electricsheepafrica/africa-ilo-eip-teip-sex-age-nb-persons-outside-the-labour-force-by-sex-and-age-th

该数据集包含非洲53个国家在1950年至2025年期间，按性别和年龄分组的非劳动力人口（以千计）的统计数据，总计40,246个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家，涵盖1个主要指标（EIP_TEIP_SEX_AGE_NB）。数据集为表格形式，包含国家代码、性别、年龄分类、年份、观测值等列，适用于表格分类、回归和时间序列预测任务。数据经过ILO的标准化处理，并包含来源和质量标志，以支持劳动力市场分析和研究。This dataset contains statistical data on the non-labor force population (in thousands) grouped by gender and age groups, covering 53 African countries over the period from 1950 to 2025, with a total of 40,246 observations. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via API and filtered to retain only African countries, and covers one primary indicator: EIP_TEIP_SEX_AGE_NB. The dataset is in tabular format, with columns including country code, gender, age category, year, observed values and others, and is suitable for tasks such as tabular classification, regression and time series forecasting. The data has been standardized by the ILO, and includes source and quality flags to support labor market analysis and research.

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统计数据库，聚焦于非洲地区劳动力市场以外人口的性别与年龄分布。数据通过ILOSTAT REST API直接获取，并依据国际劳工统计学家会议（ICLS）定义进行统一化处理。原始数据经筛选后仅保留非洲53个国家的ISO3国家代码对应记录，共包含40,246条观测值，时间跨度覆盖1950年至2025年。Electric Sheep Africa团队进一步对数据模式进行标准化，封装为Parquet格式，确保研究者能够通过HuggingFace Datasets库便捷调用。

使用方法

使用HuggingFace Datasets库的load_dataset函数即可一键加载该数据集，返回的格式可直接转换为Pandas DataFrame进行后续分析。用户可通过过滤ref_area列聚焦特定国家的时间序列，或利用indicator列提取单一指标进行趋势可视化。数据集支持按country×year透视，构建面板数据矩阵，适用于劳动力参与率的跨国比较研究。此外，obs_status和各类note列提供了观测质量的元信息，可作为数据筛选或加权回归的依据。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并由Electric Sheep Africa重新打包，专注于非洲地区未参与劳动力人口的性别与年龄分布（以千人为单位）。数据集涵盖53个非洲国家，时间跨度从1950年至2025年，包含40,246条观测记录，核心研究问题在于量化非洲大陆劳动力市场中的‘劳动力未充分利用’现象，特别是那些因各种原因被排除在正式劳动力市场之外的群体。这一数据集为劳动经济学、发展经济学以及联合国可持续发展目标（SDGs）中关于体面工作的监测提供了关键的数据基础，尤其是在撒哈拉以南非洲地区，其宏观劳动力统计数据长期稀缺，该数据集填补了重要空白，对政策制定与学术研究产生了深远影响。

当前挑战

该数据集所解决的领域问题主要源于非洲劳动力市场中‘劳动力未充分利用’指标的复杂性与难以量化。传统失业率统计往往无法捕捉隐性失业、非正规就业以及因家庭责任、教育或疾病而退出劳动市场的群体。构建过程中面临的挑战包括：不同国家间调查方法（劳动力调查、家计调查等）的差异导致数据可比性不足；数据来源涉及多种调查与行政记录，需要ILO依据国际劳工统计学家会议（ICLS）定义进行繁琐的标准化与调和；历史数据存在序列中断、方法论修订等质量问题（如数据集中‘obs_status’与‘note_indicator’标识所示），需仔细筛选与标记；此外，覆盖53个国家、跨度75年的数据收集与处理，对数据治理与版本控制提出了极高要求。

常用场景

经典使用场景

该数据集收录了1950至2025年间非洲53个国家的劳动力市场外人群规模数据，按性别和年龄维度细分，共计超过4万条观测记录。在经典使用场景中，研究者常将其与劳动力参与率、失业率等指标联合分析，构建非洲大陆劳动力利用不足的完整图景。通过时间序列建模，可以揭示不同国家在经济发展不同阶段中劳动年龄人口退出劳动力市场的驱动因素，评估结构性就业矛盾与人口红利的消长关系。

解决学术问题

该数据集有效回应了非洲劳动力研究中长期存在的数据碎片化与可比性不足问题。传统研究常因各国统计口径差异而难以展开跨国对比，而ILO的标准化定义使得跨时空分析成为可能。借助该数据，学者能够量化经济增长中‘被遗忘的群体’规模，检验劳动力市场僵化与产业转型对特定性别或年龄群体的挤出效应，为发展经济学中的非正式就业、劳动参与决策等经典议题提供实证依据。

实际应用

在实际应用中，该数据为国际组织与非洲各国政策制定者提供了监测可持续发展目标（SDG）进展的关键输入。通过追踪劳动力市场外群体的动态变化，可以识别需要社会保护干预的脆弱人群，优化职业培训资源的配置方向。私营部门则能利用性别与年龄分层数据评估区域劳动力供给潜力，指导跨国投资中的人力资源战略布局，降低因劳动力错配引发的运营风险。

数据集最近研究

最新研究方向

该数据集聚焦于非洲劳动力市场边缘群体的结构性分析，尤其在劳动参与率持续走低的背景下，追踪1950至2025年间53个非洲国家中因性别与年龄分层而脱离劳动力人口的动态演变。当前研究热点在于利用长时序面板数据揭示非洲国家在非正规就业膨胀、青年失业危机与女性劳动参与率低迷之间的关联机制，为ILO推动的体面劳动议程（SDG 8）提供实证支撑。数据集的跨年代覆盖与来源可溯性使其成为检验全球劳动力市场理论在非洲适用性的关键工具，同时助力于预测自动化冲击下非洲劳动力供给的脆弱性，对理解非洲大陆的经济转型与社会保护政策设计具有深远意义。