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

该数据集包含34,639个观测值，覆盖37个非洲国家，时间跨度为2000年至2025年，聚焦于一个核心指标：按性别、职业和企业规模划分的非正规经济部门就业占比（%）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤到非洲国家，涵盖了就业、失业、工资等多个劳动统计领域。数据集包括国家代码、性别分类（总计、男性、女性）、职业分类、企业规模分类、年份、观测值及数据质量标志等字段，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并经过ILO的标准化处理，确保与ICLS定义一致。This dataset contains 34,639 observations of informal economy data across 37 Africa countries, spanning 2000–2025, covering 1 distinct indicator: Share of employment outside the formal sector by sex, occupation and establishment size (%). It is sourced from ILOSTAT, the ILOs central statistics database, which harmonizes labor statistics from national surveys and administrative records. The dataset includes fields such as country codes, sex disaggregation, occupation and establishment size classifications, year, observed values, and quality flags, and is designed for tabular classification, regression, and time-series forecasting tasks. Data is annual and filtered to African countries, with ILO-defined methodologies applied.

搜集汇总

数据集介绍

构建方式

该数据集立足于国际劳工组织（ILO）统计数据库的权威框架，由Electric Sheep Africa对原始ILOSTAT数据进行系统性重包装与元数据标准化而构建。其核心素材源自ILO中央统计数据库所汇集的各国劳动力调查与人口普查记录，经统一编码、格式转换与质量核查后，形成涵盖2000至2025年、37个非洲国家的34639条观测值，并以Parquet列式格式存储，从而在保留原始统计语义的同时提升数据加载与跨平台分析的效率。

使用方法

研究者可通过Hugging Face datasets库以load_dataset函数直接加载该数据集，获取数据集的划分结构与特征字段，并可将其转换为Pandas数据框以便进行统计建模与可视化探索。在具体分析中，建议先行检查各变量的模式与缺失值分布，在建模前审慎确认变量定义、计量单位与统计方法，必要时依据显式的国家、年份与指标字段与其他Electric Sheep Africa数据集进行联接，并在下游研究中完整引用原始来源及重包装仓库。

背景与挑战

背景概述

非正规经济部门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，其规模与结构直接映射非洲劳动力市场的制度特征与脆弱性。该数据集由Electric Sheep Africa于2026年整理发布，数据源自国际劳工组织ILOSTAT数据库，涵盖37个非洲国家、2000至2025年间34,639条观测记录，按性别、职业及机构规模维度刻画非正规部门就业占比。作为面向非洲数据发现的标准化目录组成部分，该数据集为比较跨国非正规就业模式、评估劳动力市场正规化进程提供了可复现的表格化证据基础，对推动区域劳动统计的透明化与再利用具有基础性意义。

当前挑战

该数据集所回应的领域问题在于，非洲非正规就业统计长期面临概念界定不一、国别口径差异悬殊以及性别与职业维度信息割裂等困境，致使跨国比较与趋势推断极易失准。构建过程中，原始ILOSTAT数据的稀疏性、机构规模分组的异质性以及部分国家时序断裂构成显著障碍，性别与职业交叉分类下的细粒度缺失尤为突出。标准化环节需在保留缺失值的同时协调多源元数据，避免因标签简化而扭曲非正规性的制度含义。上述因素共同要求分析者在建模前审慎核验变量定义、单位与方法论，以维护推断的稳健性。

常用场景

经典使用场景

在劳动经济学与发展经济学交界处，非正规部门就业占比的量化刻画始终是理解非洲劳动力市场结构性特征的核心切口。该数据集以性别、职业与机构规模三重维度为经，以2000至2025年37个非洲国家的34639条观测为纬，织就了一幅非正规就业分布的精细图景。研究者可借助其面板结构，开展跨国比较、时序演变追踪以及分组异质性检验，亦可将其作为基准数据，与家庭调查、企业普查等微观数据相互印证，进而校准非正规经济规模的估算偏差。

解决学术问题

长期以来，非洲非正规就业研究受困于数据碎片化与口径不一，跨国可比性不足，性别与职业维度的细分信息尤为匮乏。该数据集通过统一整理ILOSTAT原始指标，提供了覆盖广泛、时间跨度较长的标准化面板，有效缓解了跨国比较中的测量误差与样本选择偏误。其存在使得研究者能够系统检验非正规就业与经济增长、性别不平等、机构规模分布之间的关联机制，为理解发展中国家劳动力市场二元结构提供了可靠的经验基础。

实际应用

在政策实践层面，该数据集可为非洲各国劳动部门、国际发展机构及社会组织提供决策参考。通过识别非正规就业高发的人群与行业，政策制定者能够精准设计社会保障扩展方案、技能培训项目与微型企业扶持政策。同时，该数据亦可用于监测可持续发展目标中体面劳动指标的进展，辅助国际组织评估区域就业质量，并为金融机构评估非正规部门信贷风险提供宏观背景支撑。

数据集最近研究

最新研究方向

在全球南方劳动经济学与结构转型研究的交汇处，该数据集所承载的非洲非正规部门就业份额信息正成为前沿量化分析的核心资源。围绕国际劳工组织ILOSTAT框架，近期研究聚焦于性别、职业与机构规模三重维度下非正规就业的异质性演变，尤其关注2000至2025年间37个非洲国家的动态轨迹。与联合国可持续发展目标第八项体面劳动议程及非洲联盟2063年议程相呼应，学者们借助该数据集探索非正规经济与性别不平等、青年失业及社会保障覆盖之间的关联机制。其意义在于为比较政治经济学与发展政策评估提供可复现的微观证据基础，推动对非洲劳动力市场二元结构的精细化理解。