electricsheepafrica/africa-ilo-how-xees-sex-est-geo-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含12,014个观测值，涵盖35个非洲国家，时间跨度为2005年至2025年，指标为HOW_XEES_SEX_EST_GEO_NB，即按性别、企业规模和城乡划分的员工实际平均每周工作时长。数据来源于国际劳工组织(ILO)的ILOSTAT数据库，通过API获取并过滤非洲国家代码，包含年度频率数据，字段包括国家代码、性别分类、企业规模分类、城乡分类、观测年份、观测值和数据状态等。数据用于表格分类、回归和时间序列预测任务，覆盖非洲劳动力市场分析。This dataset comprises 12,014 observations across 35 African countries, spanning the period from 2005 to 2025. The core indicator is HOW_XEES_SEX_EST_GEO_NB, which represents the actual average weekly working hours of employees, categorized by gender, firm size, and urban-rural region. The data is retrieved from the ILOSTAT database of the International Labour Organization (ILO) via API, after filtering for African country codes. It consists of annual-frequency data, with fields including country code, gender category, firm size category, urban-rural category, observation year, observed value, and data status. This dataset is applicable to tasks such as table classification, regression, and time series forecasting, and supports analysis of African labor markets.

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中央统计数据库，经由Electric Sheep Africa团队重新整合封装。数据直接通过ILOSTAT REST API接口获取，指标代码为HOW_XEES_SEX_EST_GEO_NB，并依据非洲ISO3国家代码进行地域过滤。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调统一，数据来源在source.label字段中清晰标注，以确保可追溯性。最终形成了包含12014条观测值、覆盖35个非洲国家、时间跨度为2005年至2025年的结构化数据集。

特点

该数据集聚焦于非洲大陆劳动力市场中“按性别、企业规模和城乡划分的雇员实际周平均工时”这一核心指标，是研究非洲劳动参与、工时分配与就业质量的稀缺数据资源。其特色在于多维度的分类变量，包括性别（总、男、女）、企业规模（总体）以及地域覆盖（国家层面），使得研究者能够从不同视角深入剖析工时模式。数据质量经过ILO的系统性协调，并提供了观测状态标记（如临时性、不可靠）和系列中断注释，为用户评估数据可靠性提供了关键参考。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，使用`load_dataset`函数即可将数据转化为Pandas DataFrame进行深入分析。典型用法包括按国家筛选数据以进行国别研究，例如筛选肯尼亚（KEN）的数据；或针对特定指标进行时间序列分析，通过排序观测年份并绘制obs_value的变化趋势。此外，通过数据透视表操作，可以将数据重塑为国家×年份的矩阵形式，便于开展面板数据分析或跨国的横向比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，经Electric Sheep Africa重新封装于HuggingFace平台，聚焦非洲大陆35个国家、2005至2025年间雇员的平均每周实际工作小时数，涵盖性别、企业规模及城乡地域等多维细分维度。作为ILOSTAT全球劳动统计数据库的分支产品，该数据集旨在为非洲劳工市场研究提供规范、可比的时序面板数据，支撑就业质量评估、性别劳动参与差异分析以及非正规经济监测等核心议题。凭借ILO在劳动统计领域的权威地位与国际统计标准（ICLS）的严格参照，该数据集已成为学者、政策制定者与国际组织探讨非洲劳动力市场动态变迁的关键基础资源。

当前挑战

该数据集在构建过程中面临多重挑战。首先，非洲各国劳动调查在抽样方法、问卷设计、调查频率及指标定义上存在显著异质性，ILO虽通过统一归并处理但难以完全消除概念偏差，导致跨国比较的准确性受限。其次，原始数据来源涵盖劳动力调查、行政记录等多种渠道，部分年份与国家的数据存在断裂、异常或可信度标签（如“不可靠”），影响时序分析的连贯性。此外，由于非洲地区非正规就业比例高、采集资源有限，部分国家（如刚果民主共和国）观测稀疏，造成面板数据严重失衡。最后，数据集的分类变量（如企业规模）定义在不同调查间亦不一致，进一步增添了建模与推理的复杂性。

常用场景

经典使用场景

在非洲劳动经济学与劳动力市场研究的交叉领域，该数据集的核心用途在于构建跨国、长时序的周均工时预测与分类模型。研究人员可凭借其中涵盖性别、企业规模与城乡维度的精细化分类信息，开展诸如‘不同性别员工周工时差异的时空演化规律’或‘企业规模对工时弹性影响机制’的探索性分析。通过将`obs_value`作为回归目标，并利用`sex`、`classif1`等属性作为特征，可训练出高泛化能力的预测器；亦可借助时间戳构建时序模型，揭示2005至2025年间35个非洲国家工时模式的收敛与分异趋势。

实际应用

在实际应用层面，该数据集为非洲各国劳工部门与国际发展机构提供了证据驱动的政策制定工具。例如，通过分析`obs_status`标记为‘不可靠’的异常年份数据，可辅助识别工时统计质量薄弱的地区以优化调查方案；企业可借鉴跨国工时基准，校准其员工福利与生产排程策略。此外，非政府组织能将性别细分数据用于监测女性在非正规经济中的过度劳动现象，并以此倡导针对性的劳动保护立法。该数据集还支撑着非洲联盟《2063年议程》中关于体面劳动与包容性增长的量化评估，是连接微观劳动行为与宏观治理决策的桥梁。

衍生相关工作

该数据集作为ILOSTAT官方数据的精心重包装版本，衍生了一系列开创性工作。其一，它催生了聚焦非洲本土的‘劳动市场监控仪表盘’，研究者利用其时间序列特性开发出实时预警系统，可自动标记工时指标的异常波动。其二，基于该数据集的`classif1`（企业规模）与`sex`交叉分析，学界已涌现出探究‘大型企业性别工资差距时空调和效应’的多篇计量经济论文。其三，其标准化的模式与HuggingFace生态的集成，启发了Electric Sheep Africa团队后续对非洲教育、健康等领域的‘一键式’数据集重包装工作，形成了可复现的‘非洲数据即服务’范式，显著降低了该地区跨学科研究的准入门槛。