electricsheepafrica/africa-ilo-eip-neet-sex-rt-share-of-youth-not-in-employment-education-or-trai

该数据集包含非洲50个国家在1991年至2025年间青年未就业、未受教育或未培训（NEET）比例的数据，共882个观测值，专注于一个核心指标：EIP_NEET_SEX_RT（按性别划分的青年NEET比例百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，属于“其他劳动力利用不足的衡量指标”主题。数据集以表格形式组织，包括国家代码、年份、观测值、性别细分（总计、男性、女性）等列，适用于表格分类、回归或时间序列预测任务。数据通过ILOSTAT REST API获取，并经过标准化处理，确保与ILO统计定义一致。This dataset comprises data on youth NEET (not in employment, education or training) rates for 50 African nations spanning the period from 1991 to 2025, with a total of 882 observations. It centers on a core indicator: EIP_NEET_SEX_RT, which refers to the percentage of youth NEET rates disaggregated by sex. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and falls under the thematic category of "Other measures of labour underutilization". Organized in a tabular format, the dataset includes columns such as country code, year, observation value, sex disaggregation (total, male, female) and other relevant attributes. It is applicable to a range of tasks including tabular classification, regression analysis and time series forecasting. The data was acquired via the ILOSTAT REST API and standardized to ensure consistency with the official statistical definitions of the ILO.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从ILOSTAT官方REST API直接拉取，筛选出非洲50个国家的ISO3国别代码数据，并经过ILO国际劳工统计学家会议定义的标准进行原始调查微观数据的统一处理。数据集包含882条观测记录，时间跨度从1991年至2025年，覆盖非洲大陆广泛的青年NEET比例指标。在构建过程中，ILO对来自不同国家劳动力调查、住户收入调查等多元来源的数据进行了标准化整合，并在`source.label`列中标注了数据来源，确保了每一条观测的可追溯性和数据的权威性。

特点

该数据集的核心特点在于其专注性与标准化。它专门针对非洲地区青年未就业、未接受教育或培训（NEET）的比例这一单一指标进行深入刻画，按性别进一步细分为总体、男性和女性三类，提供了精细化的观察视角。数据覆盖了50个非洲国家，部分国家如毛里求斯、南非、埃及等拥有跨越二十余年的连续时间序列，而安哥拉、卢旺达等国则包含直到2025年的最新观测，这使得数据集既能支持国家间的横向对比，也能用于纵向的时间序列分析和趋势预测。

使用方法

使用者可通过HuggingFace的`datasets`库轻松加载该数据集，只需调用`load_dataset`函数即可将数据转换为Pandas DataFrame格式进行后续分析。针对特定国家的分析，可通过筛选`ref_area`列实现；进行时间序列建模时，可按`indicator`过滤指标后按`time`列排序。此外，数据集支持便捷的数据透视操作，可快速构建以年份为行、国家为列的矩阵，便于进行跨国的面板数据分析或机器学习模型的构建。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门（ILOSTAT）创建，并由Electric Sheep Africa于2025年重新整理发布，聚焦非洲地区15-24岁青年中未就业、未接受教育或培训（NEET）的比例。作为劳动力利用不足的关键指标，NEET比率不仅反映青年群体在劳动市场的结构性困境，还与贫困代际传递、社会排斥等发展问题紧密交织。数据集涵盖1991年至2025年间50个非洲国家的882条年度观测记录，基于各国劳动力调查、家庭收入调查等官方数据源，经由ILO统一标准化处理。其发布为研究非洲青年就业困境、评估教育体系与劳动力市场衔接效率提供了高质量的基础数据支撑，对推动联合国可持续发展目标（SDG）中体面工作目标的监测具有重要意义。

当前挑战

数据集面临的核心挑战首先在于非洲大陆劳动力数据采集的碎片化问题——不同国家调查频率、问卷设计、统计口径差异显著，ILO虽通过国际劳工统计学家会议（ICLS）定义进行协调，但仍不可避免出现方法变更、衔接断裂等标记（如obs_status标注“Break in series”）。其次，数据稀疏性突出，部分国家仅有个别年份观测值（如尼日利亚仅21条记录），时间序列不连续导致长期趋势建模困难。此外，NEET指标单一维度的性别分解虽能揭示男女差异，但缺乏行业、教育水平等更精细分类，限制了因果推断的深度。构建过程中，从多源异构调查中提取统一指标需要处理大量缺失值与源数据标记（source.label），跨时间跨国别的可比性始终是质量控制的关键难点。

常用场景

经典使用场景

该数据集收录了来自国际劳工组织ILOSTAT数据库中50个非洲国家自1991年至2025年间青年未就业、未接受教育或培训（NEET）比率的年度观测数据，共计882条记录。其经典使用场景集中于对非洲青年劳动力市场的纵向监测与跨区域比较分析，研究者可通过时间序列分析揭示NEET比率随经济发展的演变轨迹，或通过面板数据模型识别性别差异、国家特征与宏观经济环境对青年人力资本积累的影响机制。

衍生相关工作

基于该数据集衍生出一系列标志性研究工作，包括利用面板因果推断方法检验教育扩张政策对青年NEET比率的非对称影响，以及构建时空贝叶斯模型预测非洲各国的青年劳动市场风险。另有学者将其与家庭调查数据融合，开发出多维度青年脆弱性指数。在方法论上，该数据催生了针对稀疏面板数据的插补算法创新，以及适用于小样本非洲国家数据的统计学习框架，推动了发展经济学中数据驱动研究范式的进步。

数据集最近研究

最新研究方向

该数据集聚焦于非洲青年未就业、未接受教育或培训（NEET）的比例，按性别分列，覆盖50个非洲国家1991至2025年的年度观测。在当前全球青年就业危机与非洲人口红利并存的背景下，NEET指标成为衡量劳动力市场脆弱性的核心工具。前沿研究利用这一时序数据，结合机器学习与时间序列模型，预测非洲各国青年NEET率的演变趋势，并探索性别不平等、经济结构调整与政策干预对青年劳动力参与的影响。此外，该数据与可持续发展目标（SDG 8.6）紧密关联，为追踪2030年议程中减少青年NEET比例的目标提供了实证基础。研究还关注ILOSTAT数据标准化流程对跨国比较的支撑作用，推动形成基于证据的就业政策制定范式。