electricsheepafrica/africa-ilo-how-xees-age-oc2-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“按年龄和职业（ISCO 2级）划分的雇员实际平均每周工作时间”指标数据，专注于非洲地区。数据集涵盖35个非洲国家，时间跨度为1999年至2025年，包含16,612个观测值。数据通过ILOSTAT REST API获取，并经过ILO使用国际劳工统计学家会议（ICLS）定义进行标准化处理，覆盖就业、工作时间等劳动统计主题。数据集以表格形式呈现，包括国家代码、指标代码、分类变量（如年龄和职业）、观测年份、观测值等列，适用于表格分类、表格回归和时间序列预测等任务。This dataset contains data on the indicator "Actual average weekly working hours of employees, by age and occupation (ISCO Level 2)" sourced from the International Labour Organization (ILO) ILOSTAT Database, with a focus on the African region. It covers 35 African countries, spans the time period from 1999 to 2025, and includes 16,612 observations. The data was acquired via the ILOSTAT REST API, then standardized by the ILO in accordance with the definitions established by the International Conference of Labour Statisticians (ICLS), covering labor statistics topics such as employment and working hours. Presented in tabular format, the dataset features columns including country code, indicator code, categorical variables (e.g., age and occupation), observation year, and observed values, and is applicable to tasks such as table classification, table 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权威统计数据库，通过其REST API直接获取指标号为HOW_XEES_AGE_OC2_NB的原始数据。随后，数据集构建者依据非洲ISO3国家代码进行地理过滤，筛选出覆盖35个非洲国家的观测值。数据经过ILOSTAT的标准化处理，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统一协调，并在source.label字段中明确标注数据来源，确保每一条记录的可追溯性。最终，数据集由Electric Sheep Africa团队重新打包，以Parquet格式发布至HuggingFace平台，便于机器学习应用。

特点

该数据集的核心特色在于其聚焦非洲大陆的时空覆盖广度与细粒度分类维度。它囊括了1999年至2025年间35个非洲国家的16,612条观测记录，时间跨度长达二十余年。数据不仅提供了雇员平均每周实际工作小时数这一核心指标，还依据年龄分组和职业分类（ISCO二级编码）进行细致切分，使得用户能够深入分析不同人口特征与职业类别下的劳动工时差异。此外，数据集还附带了观测状态标识、数据来源注释以及序列中断等质量标记，为严谨的统计分析提供了充分的元数据支持。

使用方法

用户可通过HuggingFace Datasets库便捷地加载该数据集，使用一条简单的Python命令`load_dataset`即可获取完整的DataFrame格式数据。基于此，研究人员能够快速按国家代码进行过滤以聚焦特定区域，或按时间序列对核心指标进行趋势分析与可视化。数据集的结构化特征也支持通过透视表操作，轻松将数据重塑为国家×年份的矩阵形式，便于进行面板数据回归或跨国产出比较。对于希望进行劳动经济学、人口统计学或非洲发展研究的学者而言，该数据集提供了一个立即可用、结构清晰的标准化数据入口。

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，经Electric Sheep Africa重新整理并托管于HuggingFace平台，聚焦于非洲地区劳动者按年龄和职业分类（ISCO二级）的平均每周实际工作小时数。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、住户收入调查及行政记录数据，为研究非洲劳动力市场结构、工作时间分布及体面劳动目标（SDG）提供了关键的基础性量化资源。该数据集涵盖35个非洲国家、1999年至2025年的16,612条观测值，填补了该地区精细劳动投入指标长期缺失的空白，对发展经济学、劳动经济学的跨时空比较分析具有重要推动作用。

当前挑战

数据集的构建面临着非洲劳动统计领域长期存在的多重挑战。首先，非洲各国劳动力调查的执行标准与周期性不一，导致数据在时间序列上的非均衡分布——部分国家仅覆盖数年，且存在方法论变更导致的序列断裂（如注释中标注的“Break in series”），使得跨国家、跨时段的比较分析需审慎处理。其次，观测值中约14%被标记为“不可靠”，反映了低收入国家调查应答偏差、样本量不足及统计能力薄弱的深层问题。此外，数据整合还需应对分类变量的稀疏性——当指标未发布特定分组时，年龄或职业分类列会留空，进一步限制了细粒度分析的可能。

常用场景

经典使用场景

该数据集汇聚了35个非洲国家1999至2025年间按年龄和职业分类的雇员每周实际工作平均时长的面板数据，共计16,612条观测记录。其经典应用在于劳动经济学领域，研究人员可借助该数据集构建时间序列模型，深入剖析非洲大陆不同国家、不同年龄层及职业群体的工时动态演变规律，为理解劳动力市场的结构性变迁提供坚实的数据支撑。

解决学术问题

数据集系统性地解决了非洲地区劳动工时数据碎片化且难以获取的学术困境。它为探究经济发展与劳动时间之间的关联提供了标准化、跨国的可比数据，助力研究者量化产业结构转型、人口年龄结构变化以及全球化进程对非洲劳动力供给模式的影响，从而填补了该区域宏观劳动分析中高分辨率数据的空白。

衍生相关工作

该数据集衍生了一系列重要的学术工作，包括利用面板回归模型探讨工时与劳动生产率之间的内生关系，以及采用统计分解方法揭示性别、年龄等人口特征在工时差异中的贡献度。此外，基于该数据集训练的时序预测模型，为非洲各国提供了前瞻性的工时趋势预测，推动了区域劳动经济学研究从描述性分析向预测性建模的深化演进。