electricsheepafrica/africa-ilo-emp-pifl-sex-ec2-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含非洲42个国家从1999年到2025年的非正规经济就业数据，具体指标为按性别和经济活动（ISIC第2级）划分的非正规部门就业比例（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Africa重新打包，包含20,568个观测值，涵盖1个独立指标。数据集以表格形式组织，包括国家代码、年份、性别分类、经济活动和观测值等列，适用于表格分类、回归和时间序列预测等任务。This dataset contains informal economy employment data for 42 African countries spanning from 1999 to 2025. The specific indicator is the share of informal sector employment (in percentage), disaggregated by gender and economic activity at ISIC Level 2. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and repackaged by Electric Sheep Africa. It includes 20,568 observations and covers one standalone indicator. The dataset is organized in a tabular format, with columns including country code, year, gender category, economic activity, and observed values, and is suitable for tasks such as tabular classification, regression, and time series forecasting.

搜集汇总

数据集介绍

构建方式

在非正规经济部门就业比例的测度长期受到国际劳工组织及区域发展研究的关注，非洲地区由于非正规就业广泛存在，相关数据积累尤为关键。该数据集由Electric Sheep Africa基于国际劳工组织ILOSTAT的公开统计资料进行系统化整理与重新封装，筛选并标准化了42个非洲国家在1999年至2025年间的非正规部门就业数据。构建过程中，以性别和ISIC第二级经济活动分类为维度，将原始指标统一为包含20,568条观测值的结构化表格，并以Parquet格式发布，保留原始国家、年份、指标和数值字段，同时补充元数据说明与来源溯源信息，确保数据可追溯、可复现。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过load_dataset函数获取数据对象，进而检视其切分结构、特征类型与前若干行样本。对于表格型分析，可将对应切分转换为Pandas数据框，以便进行统计描述、缺失值诊断与建模准备。在实际使用中，建议先核对国家、年份、性别及经济活动等字段的定义与单位，对隐含地理信息保持审慎，并保留缺失值直至确立合理的插补规则。该数据集亦可与其他Electric Sheep Africa目录下的非洲数据集通过显式的国家、年份和指标字段进行连接，支撑可复现的跨国比较与劳动市场研究。

背景与挑战

背景概述

非正规经济部门的就业度量长期以来构成发展经济学与劳动经济学的核心议题，尤其在全球南方国家，其规模与结构直接关乎社会保障覆盖、税收基础与体面劳动议程。国际劳工组织（ILO）依托ILOSTAT数据库系统性地汇编了按性别与经济活动（ISIC二级分类）划分的非正规部门外就业占比指标，时间跨度回溯至1999年并延续至2025年，覆盖42个非洲国家。Electric Sheep Africa于2026年对原始ILOSTAT数据进行工程化重包装，以标准化的元数据、加载指南及溯源说明发布于Hugging Face平台，形成包含20,568条观测的非洲专项数据集，旨在为非洲非正规经济的跨期比较与跨域研究提供可复现的数据基础。

当前挑战

该数据集所对应的领域问题在于非正规就业的跨国、跨期可比较度量，其难点植根于各国统计口径差异、非正规部门界定的制度性差异以及自雇与家庭帮工等边缘就业形态的漏报倾向。构建层面，数据整合面临多源指标对齐、性别与经济活动分类代码跨版本映射、部分国家时序断裂与缺失值频繁出现等现实约束。元数据层面，国家列与上游发布者字段存在缺失，地理覆盖仅依靠标题隐含界定，需在建模前审慎确认变量定义、单位与抽样方法，避免因标签推断政策含义，从而在保持缺失值透明性的前提下开展稳健分析。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集最经典的使用场景在于刻画非洲各国非正规部门就业的性别差异与行业分布。研究者依托ISIC二级行业分类，按性别分解非正规就业占比，揭示女性在非正规经济中的集中程度及其行业隔离特征。通过对1999至2025年间42个非洲国家两万余条观测值的面板分析，可系统比较不同经济体在正规化进程中的异质性，为理解发展中国家劳动力市场二元结构提供关键数据支撑。

解决学术问题

该数据集有效回应了非正规就业测量中长期存在的可比性难题。以往研究受限于各国定义口径不一、性别与行业维度缺失，难以开展跨国比较。此数据集统一采用ILOSTAT标准，按ISIC二级行业与性别交叉分类，使学者能够检验非正规就业与经济增长、性别平等、产业结构转型之间的因果关系。其意义在于为非洲劳动力市场研究提供了标准化、可复现的实证基础，推动了非正规经济理论从描述性分析向因果推断的深化。

实际应用

在政策制定与国际发展实践中，该数据集为非洲各国政府、国际劳工组织及世界银行等机构提供了监测非正规就业动态的工具。劳动部门可据此评估正规化政策对女性与弱势群体的差异化影响，识别非正规就业高度集中的行业并设计针对性干预。发展机构亦可将其纳入国别诊断报告，辅助制定包容性就业战略，优化社会保障覆盖与技能培训资源配置，从而提升劳动力市场治理的精准度与实效性。

数据集最近研究

最新研究方向

在非洲劳动力市场结构转型与非正规经济持续扩张的宏观背景下，该数据集以ILOSTAT为数据源，覆盖42个非洲国家1999至2025年逾两万条观测，按性别与ISIC二级经济活动分类刻画正规部门外就业份额，为探究非正规就业的性别差异、行业异质性及其与经济增长的关联提供了长时序面板支撑。当前相关研究前沿聚焦于非正规经济的性别分层机制、结构性转型路径以及非标准就业对社会保障覆盖的影响，该数据集凭借其跨国可比性与细分维度，有助于识别非正规就业演变的驱动因素，为非洲包容性劳动政策设计与可持续发展目标评估提供实证基础。