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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非正规经济数据，专门针对非洲地区。数据集记录了45个非洲国家从1999年至2025年期间，按性别、年龄和婚姻状况划分的非正规部门就业占比（百分比）。数据包含69,719个观测值，涵盖一个核心指标（EMP_PIFL_SEX_AGE_MTS_RT）。数据集提供了详细的结构化信息，包括国家代码、数据来源、性别分类（总计、男性、女性）、年龄组、婚姻状况分类、观测年份、观测值及其状态标志等列。数据经过ILO的标准化处理，基于国际劳工统计学家会议（ICLS）的定义，并标注了原始调查来源以确保可追溯性。该数据集适用于表格分类、回归和时间序列预测等机器学习任务，旨在为研究非洲劳动力市场、非正规经济及就业趋势提供标准化、可直接用于分析的数据资源。This dataset contains informal economy data from the International Labour Organization (ILO) ILOSTAT database, specifically focused on Africa. It records the share of employment outside the formal sector by sex, age, and marital status (%) for 45 African countries from 1999 to 2025. The dataset includes 69,719 observations covering one core indicator (EMP_PIFL_SEX_AGE_MTS_RT). It provides detailed structured information, including columns for country codes, data sources, sex disaggregation (total, male, female), age groups, marital status classifications, observation year, observed values, and status flags. The data is harmonized by the ILO based on International Conference of Labour Statisticians (ICLS) definitions and includes source labeling for traceability. This dataset is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting, aiming to provide standardized, analysis-ready data for studying labor markets, informal economies, and employment trends in Africa.

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），由Electric Sheep Africa进行工程化整理与标准化发布，聚焦于非洲非正规部门就业比例的量化测度，涵盖性别、年龄与婚姻状况等多维分组变量。构建过程中对原始ILOSTAT统计资料进行结构化抽取与格式转换，以Parquet格式重新封装，形成覆盖45个非洲国家、时间跨度为1999年至2025年的面板数据，共计69,719条观测记录，并配以标准化元数据说明与溯源信息。

特点

数据集以其多维分组结构与广泛的非洲地域覆盖为显著特征，系统呈现非正规部门就业份额在性别、年龄与婚姻状况维度上的分布差异。时间跨度自1999年延伸至2025年，为追踪劳动力市场结构变迁提供长时序观测基础。数据以表格与文本模态呈现，采用Parquet格式存储，具备良好的读写效率与跨平台兼容性。元数据标注涵盖经济学金融领域标签、非正规经济与劳动就业主题，并保留缺失值以维持原始统计信息的完整性。

使用方法

研究者可借助Hugging Face数据集库加载该数据集，通过load_dataset函数获取数据对象，进而检视其特征结构与样本记录。对于表格型数据，可将其转换为Pandas数据框以便开展统计分析与可视化。使用过程中宜先行考察各变量的缺失模式与单位定义，避免直接依据标签推断政策含义。在跨国或跨时比较时，需明确国家字段与年份标识，必要时可与其他Electric Sheep Africa数据集基于国家、年份与指标字段进行联接，以构建可复现的分析流程。

背景与挑战

背景概述

非正规经济就业的测度长期构成发展经济学与劳动经济学的核心议题，非洲大陆因其庞大的非正规部门而成为该领域的关键观测区域。该数据集由Electric Sheep Africa团队于2026年基于国际劳工组织ILOSTAT数据库整理发布，汇聚了45个非洲国家自1999年至2025年间共69,719条观测记录，以性别、年龄与婚姻状况为维度刻画正规部门以外就业占比。其核心研究问题在于揭示非洲劳动力市场非正规性的结构性分布与演化轨迹，为比较劳动经济学及社会保护政策评估提供了跨国、长时序的标准化证据基础。

当前挑战

数据集所回应的领域难题在于非正规就业定义本身的模糊性与跨国测量口径的异质性，各国统计能力参差导致指标可比性受限，且性别、年龄与婚姻状况等多维交叉分类易引发样本稀疏与缺失值聚集。构建过程中面临的挑战包括：元数据清单中country与upstream_publisher字段存在缺失，需依赖标题与来源信息推断地理覆盖范围；原始ILOSTAT数据经重打包后变量单位与定义需回溯原始材料方能确认；跨国时间序列中观测年份分布不均，对建模时的缺失机制假设与插补策略构成实质性考验。

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，该数据集最为经典的运用场景在于刻画非洲各国非正规部门就业的性别、年龄与婚姻状况分布特征。研究者依托涵盖45个非洲国家、1999至2025年间近七万条观测记录，构建跨国面板数据，藉以比较不同人口群体在非正规就业中的占比差异，揭示性别与生命周期对劳动参与形式的塑造作用，进而为理解非洲劳动力市场的结构性特征提供实证基础。

衍生相关工作

围绕该数据集，Electric Sheep Africa 系列已延伸出多个关联性工作，包括与其他ILOSTAT指标数据集的跨国联接分析、非正规经济与贫困及不平等的交叉研究，以及基于表格数据的分类与回归建模尝试。这些衍生工作共同构建了非洲劳动市场数据的可发现性与可复用性生态，为后续机器学习驱动的劳动经济预测与政策模拟奠定了基础。

数据集最近研究

最新研究方向

在全球南方劳动治理与非正规经济研究持续深化的背景下，该数据集依托国际劳工组织ILOSTAT的权威统计框架，覆盖45个非洲国家自1999年至2025年间近七万条观察记录，为刻画非正规部门就业的性别、年龄与婚姻状况差异提供了长时段、跨国别的实证基础。当前前沿研究正逐步从单一的非正规就业规模测度转向结构性分层分析，重点考察性别与生命周期因素如何交织塑造劳动参与路径，并结合非洲大陆自由贸易区建设与数字化转型等热点议题，探讨非正规经济在社会保障扩展和税收动员中的角色。该数据集通过标准化元数据与可复现的表格结构，支持跨国比较与政策仿真，对推动非洲劳动力市场一体化监测及实现体面劳动目标具有重要参考价值。