electricsheepafrica/africa-ilo-emp-publ-sex-age-nb-public-sector-employment-by-sex-and-age-thousands

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的公共部门就业数据，专门针对非洲地区。它涵盖了48个非洲国家从1991年至2025年的7,306个观测值，核心指标为EMP_PUBL_SEX_AGE_NB，即按性别和年龄划分的公共部门就业人数（以千计）。数据通过ILOSTAT REST API获取，并过滤到非洲国家代码，经过ILO协调处理以确保一致性，使用国际劳工统计学家会议（ICLS）定义。数据集包括多个列，如国家代码（ref_area）、国家名称（ref_area.label）、来源（source和source.label）、指标代码和标签（indicator和indicator.label）、性别分类（sex和sex.label）、年龄分类（classif1和classif1.label）、年份（time）、观测值（obs_value）以及状态标志（obs_status和obs_status.label）等。数据为年度频率，当同一国家×年份有多个来源时，使用ILO选择的最佳来源。数据集由Electric Sheep Africa重新打包，以提供统一的、适合机器学习使用的格式，便于研究人员和开发者快速加载和分析。许可证为cc-by-4.0，使用时需引用原始来源和重新打包者。This dataset contains public sector employment data for the African region sourced from the International Labour Organization (ILO) ILOSTAT database. It covers 7,306 observations from 48 African countries spanning 1991 to 2025, with the core indicator being EMP_PUBL_SEX_AGE_NB: public sector employment numbers (in thousands) disaggregated by sex and age. The data was obtained via the ILOSTAT REST API, filtered to retain only African country codes, coordinated by the ILO to ensure data consistency, and defined in accordance with the standards set by the International Conference of Labour Statisticians (ICLS). The dataset includes multiple columns including country code (ref_area), country name (ref_area.label), source information (source and source.label), indicator code and label (indicator and indicator.label), sex classification (sex and sex.label), age category (classif1 and classif1.label), year (time), observed value (obs_value), as well as status flags (obs_status and obs_status.label), among others. The data is published at an annual frequency; when multiple sources exist for the same country-year pair, the preferred source selected by the ILO will be used. This dataset was repackaged by Electric Sheep Africa into a unified, machine-learning-ready format to facilitate quick loading and analysis by researchers and developers. It is licensed under CC-BY-4.0, and users must cite both the original source and the repackager when utilizing the dataset.

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，通过其REST API直接抽取了标识为EMP_PUBL_SEX_AGE_NB的指标数据，并依据非洲ISO3国家代码进行地理筛选。ILOSTAT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标准化处理，数据来源涵盖劳动力调查、家庭收入调查及行政记录等多元渠道。Electric Sheep Africa团队对原始数据进行了清洗、结构化重排和Parquet格式封装，最终形成包含48个非洲国家、7,306条观测记录的稳定数据集，时间跨度覆盖1991年至2025年。

使用方法

用户可通过HuggingFace Datasets库轻松加载该数据集，调用load_dataset('electricsheepafrica/africa-ilo-emp-publ-sex-age-nb-public-sector-employment-by-sex-and-age-thousands')即可获取训练集并直接转换为Pandas DataFrame进行后续操作。支持按国家代码筛选特定国家子集，对单一指标按时间排序以绘制趋势图，亦可利用pivot_table构建国家×年份矩阵用于横截面或面板回归分析。数据集以cc-by-4.0许可发布，使用时应同时引用ILO原始数据来源及Electric Sheep Africa的再封装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT于2025年整理发布，经Electric Sheep Africa重新打包后呈现在HuggingFace平台。ILOSTAT作为全球劳动统计的权威来源，汇集了来自200多个经济体的劳动力调查、行政记录等多源数据，并采用国际劳工统计学家会议（ICLS）定义进行统一标准化。该数据集聚焦非洲48个国家的公共部门就业情况，涵盖1991至2025年间约7306条观测数据，按性别和年龄维度进行细分，以千人为单位呈现公共部门雇员规模。这一精细化数据为研究非洲劳动力市场结构、公共部门就业演变趋势以及性别平等状况提供了宝贵的定量基础，对国家间比较和政策评估具有重要推动力。

当前挑战

该数据集面临的核心挑战首先在于劳动统计领域的跨国际可比性难题。非洲各国在劳动力调查设计、数据采集频率、职业分类标准及对“公共部门”的定义上存在显著差异，导致ILOSTAT虽尽力统合，但部分观测值仍标注为“不可靠”，数据质量参差不齐。其次，构建过程中遭遇多重困难：数据来源多样且异构，包括劳动力调查、收入调查及行政记录，需处理不同数据口径的衔接问题；部分国家历史数据稀疏，导致时间序列不连续；同一国家同一年份存在多个数据源时，需依赖ILO主导的“最佳来源”选择机制，可能掩盖数据矛盾；此外，性别和年龄等分组维度存在大量空值，制约了深层次交叉分析的应用广度。

常用场景

经典使用场景

该数据集收录了1991年至2025年间非洲48个国家的公共部门就业数据，按性别与年龄维度进行细分，共计超过七千条观测记录。在学术研究与政策分析领域，它常被用作构建面板数据模型的基础资源，用于探究非洲各国公共部门劳动力规模的演变趋势、性别结构差异以及代际更替特征。研究者可借助时间序列分析、固定效应模型或动态面板估计等方法，揭示公共就业在经济发展、政治体制变迁中的角色。

解决学术问题

该数据集有效填补了非洲区域公共部门就业长期缺乏系统、可比性数据的学术空白。它使得研究者能够突破以往依赖于零星个案或跨国截面数据的局限，开展更为严谨的纵向比较与因果推断。借助这一资源，学界得以检验公共就业规模与经济增长、财政支出、劳动力市场性别平等之间的理论假设，为理解非洲国家在后殖民时期的国家能力建设与公共治理提供可靠的经验证据，推动了发展经济学与劳动经济学的交叉研究。

实际应用

在实际应用层面，该数据集为国际劳工组织(ILO)、非洲各国统计部门以及发展研究机构提供了重要的基准参考。政策制定者可以借此评估千年发展目标与可持续发展目标中关于体面劳动和性别平等的实施进展，监测公共部门吸纳劳动力的能力变化。同时，它也可作为计算公共部门工资总额、编制财政预算、评估养老金负担等宏观经济分析的关键输入，支持跨国援助项目与非洲区域一体化政策的实证决策。

数据集最近研究

最新研究方向

该数据集聚焦于非洲公共部门就业的性别与年龄结构演化，为劳动经济学与可持续发展研究提供了关键时空观测基础。在国际劳工组织推动体面劳动议程与非洲大陆自贸区建设加速的背景下，研究者正利用这7,306条覆盖48国、跨越三十余年的面板数据，深入剖析公共就业中的性别差异代际传递、青年就业吸纳能力与国家治理效能的关联，并借助时间序列建模与分类回归方法，结合ILOSTAT标准化统计框架，揭示失业冲击、财政紧缩政策与公共部门用工弹性的内在机理。该数据的公开重构（CC-BY 4.0许可）显著降低了非洲劳动统计的数据壁垒，使得基于机器学习的就业预测、政策因果推断及区域比较研究得以高效开展，为联合国2030年可持续发展目标中关于充分就业与性别平等的第八项和第五项子目标提供了实证支撑与算法校准依据。