electricsheepafrica/africa-ilo-eip-wdis-sex-age-nb-discouraged-job-seekers-by-sex-and-age-thousands

该数据集包含8,231个观测值，涉及其他劳动力未充分利用指标数据，覆盖44个非洲国家，时间跨度为1999年至2025年，涵盖1个独特指标。具体指标为EIP_WDIS_SEX_AGE_NB，即按性别和年龄划分的灰心求职者（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并过滤为非洲国家代码，涵盖国家代码、来源、指标、性别分类、时间、观测值等列，用于表格分类、回归和时间序列预测任务。This dataset contains 8,231 observations of Other measures of labour underutilization data across 44 Africa countries, spanning 1999–2025, covering 1 distinct indicator: EIP_WDIS_SEX_AGE_NB (Discouraged job-seekers by sex and age, in thousands). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), extracted via API and filtered to Africa ISO3 country codes, with columns including country code, source, indicator, sex classification, time, observed value, etc., for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

非洲劳动力市场中的‘沮丧求职者’现象是衡量劳动力利用不足的重要维度。该数据集由国际劳工组织（ILO）统计数据库ILOSTAT官方发布，Electric Sheep Africa团队负责重新封装与标准化处理。数据采集通过ILOSTAT REST API直接拉取指标代码为EIP_WDIS_SEX_AGE_NB的原始数据，并严格过滤至非洲ISO3国家代码范围，最终涵盖44个非洲国家、1999年至2025年间共计8,231条观测记录。ILO依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行协调统一，数据来源在source.label字段中加以标注，以确保可追溯性。整个构建流程以机器学习就绪为导向，采用Parquet格式存储，支持通过HuggingFace Datasets库直接加载使用。

特点

该数据集在结构和内容上均展现出显著特色。首先，数据具有多维度分层特性，提供按性别（总、男、女）和年龄段等关键变量的精细分解，便于研究者深入分析不同人群的沮丧求职者分布差异。其次，时间跨度长达27年，涵盖非洲大陆范围内经济体发展水平各异的44个国家，为面板数据分析与时间序列预测奠定了坚实基础。数据沿用了ILO标准化的观测状态标记体系，如‘数据中断’（Break in series）等标识，帮助用户准确识别数据质量与潜在统计口径变动。此外，每个观测值均关联了严格标注的源信息、分类注释及指标定义，确保数据透明性与可复现性，特别适用于劳动力经济学、政策评估以及非洲发展研究等学术领域。

使用方法

该数据集可通过HuggingFace Datasets库便捷使用，用户只需运行load_dataset函数即可将数据加载为Pandas DataFrame格式，快速展开分析。推荐的应用流程包括：按单个国家代码（如ref_area字段值为‘KEN’）筛选特定国家数据进行局部观察；针对单一指标EIP_WDIS_SEX_AGE_NB按时间排序，绘制时间序列图以揭示沮丧求职者数量演变趋势；亦可通过透视表功能构建国家×年份的观测值矩阵，支持跨国家对比分析。数据集的schema清晰记录了ref_area、sex、time、obs_value等关键字段的含义与类型，结合obs_status及各类note字段的质量标记，研究者可自主过滤不可靠数据点，确保分析结论的稳健性与可靠性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）编纂，经Electric Sheep Africa于2025年重新整理并发布在HuggingFace平台，聚焦非洲大陆44个国家1999年至2025年间因丧失信心而放弃求职的劳动者数量（按性别与年龄分类，单位：千人）。作为ILOSTAT数据库的核心子集，该数据以国际劳工统计学家会议（ICLS）标准为基准，通过整合劳动力调查等官方来源，旨在揭示非洲地区劳动力利用不足的隐性维度——那些因长期求职受挫而退出劳动力市场的边缘群体。该数据集为研究非洲结构性失业、性别就业差距及代际劳动参与率演变提供了标准化、跨国的纵向观测基础，对国际发展经济学、劳动社会学及可持续发展目标（SDG）第八项体面工作的量化评估具有重要支撑价值。

当前挑战

该数据集所应对的核心领域挑战在于，传统失业率指标无法捕捉“沮丧求职者”这一隐性劳动力冗余群体，导致非洲国家劳动力市场健康状况被高估；而构建过程中的挑战则包括：不同国家劳动力调查在问卷设计、年龄分组边界（如15岁以上）及性别定义上的非一致性，需通过ICLS框架进行数据清洗与标记；数据集中存在时序断裂（break in series）、方法修订及来源标记标识（如obs_status与note_indicator字段），用户需具备处理非平衡面板数据与断点校正的分析能力；此外，仅有年度频率数据而无更高时间粒度，限制了季节性波动与政策即时效应的建模精度。

常用场景

经典使用场景

在劳动经济学与发展经济学研究中，该数据集最经典的用途是追踪非洲各国不同性别与年龄群体中丧失信心的求职者规模，以此衡量劳动力市场的结构性疲软。通过8,231条覆盖44个非洲国家、时间跨度1999至2025年的观测值，研究者能够构建面板数据模型，分析经济周期、政策干预或制度变迁对弱势求职群体退出劳动力市场行为的影响。数据集中性别的细分维度（SEX_T、SEX_M、SEX_F）为性别经济学中的性别差异分析提供了关键支撑，而年龄分组（如青年与成年）则使代际劳动参与率的研究成为可能。

实际应用

在政策实践与社会治理领域，该数据集是国际劳工组织与非洲各国劳动部门进行就业形势诊断、制定积极劳动力市场政策的量化底座。分析人员可通过时间序列趋势识别哪一国家或地区出现了大规模求职信心崩塌的拐点，从而针对性设计职业培训、心理辅导或临时就业补贴方案。结合ILOSTAT提供的其他劳动力利用不足指标，决策者能够构建多维度劳动脆弱性指数，优化有限公共资源在就业促进项目中的配置。数据集内置的ISO国家代码与来源标签，也方便与贫困率、教育支出等宏观经济指标进行交叉对比，赋能循证政策评估。

衍生相关工作

该数据集衍生了一系列具有影响力的学术与算法工作。在经典实证研究方面，基于此数据的时间序列分解结果被用于验证'非洲青年就业困境的制度性因素假说'，同时面板协整分析揭示了丧失信心求职者数量与采掘业周期波动的长期均衡关系。在数据工程领域，Electric Sheep Africa已将原始API数据标准化为Parquet格式，使研究者能够无缝调用HuggingFace Datasets库进入建模流程，显著降低了欠发达地区劳动数据获取与清洗的门槛。此外，该数据集作为ILOSTAT非洲子集的代表性样本，常被选入多指标劳动市场预测模型的特征工程测试基准，激发了针对长尾区域与稀疏时段的插值算法创新。