electricsheepafrica/africa-ilo-une-deap-sex-edu-cct-rt-unemployment-rate-by-sex-education-and-citizenship

该数据集名为按性别、教育程度和公民身份划分的失业率（%）| 非洲（ILOSTAT），包含来自国际劳工组织（ILOSTAT）数据库的统计信息。核心指标为UNE_DEAP_SEX_EDU_CCT_RT，即按性别、教育程度和公民身份分类的失业率（百分比）。数据集共包含4,865个观测值，覆盖42个非洲国家，时间跨度为1991年至2025年。数据通过ILOSTAT REST API直接获取，并过滤为非洲国家代码。数据集提供了详细的字段结构，包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、教育程度分类、公民身份分类、观测年份、观测值、数据状态标志以及相关注释。数据已由Electric Sheep Africa重新打包为标准化格式，旨在为非洲提供统一的、机器学习就绪的数据层，方便研究人员和开发者使用。数据集遵循CC-BY-4.0许可协议。This dataset, titled *Unemployment Rate (%) by Sex, Educational Attainment and Citizenship | Africa (ILOSTAT)*, contains statistical data sourced from the International Labour Organization (ILOSTAT) database. The core indicator is UNE_DEAP_SEX_EDU_CCT_RT, which refers to the unemployment rate (percentage) categorized by sex, educational attainment and citizenship. The dataset includes a total of 4,865 observations covering 42 African countries, with a time span from 1991 to 2025. Data was directly acquired via the ILOSTAT REST API and filtered to retain only African country codes. The dataset provides a detailed field structure, including country code, country name, data source, indicator code, indicator name, sex classification (total, male, female), educational attainment classification, citizenship classification, observation year, observed value, data status flag, and relevant annotations. The data has been repackaged into a standardized format by Electric Sheep Africa, with the goal of providing a unified, machine learning-ready data layer for Africa to facilitate usage by researchers and developers. The dataset is released under the CC-BY-4.0 license.

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统计数据库（ILOSTAT），由Electric Sheep Africa团队进行标准化重包装。原始数据经采集与整理后，涵盖1991年至2025年间42个非洲国家的4865条观测记录，以Parquet格式存储，并附带标准化元数据、加载指南与来源注释，确保数据可追溯与可复现。构建过程保留原始缺失值，未做额外插补，以维持数据真实性。

使用方法

使用者可通过Hugging Face的datasets库加载数据集，获取数据划分与特征信息。针对表格数据，可转换为Pandas数据框以便分析。建议在建模前检查数据模式与缺失情况，利用显式国家、年份与指标字段进行地理、时间及子群组分析，或与其他Electric Sheep Africa数据集联结，构建可复现的分析工作流。

背景与挑战

背景概述

在全球劳动市场日益复杂化的背景下，失业率的结构性差异成为劳动经济学与发展研究的核心议题。国际劳工组织（ILO）长期致力于构建跨国可比劳动统计数据库ILOSTAT，为政策制定与学术研究提供权威依据。该数据集由Electric Sheep Africa于2026年整理发布，汇编了1991至2025年间42个非洲国家的4,865条观测记录，涵盖按性别、教育程度与公民身份交叉分类的失业率指标。其核心研究问题在于揭示非洲劳动力市场中弱势群体的失业风险分布及其演变规律，为理解教育回报、性别不平等与移民身份对就业机会的影响提供了高分辨率的数据基础，对非洲劳动政策评估与可持续发展目标监测具有重要支撑价值。

当前挑战

该数据集所面对的领域问题在于如何精确刻画多维人口特征交叠下的失业率差异，其分析难度远超单一维度的失业统计。构建过程中首要挑战在于非洲各国劳动力调查口径、教育分类标准与公民身份界定存在显著异质性，跨国可比性的保障需依赖复杂的标准化调和程序。其次，ILOSTAT原始数据在时间序列上存在大量缺失与插补，如何处理教育维度与公民身份维度的稀疏交叉单元格，直接关系到估计结果的稳健性。此外，非正式就业在非洲经济中占比极高，官方失业率可能系统性低估实际就业不足状况，数据解读需警惕定义边界带来的测量偏差。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域，该数据集凭借其覆盖42个非洲国家、跨越1991至2025年的4865条观测记录，成为刻画失业率结构性差异的经典资源。研究者通常以性别、教育程度和公民身份作为核心分层变量，构建多维交叉列联表或面板回归模型，系统比较不同社会群体在非洲劳动力市场中的边缘化程度，尤其关注移民身份与教育溢价如何共同塑造失业风险。

解决学术问题

该数据集直面非洲劳动统计中长期存在的碎片化与不可比难题，通过标准化元数据与来源可追溯的整理方式，为跨国比较研究提供了可复现的数据基础。其核心学术价值在于支撑对性别失业差距、教育错配以及移民劳动力市场融入等议题的量化检验，从而弥补既有文献在非洲多国、长时段微观分层数据上的匮乏，并为政策评估提供经验证据。

实际应用

在政策实践层面，国际组织与非洲各国劳工部门可借助该数据集识别失业高发群体，为制定针对性就业促进计划、职业培训项目和移民社会保护政策提供依据。研究机构与非政府组织亦能利用其开展国别诊断与区域对标，监测可持续发展目标中充分就业与体面工作指标的进展，辅助资源分配与干预优先序的设定。

数据集最近研究

最新研究方向

在非洲劳动力市场结构性转型与移民治理交织的背景下，该数据集所承载的按性别、受教育程度与公民身份分列的失业率指标，正被前沿研究用于解构非洲各国劳动力市场中的多重分层机制。围绕国际移民存量与本土劳动力竞争关系的实证探讨，学界借助此类面板数据检验受教育程度在不同公民身份群体间对失业风险的调节效应，进而回应非洲大陆自由贸易区建设与跨境人口流动治理等热点议题。该数据集覆盖四十二个非洲国家、逾三十年观测窗口，为刻画性别与教育交互作用下公民身份差异引致的就业脆弱性提供了稀缺的跨国比较基础，对制定包容性就业政策与移民融合方案具有显著的证据支撑意义。