证据支撑。同时，咨询机构与开发银行亦可将其纳入国别劳动市场诊断报告，辅助评估教育扩张政策在缓解劳动未充分利用方面的实际成效，并识别需要重点干预的地理区域与人口亚群。

衍生相关工作

围绕该数据集，Electric Sheep Africa通过元数据标准化工程将其整合进非洲开放数据目录，催生了一系列衍生性工作，包括与其他ILOSTAT指标数据集的跨国面板合并分析、基于Parquet格式的轻量化机器学习流水线构建，以及面向非洲劳动市场主题的可复现笔记本与可视化仪表板开发。这些工作共同拓展了该数据集在数据科学竞赛、教学案例与跨学科研究中的复用边界，并推动了非洲劳动统计数据的可发现性与可解释性建设。