electricsheepafrica/africa-ilo-emp-tnif-sex-nb-informal-tourism-sector-employment-thousands

该数据集包含非洲22个国家在2012年至2025年期间的非正式旅游业就业数据（以千为单位），共183个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集涵盖一个核心指标：EMP_TNIF_SEX_NB（非正式旅游业就业人数，按性别细分）。数据结构包括国家代码、国家名称、数据来源、指标代码、性别分类、观测年份、观测值等列，并提供了数据质量说明和使用示例。数据集适用于表格分类、回归和时间序列预测等任务，专注于非洲地区的劳动力市场分析。This dataset contains informal tourism employment data (in thousands of units) from 22 African countries spanning 2012 to 2025, with a total of 183 observations. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via API and filtered to include only African countries. This dataset covers one core indicator: EMP_TNIF_SEX_NB (number of informal tourism employment, disaggregated by gender). The dataset structure includes columns such as country code, country name, data source, indicator code, gender category, observation year, and observed value, and also provides data quality descriptions and usage examples. This dataset is applicable for tasks including tabular classification, regression, and time series forecasting, and focuses on labor market analysis in the African region.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的中央统计数据库ILOSTAT，该数据库是全球劳动统计领域的重要数据来源。通过调用ILOSTAT REST API，直接提取了代号为EMP_TNIF_SEX_NB的指标数据，并依据非洲ISO3国家代码进行地域筛选后形成。原始数据经过ILO统计部门基于国际劳动统计学家会议（ICLS）定义的标准进行统一处理，确保了不同来源调查微观数据之间的可比性。最终整合为包含183条观测值、覆盖22个非洲国家、时间跨度为2012至2025年的简洁数据集，由Electric Sheep Africa团队重新打包以供便捷使用。

使用方法

研究人员可利用Hugging Face Datasets库轻松加载此数据集，通过一行代码即可将数据转换为Pandas DataFrame格式，便于后续分析。针对特定国家的就业趋势，可直接按国家代码过滤子集；对于时间序列分析，可依指标排序并绘制观测值随时间变化的图表。若需构建国家间的对比面板，可通过数据透视表将数据重塑为以年份为行、国家为列的矩阵结构。该数据集兼容分类、回归及时间序列预测等多元任务场景，极大便利了非洲劳动经济学与旅游业的量化研究。

背景与挑战

背景概述

在全球旅游经济蓬勃发展的背景下，非洲大陆的非正规旅游业就业已成为劳动力市场研究的关键议题。国际劳工组织（ILO）通过其核心统计数据库ILOSTAT，长期致力于收集和标准化全球劳动统计数据。该数据集由Electric Sheep Africa于2025年重新整理并发布，收录了2012年至2025年间来自22个非洲国家的183条观测数据，聚焦于非正规旅游业就业人数（以千人为单位）这一核心指标。作为ILOSTAT数据在非洲区域的精细化再封装，该数据集为研究者提供了高时间分辨率的性别细分视图，涵盖总就业、男性及女性就业三个维度，从而支撑对非洲旅游经济中非正规就业结构的量化分析。其数据来源包括各国劳动力调查及其他行政记录，经国际劳工统计学家会议（ICLS）定义统一整合，具有权威性和跨国可比性，对理解非洲劳动力市场的非正规化特征、旅游业就业弹性以及可持续发展目标（SDG）中的体面劳动议题具有重要推动作用。

当前挑战

该数据集所解决的领域挑战聚焦于非洲非正规旅游业就业的度量困境：非正规就业本身具有隐蔽性和流动性，传统统计框架难以精准捕捉，尤其在旅游业这一季节性显著、临时用工频繁的行业中，系统性数据缺失长期阻碍着政策制定与学术研究。在构建过程中，主要面临三重挑战：其一，跨国的数据协调难题——22个国家的原始调查在设计、覆盖范围和采集频率上存在巨大差异，ILOSTAT虽经统一处理，但数据来源的异构性仍可能导致分析偏差；其二，时间序列的不连续性——部分国家仅提供零星年份的观测，如加纳仅有2015年数据，而赞比亚则拥有2017至2024年的连续记录，这种稀疏性为纵向比较和趋势推断带来障碍；其三，数据质量的标注复杂性——数据集中附有观测状态标志（如“序列中断”“来源修订”），研究者需谨慎处理这些元信息以避免误判，且性别拆解后的细分数据在某些年份可能缺失，增加了跨性别分析的难度。

常用场景

经典使用场景

在非洲劳动经济学与旅游可持续发展研究中，该数据集被广泛应用于非正规旅游部门就业规模的量化评估。研究者借助其覆盖22个非洲国家、横跨2012至2025年的年度观测值，能够追踪非正规旅游就业的时序演变与地域差异，进而构建面板数据模型，分析非正规就业与经济增长、性别平等、政策干预之间的关联。其按性别分列的特性更使得性别化劳动参与分析成为可能，为探讨旅游业中女性就业的非正规化趋势提供了关键数据支撑。

解决学术问题

该数据集有效解决了非洲旅游就业统计中普遍存在的数据碎片化与标准不一致问题。通过整合国际劳工组织ILOSTAT官方统计并聚焦非正规部门，它使学者能够精准刻画非正规旅游就业的规模、结构及动态，弥补了该领域长期缺乏跨国可比面板数据的空白。这一贡献显著推动了关于非正规经济成因、旅游业包容性增长路径以及实现体面劳动目标（SDG 8）的实证研究，为检验劳动力市场分割理论、非正规就业演化假说等提供了可信的数据基础。

实际应用

在实际应用层面，该数据集为非洲各国政府与国际发展机构制定旅游就业政策提供了量化的决策依据。通过识别非正规旅游就业高发的国家与时段，政策制定者可针对性设计正规化激励措施、技能培训计划与社会保障覆盖方案。同时，旅游业从业者与投资者可借助其性别维度信息，评估女性就业质量和行业包容性，从而优化人力资源配置与可持续发展战略。该数据还可作为监测旅游复苏进程中就业质量变化的关键指标。

数据集最近研究

最新研究方向

该数据集为非洲旅游业非正规就业研究提供了宝贵的时间序列数据，当前前沿方向聚焦于利用ILOSTAT标准化指标追踪22个非洲国家2012至2025年间旅游从业者的非正规化趋势，结合性别维度剖析非正规就业的结构性特征。研究热点围绕后疫情时代旅游业复苏中的就业质量、非正规经济转型以及可持续发展目标（SDG 8体面工作）的区域性进展，特别是通过机器学习和时间序列预测模型揭示旅游就业的季节性波动与政策干预效果。该数据集的发布填补了非洲大陆旅游业非正规就业统计的碎片化空白，为劳动力市场政策优化、国际劳工标准落地及非洲经济包容性增长提供了可靠的数据支撑，对推动相关学术研究与区域决策具有显著意义。