electricsheepafrica/africa-ilo-luu-xlu3-sex-age-edu-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含关于非洲42个国家1994年至2025年期间的“其他劳动力未充分利用指标”数据，共有21,442个观测值，涵盖1个独特指标。具体指标为“按性别、年龄和教育程度划分的失业和潜在劳动力综合率（LU3）”，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理并重新打包为Parquet格式，适用于机器学习和数据分析任务。数据集提供了详细的列结构，包括国家代码、指标、性别、年龄、教育程度分类、观测年份、观测值等，支持表格分类、回归和时间序列预测等任务。This dataset contains 21,442 observations of Other measures of labour underutilization data across 42 Africa countries, spanning 1994 to 2025, covering 1 distinct indicator. The specific indicator is Combined rate of unemployment and potential labour force (LU3) by sex, age and education, sourced from the International Labour Organization (ILO)s ILOSTAT database, normalized, and repackaged as Parquet format for machine learning and data analysis tasks. It provides detailed column schema including country code, indicator, sex, age, education classifications, observation year, observed value, etc., and supports tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

在国际劳工统计标准框架下，劳动力未充分利用指标对于刻画非洲劳动力市场结构性困境具有关键参照意义。该数据集由Electric Sheep Africa基于国际劳工组织ILOSTAT数据库进行系统化重封装，覆盖42个非洲国家自1994年至2025年的21,442条观测记录，围绕失业与潜在劳动力合计比率（LU3）这一核心指标，按性别、年龄与教育程度三重维度进行交叉分层整理。构建过程中，原始统计资料经统一字段命名、格式转换与元数据标注，最终以Parquet列式存储格式发布，并附带标准化数据卡说明来源出处、许可证信息及分析指引，形成可复现、可追溯的开放数据资产。

使用方法

研究者在Hugging Face平台可通过datasets库以单行指令加载该数据集，随后调用features属性检视变量结构，或借助to_pandas方法将表格数据转换为DataFrame以适配常规统计分析流程。使用前应优先查阅仓库内数据文件以确认变量定义、计量单位与缺失值分布，对未明确声明的地理编码字段需在分析中记录假设前提。该数据集可与Electric Sheep Africa目录下其他非洲数据集通过国家、年份与指标字段进行联结，支撑跨国比较与多指标联合建模。所有衍生研究应遵循CC BY 4.0许可条款，规范引用原始来源与重封装仓库。

背景与挑战

背景概述

劳动力市场结构性失衡与非标准就业形态的蔓延，使传统失业率指标日益难以完整刻画劳动力资源的实际利用状况。国际劳工组织（ILO）于二十世纪末逐步确立劳动力未充分利用测量框架，其中LU3指标将失业人口与潜在劳动力合并考量，旨在更全面地反映劳动人口的闲置程度。在此背景下，Electric Sheep Africa于2026年前后整合ILOSTAT开放数据资源，构建了覆盖42个非洲国家、1994年至2025年、共计21,442条观测记录的面板型数据集，按性别、年龄与教育程度三个维度细分。该数据集依托标准化元数据体系发布，为非洲劳动力市场计量研究与跨国比较分析提供了系统性的数据基础设施。

当前挑战

就领域问题而言，非洲各国劳动力统计能力参差不齐，非正式部门吸纳大量劳动力，潜在劳动力的识别与界定在抽样调查中面临概念模糊与漏报并存的困境，各国教育分类体系与年龄分组标准亦存在差异，导致跨时跨国的可比性受到侵蚀。就构建过程而言，原始ILOSTAT数据在多源汇聚与重新打包过程中需应对变量口径统一、缺失值处理以及地理编码缺失等元数据缺口；性别、年龄、教育维度交叉分层后，部分国家—年份—子群单元出现样本稀疏或数据空缺，如何在保持原始信息完整性的同时避免误导性推断，构成持续存在的方法论挑战。

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汇处，该数据集以ILO标准化的LU3指标为基石，刻画了42个非洲国家自1994年至2025年间失业与潜在劳动力合计比率的动态图景。研究者常以其构建面板数据模型，按性别、年龄与教育维度分层解析劳动力未充分利用的结构性差异，进而识别青年群体与低学历劳动者在就业市场中的脆弱处境。

解决学术问题

该数据集直面非洲劳动力市场统计中长期存在的口径不一与覆盖不全难题，通过统一ILO框架下的LU3度量，弥补了传统失业率对沮丧劳动者与潜在劳动力遗漏的缺陷。其性别、年龄与教育维度的交叉分层，为检验人力资本理论与劳动力市场分割假说提供了可比性证据，推动了非洲非正规经济语境下就业质量研究的范式更新。

实际应用

政策制定者与国际组织借助该数据集评估非洲各国劳动力未充分利用的严重程度与演变趋势，为青年就业计划、职业教育投入与社会保障扩展提供量化依据。发展金融机构亦可将其嵌入国别风险评估模型，识别就业压力较高的区域并优化资源分配，从而提升干预措施的靶向性与时效性。

数据集最近研究

最新研究方向

在非洲劳动力市场深度转型与青年就业危机交织的背景下，该数据集所承载的LU3综合失业与潜在劳动力指标，正推动劳动经济学前沿向多维劳动力未充分利用测度、性别与年龄异质性分解以及教育回报结构变迁等方向拓展。近年国际劳工组织与非洲区域机构围绕非正规就业膨胀、技能错配及人口红利窗口期等热点议题，借助此类跨国面板数据构建机器学习预测模型，以识别劳动力市场脆弱性的空间集聚与时间演化。其影响在于为非洲各国差异化就业政策提供可复现的实证基线，并促进开放数据驱动的可持续发展目标监测，然而元数据缺环也提示后续研究需强化溯源验证与偏差校正。