electricsheepafrica/africa-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status

该数据集包含非洲41个国家从1998年至2025年的非活动率数据，按性别、年龄和残疾状况分类。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖10,073条观测记录，涉及1个指标（EIP_DWAP_SEX_AGE_DSB_RT）。数据集以表格形式组织，包括国家代码、年份、观测值、性别分类等字段，用于劳动市场分析和时间序列预测。数据经过ILO harmonisation处理，并包含来源和质量标志。This dataset contains 10,073 observations of inactivity rate data for 41 African countries from 1998 to 2025, disaggregated by sex, age, and disability status. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, covering 1 indicator (EIP_DWAP_SEX_AGE_DSB_RT). It is organized in tabular format with columns such as country code, year, observed value, and sex classification, and is intended for labor market analysis and time series forecasting. The data has been harmonized by ILO and includes source and quality flags.

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）旗下的ILOSTAT中央统计数据库，通过调用REST API直接获取指标`EIP_DWAP_SEX_AGE_DSB_RT`的原始观测数据，并基于非洲ISO3国家代码进行地理过滤，最终整理收录了41个非洲国家在1998至2025年间关于不活动率（按性别、年龄和残疾状况划分）的10,073条观测记录。所有原始数据均经过ILOSTAT依据国际劳工统计学家会议（ICLS）定义统一标准化处理，并将其来源信息标注在`source.label`字段中，以确保数据可追溯与重现。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，调用`load_dataset()`函数即可一步获取格式化好的训练数据集，并利用`.to_pandas()`方法转换为Pandas DataFrame进行后续分析。针对单一国家或特定指标，可基于`ref_area`和`indicator`字段进行筛选；对于时间序列分析，则推荐对`time`列排序后绘制趋势图。数据集也支持基于`pivot_table`构建国家与年份的面板数据矩阵，便于进行跨国的比较与计量经济学建模。

背景与挑战

背景概述

劳动力市场中的非经济活动率（Inactivity rate）是衡量一个国家或地区劳动力资源未被充分利用的核心指标之一，特别是在性别、年龄与残疾状况的交叉维度上，该指标揭示了社会结构性排斥与经济参与不均衡的深层次问题。africa-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status数据集由国际劳工组织（ILO）统计部门创建，并经Electric Sheep Africa于2025年重新封装发布，聚焦于非洲41个国家在1998至2025年间的不活动率观测数据，共计10,073条记录。该数据集依托ILOSTAT这一全球劳动统计权威数据库，通过标准化调查方法与ICLS定义对原始微观数据进行整合，旨在为研究人员提供跨国家、跨时空的纵向结构化信息，以支撑非洲大陆劳动力未被充分利用状况的系统性分析。其对相关领域的影响力体现在为劳动经济学、社会政策评估及可持续发展目标监测提供了精细化的数据基础设施，尤其推动了关于残疾人群就业障碍与性别差异的量化研究。

当前挑战

该数据集在领域问题层面所应对的核心挑战在于，传统劳动统计往往忽略非经济活动的复杂异质性，特别是将性别、年龄与残疾状态联合解读时，由于数据断裂与样本不足，难以揭示多重身份叠加下的排斥机制。在此基础上，构建过程亦面临双重困境：其一，非洲各国家级统计机构的数据采集能力与调查频率参差不齐，导致部分国家或年份的观测值缺失、抽样方法变更或数据标签不一致，迫使ILOSTAT依赖‘最佳来源’选择策略进行调和，却可能引入系统性偏差；其二，残疾状态的分类定义在不同国家和时期差异显著，加之小型调查样本中残疾人群的覆盖有限，使得子群体估计的可靠性受到质疑，数据集中的‘不可靠’（U）标识正是这一缺陷的直接反映。

常用场景

经典使用场景

该数据集收录了1998至2025年间非洲41个国家按性别、年龄及残疾状况划分的经济不活跃率数据，共计超过一万条观测记录。其最经典的使用场景集中于劳动经济学领域的交叉分析，研究者可借助性别、年龄层次与残疾状态三个维度，精确刻画非洲大陆劳动力市场中的结构性弱势群体。通过时间序列与面板数据的结合，学者能够系统揭示不同人口群体在劳动参与率上的长期差异，为理解非洲国家劳动力资源闲置的深层成因提供了坚实的数据基础。

解决学术问题

数据集核心解决了非洲劳动力市场研究中长期存在的微观人口细分数据匮乏问题。在学术层面，它使研究者能够突破既往仅关注总体失业率的局限，深入剖析残疾人群体的经济排斥机制、性别间的劳动参与鸿沟以及代际退出效应。这些分析对于检验人力资本理论、歧视经济学模型以及社会保护政策效果具有重要价值，推动了发展经济学中对非洲‘隐性失业’与‘倦怠工人效应’的量化研究。

实际应用

在实际应用层面，该数据集为非洲各国政府及国际组织制定包容性就业政策提供了精准的循证依据。政策制定者可以据此识别出哪些年龄段、性别或残疾状态的群体经济不活跃率异常升高，从而针对性地设计职业康复计划、灵活就业援助或反歧视立法。此外，非政府组织可利用数据论证残疾人就业促进项目的必要性，而金融机构则能在评估区域经济发展潜力时，将劳动力闲置率作为关键参考指标。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆劳动参与率的多维异质性分析，尤其关注性别、年龄与残疾状况的交叉影响，为前沿的包容性劳动力市场研究提供了关键数据支撑。结合国际劳工组织（ILO）推动的体面劳动议程，该数据可支撑关于残疾人群经济排斥、青年失业及女性劳动隐形化等热点议题的量化探索。其包含的41个非洲国家、跨度近三十年的时序记录，为构建预测模型、评估政策干预效果及比较区域间劳动参与不平等格局提供了丰富资源，有望深化对非洲结构性就业障碍与可持续发展目标实现路径的理解。