electricsheepafrica/africa-ilo-eip-wdis-sex-edu-mts-nb-discouraged-job-seekers-by-sex-education-and-marit

该数据集包含非洲43个国家从1999年至2025年的其他劳动力未充分利用指标数据，专门关注按性别、教育程度和婚姻状况划分的沮丧求职者（千人）这一指标。数据集共有7,400个观测值，涵盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并筛选非洲国家数据。数据集采用表格格式，包含国家代码、国家名称、数据来源、指标代码、性别分类、教育分类、婚姻状况分类、年份、观测值、观测状态及各类注释列。数据按年度频率提供，部分数据可能具有临时性或不可靠性标记。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，由Electric Sheep Africa重新打包为机器学习就绪格式。This dataset contains 7,400 observations of Other measures of labour underutilization data across 43 Africa countries, spanning 1999–2025, covering 1 distinct indicator: Discouraged job-seekers by sex, education and marital status (thousands). The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, pulled via API and filtered to African countries. The dataset is in tabular format with columns including country code, country name, source, indicator code, sex disaggregation, education classification, marital status classification, year, observed value, observation status, and various notes. Data is annual frequency, with some observations marked as provisional or unreliable. The dataset is repackaged by Electric Sheep Africa into a machine-learning-ready format for tasks such as tabular classification, regression, and time-series forecasting.

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（ILO）的ILOSTAT数据库，专注于非洲地区劳动力利用不足的度量指标。通过调用ILOSTAT REST API，直接提取指标代码为EIP_WDIS_SEX_EDU_MTS_NB的数据，即按性别、教育程度和婚姻状况分列的沮丧求职者数量（单位：千）。随后，依据非洲ISO3国家代码进行地理过滤，并整合来自各国劳动力调查、家庭收入调查及行政记录等多源数据，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一标准化处理，最终形成涵盖43个非洲国家、跨越1999年至2025年、共计7400条观测的记录集。

特点

这一数据集的核心特点在于其精细的多维度分层结构，提供了性别、教育程度和婚姻状况三个分类变量的交叉组合，有效捕捉了非洲劳动力市场中隐形失业人群的异质性特征。数据覆盖了从1999年至2025年的长时间序列，为纵向比较分析提供了坚实基础。此外，每条观测均附带了来源标签与观测状态标志（如临时性或不可靠性），增强了数据的可追溯性与质量透明度。值得注意的是，数据集的构建过程采用了ILO官方选定的“最佳来源”策略，当同一国家同年份存在多个来源时，择优采纳，从而提升了数据的一致性与权威性。

使用方法

该数据集可通过HuggingFace Datasets库便捷加载，用户仅需调用`load_dataset`函数即可获取完整的Parquet格式数据表，并一键转换为Pandas DataFrame进行深入分析。研究者可依据`ref_area`字段对特定国家进行筛选，例如针对肯尼亚的沮丧求职者状况开展案例研究。同时，借助`indicator`字段筛选单一指标，结合`time`字段进行时间序列可视化，以揭示非洲各国劳动力市场悲观情绪的演变趋势。高级应用中，用户可利用`pivot_table`方法将数据重塑为国家×年份的矩阵格式，便于进行面板数据分析或构建预测模型，从而评估宏观经济波动对非活跃劳动力的影响。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）核心统计数据库ILOSTAT发布，经Electric Sheep Africa公司于2025年重新打包整理，聚焦非洲地区劳动力市场中的隐性失业问题。核心研究问题在于量化分析因性别、教育水平和婚姻状况而异的“沮丧求职者”（Discouraged job-seekers）规模，这类群体因长期求职未果而完全退出劳动力市场，是衡量劳动资源错配和社会排斥的关键指标。数据集涵盖43个非洲国家1999年至2025年的7400条观测值，通过统一国际劳工统计会议（ICLS）定义对各国劳动力调查数据进行了协同标准化，为区域劳动经济学、发展经济学与性别平等研究提供了宝贵的结构化面板数据，对理解非洲劳动力市场的结构性困境具有显著推动作用。

当前挑战

该领域面临的挑战在于，沮丧求职者数据通常被传统失业率所掩盖，无法反映劳动力市场的实际闲置程度，尤其在非洲非正式经济主导、调查覆盖率不均的背景下，准确捕捉这一群体尤为困难。构建过程中面临多重障碍：首先，各国劳动力调查的问卷设计、统计口径和调查时点存在显著差异，ILO虽通过ICLS标准进行协同，但来源数据中仍标记了方法修订、非标准教育分层等歧异信息；其次，数据覆盖年份不连续，部分国家仅提供零星年份的观测值，且观测状态标识中存在“不可靠”标记（如AGO、CIV的部分数据），降低了时序分析的一致性与可信度；此外，性别、教育与婚姻状况的交叉分类导致高维稀疏性，给多变量建模与边际效应估计带来了数据稀疏和共线性挑战。

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地带，该数据集凭借其涵盖43个非洲国家、横跨1999至2025年的纵贯观测记录，成为分析“受挫求职者”这一劳动力利用不足特殊群体的核心素材。研究者可借此审视不同性别、教育水平与婚姻状况的个体在劳动力市场中的退缩行为，从而揭示非洲大陆结构性失业的深层肌理。其典型使用方式包括构建面板数据回归模型，用以衡量宏观经济波动或政策干预对特定亚群求职信心的异质性冲击，或通过时间序列分解技术追踪各国受挫求职者数量的长期趋势与周期特征。

衍生相关工作

围绕该数据集所反映的受挫求职者群体，学术界已衍生了若干富有影响力的研究脉络。基于ILOSTAT框架的定量分析催生了关于非洲国家非正规就业与正式失业之间转换路径的实证文献，其中部分工作聚焦于不同性别群体在遭遇劳动力市场排斥后转向家庭生产或零工经济的异质模式。另一些研究则将本国受挫求职者数据与宏观治理指标相融合，探讨制度质量、腐败感知与劳动者退出行为之间的关联。此外，该数据集的纵贯特性还支持了基于机器学习的时间序列预测研究，旨在构建面向非洲各国劳动力萎缩风险的提前预警系统，从而拓展了计量经济学与社会政策建模的交界面。

数据集最近研究

最新研究方向

在非洲劳动力市场研究的前沿领域，该数据集聚焦于‘沮丧求职者’这一被传统失业率指标所忽视的隐性劳动利用不足群体，通过性别、教育程度和婚姻状况的交叉维度，揭示非洲大陆劳动参与的结构性障碍。当前研究热点集中于利用该时间序列数据（1999-2025年，覆盖43国）构建预测模型，以解析经济波动、性别不平等与教育错配如何共同导致特定人群（如低学历女性或已婚青年）退出劳动力市场。该数据集由ILOSTAT官方统计整合而来，其高颗粒度的分类变量为验证‘棘轮效应’及‘附加工人假说’在非洲环境下的适用性提供了宝贵实证基础，对推动国际劳工组织设定的体面劳动目标（SDG 8）在撒哈拉以南地区的监测与政策干预具有深刻的学术与现实意义。