electricsheepafrica/africa-ilo-emp-2emp-sex-ste-nb-employment-by-sex-and-status-in-employment-ilo-mod

该数据集包含44,400个观测值，涉及53个非洲国家从1991年到2025年的就业数据，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，主题为就业，具体指标为“按性别和就业状况划分的就业人数——ILO建模估计，2025年11月（千人）”。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码，使用国际劳工统计学家会议定义进行标准化。数据集包括国家代码、来源、指标、性别分类、时间年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains 44,400 observations of employment data across 53 Africa countries, spanning 1991 to 2025, covering 1 distinct indicator. The data is sourced from ILOSTAT, the ILOs central statistics database, with the indicator Employment by sex and status in employment -- ILO modelled estimates, Nov. 2025 (thousands). It is filtered to Africa ISO3 country codes, harmonized using ICLS definitions, and includes columns such as country code, source, indicator, sex disaggregation, time, observed value, and more. It is suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过其REST API接口直接提取了指标“EMP_2EMP_SEX_STE_NB”的全部观测数据，并依据非洲ISO3国家代码进行地理过滤，最终整合了覆盖53个非洲国家、时间跨度为1991年至2025年的44,400条年度就业观测记录。Electric Sheep Africa团队对该原始数据进行了规范化重封装，统一了数据模式并转换为Parquet格式，确保了数据的机器学习就绪性。

特点

该数据集聚焦于非洲区域的就业状况，核心特征是其精细的维度划分。数据按性别（总人口、男性、女性）及就业身份（如总计、雇员、雇主等）进行分层，提供了丰富的分类视角。数据集保留了来源追踪标记，便于用户验证数据质量，且所有观测值均基于ILO建模估计，经过国际劳工统计学家会议（ICLS）定义的标准进行协调。此外，数据集标注了观测状态（如调整值、估计值），为数据可靠性的评估提供了透明依据。

使用方法

该数据集可通过Hugging Face的`datasets`库轻松加载，使用`load_dataset`函数即可一步获取DataFrame格式的数据，便于进行后续分析。用户可依据`ref_area`字段按国家筛选就业时间序列，或利用`indicator`字段聚焦特定指标。数据集支持进行多维度透视分析，如构建以年份为行、国家为列的观测值矩阵，从而直观地比较不同非洲国家在就业结构上的时空演变趋势。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，经由Electric Sheep Africa团队重新打包并托管于HuggingFace平台，旨在提供非洲53个国家1991年至2025年间基于性别和就业身份的就业人数（以千计）的ILO建模估计值。作为ILOSTAT全球劳动统计数据库的重要组成部分，该数据集通过标准化ILO统计学家国际会议（ICLS）定义对原始调查微观数据进行协调，成为研究非洲劳动力市场演变、性别就业差距及就业结构变迁的核心资源。其覆盖范围广、时间跨度长，为发展经济学、劳动经济学及公共政策分析等领域提供了可靠的数据支撑，尤其助力于联合国可持续发展目标（SDG）中体面工作指标的监测与评估。

当前挑战

该数据集所解决的领域问题核心在于非洲劳动力市场长期面临的数据碎片化与不完整挑战。非洲多国缺乏系统的劳动力调查或调查频率不足，导致就业指标的时间序列稀疏且跨国产出口径不一，难以进行可靠的跨国比较与趋势分析。ILO建模估计方法通过整合多种来源（如劳动力调查、行政记录）并填充缺失值，提供了连续一致的估计。数据构建过程中，挑战主要源于原始数据来源的异质性、多源融合时‘最佳来源’的筛选标准，以及性别与就业身份等细分维度的数据缺失。此外，跨年度数据中调查定义与方法论的变更可能引入结构性断点，需在建模中谨慎处理以确保时间序列的平稳性与可比性。

常用场景

经典使用场景

该数据集汇集了国际劳工组织对非洲53个经济体在1991至2025年间就业状况的建模估计，涵盖总量、性别与就业身份的详细分类。其经典使用场景包括：基于时间序列的非洲各国就业趋势分析与预测，性别维度的就业参与率及就业身份结构比较研究，以及利用面板数据模型探讨就业结构与宏观经济指标之间的关联规律。数据集的年度频次与标准化编码为跨期比较和区域异质性分析提供了坚实基础。

解决学术问题

该数据集有效填补了非洲地区长期、连贯且具备性别细分特征的就业数据空白，解决了因各国统计口径不一、调查频率不足而导致的劳动经济学实证研究困境。它支撑了关于非洲劳动力市场结构性转变、非正规就业演变、性别就业鸿沟动态追踪以及就业质量评估等关键议题的量化研究。这一数据资源的开放共享，显著增强了研究者对非洲大陆就业发展轨迹的刻画能力与解释力。

衍生相关工作

基于该数据集，学者和实践者已衍生出多项经典工作，包括对非洲各国就业弹性的测算与跨国比较研究、利用性别细分数据构建的劳动力市场歧视指数，以及将就业结构与产业转型相结合的经济复杂度分析。此外，该数据作为ILO官方建模估计的标准化版本，常被用作基准数据，以验证和校准基于卫星夜间灯光或移动通信信令数据的替代性就业预测模型，推动了非洲统计创新方法的发展。