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

该数据集包含非洲49个国家1982年至2025年间按性别和婚姻状况划分的非劳动力人口统计数据（以千人为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖唯一指标“EIP_TEIP_SEX_MTS_NB”，该指标表示按性别和婚姻状况划分的非劳动力人口数量。数据集包含8,382个观测值，提供了国家代码、年份、性别（总计、男性、女性）、婚姻状况分类、观测值及数据来源等字段，适用于劳动力市场分析、时间序列预测等任务。This dataset comprises statistics on the non-labor force population (in thousands) disaggregated by gender and marital status, covering 49 African countries from 1982 to 2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), and covers the unique indicator "EIP_TEIP_SEX_MTS_NB", which denotes the number of non-labor force population disaggregated by gender and marital status. The dataset contains 8,382 observations, with fields including country code, year, gender (total, male, female), marital status categories, observation values, and data source. It is suitable for tasks such as labor market 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核心统计数据库，通过调用其REST API接口，精准提取了非洲地区关于‘劳动力外人口按性别与婚姻状况分类’的特定指标数据，并依据ISO 3166-1 alpha-3国家代码筛选出49个非洲国家的观测值。原始调查微观数据经由国际劳工统计学家会议（ICLS）定义进行统一化处理，确保了跨国家与跨年份间的可比性。Electric Sheep Africa团队负责数据的二次打包与标准化，最终形成包含8,382条观测记录的整洁数据集。

特点

数据集覆盖了1982年至2025年间的长时序信息，提供了对非洲劳动力市场中‘其他劳动力未充分利用指标’的深入洞见。其核心特色在于按性别（男、女、总计）和婚姻状况的细化分类列，为用户提供了多维度的分析视角。数据来源字段明确标注了如劳动力调查等原始出处，增强了数据的可追溯性与可信度。数据集还包含了观测值状态、中断备注等元数据，有助于用户评估数据质量与潜在偏差。

使用方法

用户可通过Hugging Face Datasets库中的`load_dataset`函数便捷加载该数据集，并一键转换为Pandas DataFrame进行后续分析。示例代码展示了如何筛选特定国家如肯尼亚的数据，或针对单一指标‘EIP_TEIP_SEX_MTS_NB’绘制时间序列图。此外，用户可利用pivot_table功能将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨区域比较。数据集的标签字段（如`sex.label`、`classif1.label`）提供了清晰的分类说明，降低了数据理解与使用的门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其ILOSTAT统计数据库整合发布，后经Electric Sheep Africa于2025年重新打包并托管于HuggingFace平台，旨在提供非洲地区劳动市场边缘群体的量化视角。数据集聚焦于“按性别和婚姻状况划分的劳动力以外人口（千人）”这一核心指标，覆盖49个非洲国家，时间跨度从1982年至2025年，共计8382条观测记录。其核心研究问题在于揭示非洲各国中未参与劳动力市场的人口结构特征，特别是性别与婚姻状况对该群体规模的差异化影响，为劳动经济学、社会政策及可持续发展目标（SDG）中的体面工作议题提供数据支撑。作为ILOSTAT这一全球劳动统计权威数据库的非洲子集，该数据集在区域不平等分析、劳动力利用不足的测度以及跨国比较研究中具有重要参考价值，推动了非洲劳动统计数据的可获取性与标准化进程。

当前挑战

在领域问题层面，该数据集所解决的挑战在于量化分析劳动力市场边缘群体（如因家庭责任、教育或健康原因未就业者）的规模与构成，这在传统失业率指标之外提供了更全面的劳动利用不足测度，尤其适用于非洲非正规经济占主导、劳动参与模式多元的复杂情境。构建过程中面临多重挑战：其一，原始数据源自各国劳动力调查、家庭收入调查等多元渠道，ILOSTAT虽采用国际劳工统计学家会议（ICLS）标准进行协调，但不同国家在调查设计、定义口径和覆盖质量上的差异仍可能导致数据一致性风险；其二，数据集标注了“序列中断”、“方法论修订”等观测状态标志，反映出历史数据中因调整而产生的断点与不可比问题；其三，部分国家数据稀疏，如仅有少数年份的观测，限制了时间序列分析的完整性；其四，数据以年度频率发布，未包含部分指标应有的月度或季度细分，可能削弱对劳动市场短期波动的捕捉能力。

常用场景

经典使用场景

该数据集广泛应用于劳动经济学与性别发展研究领域，尤其在分析非洲地区劳动力市场边缘群体时具有不可替代的价值。研究者通常将其用于构建时间序列模型，以揭示不同性别与婚姻状况人群退出劳动力市场的长期趋势和周期性波动。此外，该数据也常作为面板数据的重要输入，用于跨国比较分析，考察婚姻状况如何影响女性及男性的劳动参与决策，探索社会规范、家庭责任与经济激励之间的复杂互动。

衍生相关工作

基于该数据集，学术界已衍生出多项具有影响力的研究成果。其中，利用面板数据模型探讨婚姻状况与性别对劳动退出影响的计量经济学论文，成为非洲劳动市场研究的重要范本。另有一些工作聚焦于将ILOSTAT标准化的劳动力利用不足指标与家庭调查数据相融合，构建更精细的劳动力闲置指数。此外，基于该数据开发的机器学习预测模型，能够提前数年预警特定国家女性劳动参与率可能出现的断崖式下跌，为预防性政策干预提供了科学依据。

数据集最近研究

最新研究方向

当前，针对非洲劳动力市场的结构性研究正借助国际劳工组织（ILO）的高质量微观数据朝着精细化、多维度的方向演进。该数据集聚焦于按性别与婚姻状况划分的劳动力市场边缘人群，涵盖49个非洲国家长达四十余年的观测值，为深入剖析非洲经济体中非劳动力人口的构成特征与演化轨迹提供了珍贵素材。前沿研究方向包括：利用时间序列与面板数据模型，捕捉不同婚姻状态对男女退出劳动力市场行为的差异化影响；结合宏观经济波动与制度变迁，揭示非劳动力群体在非洲城市化、非正规就业扩张以及代际更替背景下的动态变化；此外，该数据还可用于构建劳动力参与率的预测模型，评估新冠疫情等突发公共事件对特定人群劳动供给的长期冲击。这些探索不仅丰富了劳动经济学的实证基础，更对非洲各国制定包容性就业政策、推动性别平等与可持续发展的目标具有重要的现实意义。