electricsheepafrica/africa-ilo-emp-2tru-sex-age-rt-time-related-underemployment-rate-by-sex-and-age-i

该数据集包含非洲53个国家从2005年至2027年的时间相关就业不足率数据，按性别和年龄分列，基于国际劳工组织（ILO）的建模估计。数据集共有10,890个观测值，涵盖1个独特指标（EMP_2TRU_SEX_AGE_RT），数据来源于ILOSTAT数据库，并经过Electric Sheep Africa重新打包。数据集以表格形式提供，包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、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 provides time-series underemployment rate data for 53 African countries between 2005 and 2027, disaggregated by gender and age group, based on modeling estimates from the International Labour Organization (ILO). It contains a total of 10,890 observations, covering a single unique indicator (EMP_2TRU_SEX_AGE_RT). The raw data is sourced from the ILOSTAT database and repackaged by Electric Sheep Africa. The dataset is offered in tabular format, with columns including country code, country name, data source, indicator code, gender category, age category, observation year, and observed value. It is applicable 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，通过其REST API直接提取指标EMP_2TRU_SEX_AGE_RT的数据，并依据非洲ISO3国家代码进行过滤。原始调查微观数据经ILOSTAT依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，来源信息在source.label列中标注以确保可追溯性。数据经Electric Sheep Africa重新打包，以Parquet格式发布，便于机器学习应用。

特点

数据集包含10,890条观测，覆盖53个非洲国家，时间跨度从2005年至2027年，提供了按性别和年龄细分的时间相关不充分就业率（ILO模型估计值）。关键列包括国家代码、来源标签、指标名称、性别分类（总、男、女）、年龄分类及观测值。数据以年度频率呈现，并注明了观测状态标记（如估计值或实际值）以提示数据质量。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，调用load_dataset()函数获取训练集并转换为pandas DataFrame进行分析。示例包括按国家筛选（如ref_area == 'KEN'）、按指标排序后绘制时间序列折线图，以及使用pivot_table构建国家×年份的矩阵以便进行跨区域比较。数据集的结构化列式设计支持高效的表格分类、回归和时间序列预测任务。

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Electric Sheep Africa于2026年重新打包并托管于HuggingFace平台。其核心研究问题聚焦于非洲53个国家在2005至2027年间的时间相关不充分就业率，并依据性别和年龄进行分层统计。作为ILOSTAT数据库的子集，该数据集在劳动经济学与可持续发展目标（SDG）研究领域具有重要影响力，为政策制定者和学者提供了评估劳动力市场动态的关键工具。数据来源涵盖国家劳动力调查、住户收入调查等多渠道，经ILO统计部门采用国际劳工统计学家会议（ICLS）标准进行统一处理，确保了跨国比较的可靠性。该数据集的发布填补了非洲区域就业质量量化分析的空白，尤其为识别弱势群体（如青年和女性）在非充分就业中的分布模式提供了实证基础。

当前挑战

该数据集所解决的领域挑战在于，非洲劳动力市场长期面临数据稀缺与统计口径不一致的问题，传统就业率指标难以反映隐蔽性就业不足现象。时间相关不充分就业率的引入，突破了仅关注失业率的局限，揭示了劳动力资源未充分利用的深层结构。在构建过程中，数据集面临多重挑战：首先，非洲各国统计能力差异显著，原始数据质量参差不齐，ILO需依赖统计模型对缺失值进行插补与估计，这引入了不确定性；其次，跨界数据整合需统一ILO成员国对'不充分就业'的定义，避免因分类标准差异导致的统计偏差；此外，时间序列的延伸（2005-2027年）涉及对未来数年的模型预测，其长期可靠性依赖于对经济周期和政策变动的假设，模型外推风险不容忽视。

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领域，该数据集作为ILO标准化建模估算的权威产物，最经典的应用场景在于支撑跨国面板分析。研究者可借助其覆盖53个非洲国家、横跨2005至2027年的时序观测，系统探究时间相关不充分就业率在性别与年龄维度上的演变轨迹。尤其适用于构建固定效应或随机效应模型，评估经济增长、产业结构变迁或政策干预对劳动利用程度的影响。数据集的年度频率与分类标签，为因果推断与趋势预测提供了坚实基础。

解决学术问题

该数据集的诞生，首先回应了非洲区域劳动统计长期缺位且口径不一的核心痛点，弥合了跨国比较研究中数据可获取性与可比性的鸿沟。学术上，它助力解决多项基本问题：如何量化性别间的就业质量差异，如何刻画青年与成年劳动力在时间利用上的结构性分化，以及如何评估经济周期对非充分就业波动的影响。通过这些精细度极高的观测，学界得以验证和修正关于劳动力市场刚性与灵活性的经典理论假设。

衍生相关工作

围绕该数据集，一系列高质量学术工作得以衍生与深化。首当其冲的是利用面板数据特性进行的跨国收敛性分析，考察非洲各国不充分就业率的异质性与趋同趋势。其次，结合机器学习方法展开的时间序列预测研究，探讨性别与年龄维度下就业质量的动态演进。此外，该数据也为结构性面板数据模型提供了关键输入，用于分离个体效应与时间效应，挖掘劳动力市场制度变迁的深层影响。这些衍生工作共同推动了非洲劳动经济研究的实证化与精细化。