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

该数据集包含非洲31个国家2005年至2025年期间关于非正规经济的731个观测值，涵盖1个具体指标：按性别和残疾状况划分的非正规部门外就业份额（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，整合了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作指标等方面的数据。数据集以表格形式呈现，包括国家代码、年份、性别分类、残疾状况分类、观测值及其状态等列，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的统计部门根据国际劳工统计学家会议（ICLS）定义进行协调处理，并标注了来源以便追溯。This dataset contains 731 observations related to the informal economy across 31 African countries spanning 2005 to 2025, covering one specific indicator: the share of employment outside the informal sector (%), disaggregated by gender and disability status. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), which serves as the primary global repository for labor statistics, integrating data on employment, unemployment, wages, working hours, child labor, informal economy, social protection, occupational injuries, and decent work indicators under the Sustainable Development Goals (SDGs). Presented in tabular form, the dataset includes columns such as country code, year, gender category, disability status category, observation value and its corresponding status, and is applicable to tasks including tabular classification, regression, and time series forecasting. The data has been harmonized by the ILO's statistical division in accordance with the definitions established by the International Conference of Labour Statisticians (ICLS), and the source is annotated to enable traceability.

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，由Electric Sheep Africa对上游公开数据进行标准化重封装。原始数据覆盖31个非洲国家，时间跨度为2005年至2025年，共收录731条观测记录，围绕非正规经济部门就业比例这一核心指标展开。Electric Sheep Africa在重封装过程中统一了元数据字段、格式规范与加载指引，将原始数据转换为Parquet格式，并补充了溯源说明与分析导向的上下文注释，最终形成可被机器学习工作流直接调用的数据集。

特点

该数据集聚焦于非洲地区非正规就业这一劳动经济学的重要议题，按性别与残疾状况两个维度对正规部门以外的就业比例进行细分统计，具备鲜明的交叉性分析价值。数据以表格与文本双模态呈现，采用Parquet列式存储，规模控制在千行以内，便于快速加载与检验。标签体系涵盖就业、劳动、非正规经济等主题，并附带标准化的元数据清单与溯源信息，为跨国比较和可复现研究提供了结构化基础。

使用方法

研究者可借助Hugging Face datasets库以load_dataset函数直接加载该数据集，并通过to_pandas方法转换为数据框以便开展表格分析。使用前宜先行检视数据模式与缺失值分布，确认变量定义与计量单位后再行建模。当涉及地理维度分析时，应依据数据中显式的国家字段进行操作，若地理信息仅由标题或来源元数据隐含，则须在后续研究中明确记录这一假设。此外，该数据集可与其他Electric Sheep Africa数据集通过国家、年份与指标字段进行联结，以支撑更广泛的劳动经济分析。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计体系的构建，其ILOSTAT数据库已成为劳动经济研究领域最具权威性的跨国数据基础设施。在非洲大陆，非正规经济部门吸纳了绝大部分劳动力，然而既有统计框架多聚焦于发达经济体的正规就业形态，对非正规部门中性别与残障交叉维度的刻画长期匮乏。Electric Sheep Africa于2026年发布的该数据集，系统整合了31个非洲国家2005至2025年间731条观测记录，首次以性别与残障身份双重维度呈现非正规部门就业占比的时空格局，为发展经济学、劳动经济学及社会包容性政策研究提供了可复现的比较分析基础。

当前挑战

该数据集所应对的领域问题在于，非正规就业本身界定模糊、测量口径跨国差异显著，性别与残障交叉分类更面临样本稀疏与定义不一致的双重掣肘，使得跨国可比性与时序一致性难以保障。构建过程中的核心困难包括：原始ILOSTAT元数据中残障身份变量在多数非洲国家存在系统性缺失，部分国家统计能力薄弱导致报告频率不规则；数据经重包装后虽以标准化格式呈现，但上游发布者与国别字段在库存快照中标记为缺失，使用者需自行追溯来源方可确认单位与抽样方法；观测规模不足千条，高维交叉分层后有效样本进一步缩减，对统计推断的稳健性构成实质性约束。

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，衡量正规部门之外就业的分布格局始终是理解发展中国家劳动力市场结构的关键切口。该数据集汇聚了2005至2025年间31个非洲国家共计731条观测记录，以性别与残疾状况为双重分层维度，刻画了非正规就业份额的时序演变与跨国差异。研究者可将其作为面板数据，直接服务于非正规经济规模测度、性别就业鸿沟分解以及残障群体劳动市场边缘化程度评估等经典分析任务。

实际应用

在政策实践层面，该数据集可支撑国际组织与各国劳工部门识别非正规就业高发群体，为社会保障扩展、技能培训定向投放以及反歧视就业立法提供量化依据。发展金融机构亦可据此评估包容性增长项目的基线水平，将性别与残障维度的非正规就业比例纳入项目监测指标。数据以parquet格式分发，便于与区域经济、教育、人口等数据集进行多源融合，服务于可复现的政策研究工作流。

衍生相关工作

作为Electric Sheep Africa非洲公开数据目录的组成部分，该数据集催生了一系列围绕非洲非正规经济的衍生分析，包括跨国非正规就业收敛性检验、性别差距的时空分解以及残障就业惩罚效应的计量识别。其标准化元数据框架亦被同类ILOSTAT指标重打包项目借鉴，推动了非洲劳动统计数据的机器可读化与目录化整合，为后续构建非洲劳动力市场综合数据库奠定了方法基础。