electricsheepafrica/africa-ilo-emp-publ-sex-geo-nb-public-sector-employment-by-sex-and-rural-urban-ar

该数据集包含非洲44个国家在1999年至2025年期间的公共部门就业数据，按性别和城乡地区划分，以千人为单位。数据集共有2030个观测值，涵盖1个具体指标（EMP_PUBL_SEX_GEO_NB），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Africa重新打包。数据包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年份、观测值等字段，适用于表格分类、回归和时间序列预测等任务。This dataset comprises public sector employment data for 44 African countries across the 1999 to 2025 period, disaggregated by gender and urban-rural regions, with all values reported in thousands of individuals. The dataset contains a total of 2030 observations, covering one unique indicator (EMP_PUBL_SEX_GEO_NB). The raw data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and was repackaged by Electric Sheep Africa. Included fields are country code, country name, data source, indicator code, gender category (total, male, female), year, and observed value. This dataset is applicable for tasks such as table classification, regression analysis, 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统计数据库，通过调用其REST API接口，直接提取了指标代码为EMP_PUBL_SEX_GEO_NB的公共部门就业数据。随后，依据非洲ISO3国家代码进行筛选，将原始数据中涵盖的微观调查数据，按照国际劳工统计学家会议（ICLS）制定的定义标准进行协调与整合。数据采集过程中，保留了包含来源标识的‘source.label’列，以确保每一观察值的可追溯性。最终，由Electric Sheep Africa团队将处理后的结构化数据打包为Parquet格式，并发布于HuggingFace平台，方便研究人员直接使用标准的‘load_dataset()’函数进行加载与调用。

使用方法

在Python环境中，可通过HuggingFace的`datasets`库便捷地加载该数据集，核心命令为`load_dataset("electricsheepafrica/africa-ilo-emp-publ-sex-geo-nb-public-sector-employment-by-sex-and-rural-urban-ar")`，返回的DataFrame可直接用于分析。用户能依据`ref_area`字段按国家代码进行过滤，例如提取肯尼亚的数据。针对时间序列分析，可按`indicator`筛选并依据`time`列排序后绘图。此外，通过`pivot_table`方法能够构建以年份为行、国家为列的矩阵视图，便于进行跨国比较或面板数据建模，适用于分类、回归以及时间序列预测等多种任务场景。

背景与挑战

背景概述

该数据集由Electric Sheep Africa于2025年整理并发布在HuggingFace平台，其原始数据来源于国际劳工组织（ILO）的ILOSTAT数据库，核心研究问题聚焦于非洲44国公共部门就业的性别与城乡分布特征。作为全球劳动统计权威来源，ILOSTAT通过整合国家劳动力调查、家庭收入调查及行政记录等多元数据，为理解非洲劳动力市场结构提供了标准化指标。该数据集覆盖1999至2025年间的2030条观测记录，以‘公共部门就业按性别与城乡区域划分（千计）’为核心变量，填补了非洲地区公共就业精细化数据的空白，对发展经济学、劳动社会学及区域政策研究具有重要支撑价值，为跨国家、跨时期比较分析提供了可靠基础。

当前挑战

当前数据集面临的核心挑战包括：其一，非洲多国公共部门就业数据采集频率不一，部分国家年度数据断缺或仅依赖抽样调查，导致时间序列不连续，制约长期趋势分析的稳健性；其二，数据来源标注为‘最佳来源’筛选结果，但不同来源（如劳动力调查与行政记录）的统计口径与质量差异显著，嵌套的‘方法修订’标注揭示了历史序列断裂风险；其三，性别与城乡分组虽提供细分维度，但部分国家样本量有限（如多国观测数低于100条），削弱了子群体推断的统计效力，尤其在城乡二元分类下稀疏数据可能引发估计偏差。

常用场景

经典使用场景

该数据集聚焦于非洲44国1999至2025年间公共部门就业人口，按性别与城乡地域进行细分，提供了2,030条标准化观测记录。其经典使用场景包括利用时间序列分析追踪各国公共部门就业规模的演变轨迹，通过面板数据建模探究性别差异与城乡分布的结构性特征，以及结合ILOSTAT统一的劳动力统计口径开展跨国比较研究。数据天然适配表格分类、回归及时序预测三类任务，研究者可快速构建性别就业差距趋势模型或公共部门吸纳劳动力能力评估框架。

解决学术问题

在学术层面，该数据集有效缓解了非洲区域公共就业数据碎片化、口径不一的困境，为验证劳动力市场分割理论、公共部门就业挤出效应假说、性别平等政策效能评估等经典议题提供了系统化证据。其覆盖44国、横跨26年的细颗粒度结构，使得研究者能够控制国家与时间固定效应，识别公共部门就业变动的宏观驱动因素，并对撒哈拉以南与北非地区的就业结构分异进行归因分析。数据集的出现填补了非洲公共劳动统计在机器学习就绪格式上的空白，推动了计量经济学与计算社会科学在该区域的交叉应用。

实际应用

实际应用中，该数据集可直接赋能国际发展机构与非洲各国统计部门的劳动力监测系统，用于生成公共部门就业的季度或年度简报、预警就业市场的结构性失衡。非政府组织可基于性别维度的数据挖掘，设计针对性的女性就业促进项目；区域经济共同体如非盟可依托跨国可比数据，评估《非洲大陆自由贸易区》协定对公共部门劳动力配置的潜在冲击。此外，数据集亦可接入宏观经济预测模型，辅助政府债务可持续性分析，因为公共部门工资支出往往是财政压力的核心来源。

数据集最近研究

最新研究方向

当前，非洲公共部门就业数据的精细化与时空可比性成为劳动经济学与国际发展研究的前沿焦点。该数据集依托国际劳工组织ILOSTAT权威统计体系，覆盖44个非洲国家1999至2025年的公共部门就业规模，并首次在非洲区域层面系统纳入性别与城乡分布的交叉解构维度。这一稀缺的时间序列资源为追踪非洲劳动力市场的结构化变迁、评估公共就业政策在性别平等与区域均衡方面的成效提供了量化基石。结合近年来全球对体面劳动、可持续发展目标第八项（体面工作与经济增长）以及非洲大陆自由贸易区（AfCFTA）实施过程中就业质量议题的高度关注，该数据集的发布恰逢其时。研究者可借此揭示公共部门作为就业稳定器在非洲经济波动期的缓冲角色，并为机器学习模型（如时序预测与因果推断）提供训练与验证的标准化非洲劳动统计语料。