electricsheepafrica/africa-ilo-eip-wdis-sex-dsb-nb-discouraged-job-seekers-by-sex-and-disability-stat

这是一个关于非洲30个国家在2005年至2025年间按性别和残疾状况分类的沮丧求职者（以千计）的表格数据集。数据集包含640个观测值，涵盖一个独特指标（EIP_WDIS_SEX_DSB_NB），源自国际劳工组织（ILO）的ILOSTAT数据库，主题为劳动力未充分利用的其他衡量指标。数据以年度频率提供，包括国家代码、年份、性别分类、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 is a tabular dataset containing data on discouraged job seekers (in thousands) categorized by gender and disability status across 30 African countries between 2005 and 2025. The dataset includes 640 observations and covers a unique indicator (EIP_WDIS_SEX_DSB_NB), which is sourced from the ILOSTAT database of the International Labour Organization (ILO) and focuses on other measurement indicators of labor underutilization. The data is provided at an annual frequency, with columns including country code, year, gender category, observation value and others, and 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REST API直接抽取特定指标（EIP_WDIS_SEX_DSB_NB）的数据，并依据非洲ISO3国家代码进行地理过滤。数据集经由Electric Sheep Africa重新打包，原始数据来自各国劳动力调查、住户收支调查等官方统计，经ILO根据国际劳工统计学家会议（ICLS）定义进行统一协调与标准化处理，以确保跨国家、跨时段的可比性。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载数据，并转换为pandas DataFrame进行后续分析。支持按国家代码过滤特定国家的时序数据，亦可对单一指标按时间排序后绘制趋势图。此外，可借助pivot_table将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨国比较研究。

背景与挑战

背景概述

全球劳动力市场的复杂性使得劳动利用不足的衡量成为了发展经济学与劳动经济学中的一个关键议题，尤其对于非洲大陆而言，非正规就业与隐性失业问题长期困扰着政策制定者。在此背景下，国际劳工组织（ILO）通过其ILOSTAT数据库，系统整合了来自各国劳动力调查与行政记录的指标。该数据集由Electric Sheep Africa于2025年重新打包发布，聚焦非洲30个国家2005至2025年间‘丧失信心的求职者’数据，按照性别与残疾状态进行细分。其核心研究问题在于揭示被传统失业指标所忽略的隐性劳动力边缘化群体，为更精准的社会保障政策与可持续发展目标（SDG）的监测提供了宝贵的跨国面板数据。该数据集的出现填补了非洲地区在劳动利用不足微观层面上的数据空白，对推动包容性就业研究具有里程碑式的影响。

当前挑战

该数据集所解决的领域挑战是劳动统计中‘丧失信心的求职者’这一隐性失业群体的量化困境。传统失业率仅反映积极寻找工作但未成功的人群，而大量因长期求职失败而放弃搜寻的个体被排除在官方统计之外，导致政策对劳动力闲置的认知存在系统偏差。在构建过程中，数据面临着多重困难：首先，非洲各国的劳动力调查在方法论、抽样框架和调查频率上差异显著，ILO需通过ICLS标准进行繁琐的数据协调与标识。其次，残疾状态的界定标准因国家而异，使得跨国的性別与残疾交叉分析面临可比性挑战，部分年度或国家的数据因系列中断或方法论修订而被标记为‘B’类，增加了时间序列分析的复杂性。此外，从ILOSTAT REST API的抽取与清洗过程需处理源数据中的缺失值与异常标注，以保障640条观测记录的整体一致性。

常用场景

经典使用场景

该数据集记录了2005至2025年间30个非洲国家中因性别与残疾状况分层统计的沮丧求职者数量（单位：千人），是研究非洲劳动力市场非充分就业形态的宝贵资源。其最经典的应用场景为时间序列分析，研究者可通过跨年度观测值追踪各国沮丧求职者数量的演变趋势，并结合性别与残疾维度揭示劳动参与意愿的深层分化。此外，该数据亦适用于面板数据回归建模，用以探究经济周期、政策干预或社会变革对弱势群体求职信心的异质性影响。

解决学术问题

该数据集精准回应了劳动力经济学中关于‘沮丧劳动者效应’的核心学术议题，即当失业者因长期求职失败而退出劳动力市场时，如何量化这一隐性就业不足现象。其独特的残疾与性别交叉分层设计，为探究包容性增长框架下被边缘化群体遭遇的结构性障碍提供了高质量实证基础。借助此数据，学者得以超越传统失业率指标，更全面地评估非洲各国劳动政策的社会包容性，推动国际劳工组织体面劳动议程的量化研究。

实际应用

在实际应用中，该数据集为非洲各国劳动部门及国际发展机构提供了关键决策支持。通过监测沮丧求职者规模的动态变化，政策制定者能够评估就业援助项目对特定群体（如残疾女性）的实际效果，并据此优化职业培训与社会保障资源的配置。同时，该数据可嵌入宏观经济预警系统，作为劳动力市场疲软的先行指标，帮助识别潜在的社会不稳定风险区域，助力设计更具精准性的就业促进干预措施。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区因性别与残疾状况而放弃求职的失业者规模统计，为探究劳动力市场中的弱势群体参与困境提供了关键数据支撑。在绿色转型与人工智能技术重塑全球就业结构的背景下，该数据集的前沿研究方向集中在两方面：一是通过时间序列预测模型分析气候政策与数字化转型对残疾人和女性求职意愿的冲击效应；二是结合多源微观调查数据，量化社会保护缺口与就业排斥的因果路径。作为ILOSTAT权威数据的非洲子集，其30国2005-2025年的面板数据为检验包容性劳动力市场理论、评估非洲联盟《2063年议程》中体面就业目标的实现进展，提供了不可替代的实证依据，尤其助力可持续发展目标8与目标10的精确监测。