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

该数据集包含关于非洲45个国家在1994年至2025年期间按性别和城乡区域划分的非劳动力人口（以千计）的统计数据，共2,199个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为“其他劳动力利用不足指标”。具体指标为EIP_TEIP_SEX_GEO_NB，表示按性别和城乡区域划分的非劳动力人口数量。数据集提供了国家代码、国家名称、数据来源、指标代码、性别分类、时间年份、观测值、观测状态等字段，支持表格分类、回归和时间序列预测等任务。数据经过ILO harmonization处理，基于国际劳工统计学家会议（ICLS）定义，并包含数据质量说明，如年度频率、最佳来源选择等。数据集由Electric Sheep Africa重新打包，以方便机器学习使用。This dataset contains statistical data on the non-labor force population (in thousands) disaggregated by gender and urban-rural regions across 45 African countries from 1994 to 2025, comprising 2,199 total observations. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), under the theme of "Other Labour Underutilization Indicators". The specific indicator is EIP_TEIP_SEX_GEO_NB, which represents the count of non-labor force population disaggregated by gender and urban-rural regions. The dataset provides fields including country code, country name, data source, indicator code, gender category, calendar year, observed value, observation status and more, supporting tasks such as tabular classification, regression and time series forecasting. The data has been processed via ILO harmonization, based on the definitions established by the International Conference of Labour Statisticians (ICLS), and includes data quality explanations such as annual frequency, optimal source selection and other relevant notes. The dataset was repackaged by Electric Sheep Africa to facilitate machine learning applications.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过REST API接口直接提取指标代码为EIP_TEIP_SEX_GEO_NB的原始数据，并依据非洲ISO3国家代码进行地理范围过滤。数据经ILOSTAT按照国际劳工统计学家会议（ICLS）标准进行统一化处理，涵盖来自劳动力调查、家庭收入调查等多源渠道的微观数据，并在source.label列中保留来源可追溯性。最终由Electric Sheep Africa团队重新封装为便于机器学习的Parquet格式，总计包含2,199条观测记录。

特点

该数据集聚焦非洲45个国家1994至2025年间“劳动力市场以外人口”的年度统计数据，按性别（男性、女性、总计）及城乡地域维度进行精细分解。每个观测记录包含丰富的元数据字段，如观测状态标志（如不可靠值）、来源说明、方法修订注释等，为数据质量评估提供了透明依据。数据以单一指标为研究对象，覆盖时间跨度长达31年，适用于面板数据分析与时间序列建模。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数直接加载数据集，并以Pandas DataFrame格式进行后续分析。典型操作包括按国家代码过滤特定国家的数据，按指标对观测值进行时间序列可视化，或利用pivot_table构建国家×年份的矩阵以支持面板回归与跨国家比较研究。数据集成兼容分类、回归及时间序列预测等多种机器学习任务，降低了研究者的数据预处理门槛。

背景与挑战

背景概述

劳动参与率的测算与理解是劳动经济学与发展研究的核心议题，尤其对于撒哈拉以南非洲等劳动力市场结构多元、非正规就业占比极高的地区而言，准确刻画‘劳动力市场之外’群体的规模与特征，是制定有效的就业与社会保护政策的前提。在此背景下，国际劳工组织（ILO）依托其权威统计数据库ILOSTAT，基于各国劳动力调查与行政记录，整合并发布了涵盖45个非洲国家、时间跨度自1994年至2025年的‘按性别与城乡划分的劳动力市场之外人口（千人）’数据集。该数据集由Electric Sheep Africa于2025年重新封装并发布在HuggingFace平台，旨在为研究非洲劳动力闲置、性别差异以及城乡结构性失业等关键问题提供标准化、机器可读的时序数据，有力推动了该区域劳动统计数据的可获取性与跨学科研究的深入开展。

当前挑战

该数据集面临的挑战多维且深刻。领域问题层面，非洲大陆长期存在的非正规就业与统计口径不统一，使得‘劳动力市场之外’的界定与跨国可比性成为核心难题；性别与城乡维度的细分虽有助于揭示隐性失业与劳动参与障碍，但许多国家缺乏可靠的调查频率与覆盖范围，导致时序数据稀疏或中断。构建过程中，数据来源于各国差异巨大的调查体系（如劳动力调查与家庭收入调查），ILO虽进行了基于国际劳工统计学家会议定义的协调，但‘最佳来源’选择与断点标记（如方法修订）仍可能引入系统性偏差；此外，部分观测值被标记为‘不可靠’或‘临时’，进一步降低了数据在高频建模与预测中的稳健性，对时间序列分析与因果推断构成了显著制约。

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中，该数据集最经典的使用场景是进行劳动力市场边缘群体的时空演变分析。通过整合1994年至2025年间涵盖45个非洲国家的2199条观测记录，研究者能够精准追踪不同性别与城乡维度下‘劳动力市场外人口’的长期波动趋势。其结构化数据格式支持研究者轻松开展面板数据分析，揭示非洲各国在劳动力参与率方面的结构性差异与动态变化规律。

解决学术问题

该数据集的核心学术价值在于系统性地填补了非洲地区劳动力未被充分利用这一关键指标的统计空白。它解决了长期以来困扰学术界的跨国产出不一致、时间跨度有限及性别与城乡细分数据缺失等难题，为劳动经济学、发展经济学及性别研究领域的学者提供了统一、可比较的基准数据。这一贡献使得构建泛非劳动力市场模型、检验性别差异假说以及评估城镇化对劳动力参与的影响成为可能，有力地推动了关于非洲劳动力市场边缘化群体的实证研究。

衍生相关工作

该数据集衍生了一系列重要的学术与工具性工作。国际劳工组织基于此类数据发布了全球劳动力趋势报告，促进了跨国比较研究。在机器学习领域，研究者已利用该数据集开发出预测非洲国家失业率变化的时间序列模型，以及识别劳动力市场外人群特征的分类算法。同时，Electric Sheep Africa团队的数据标准化与预处理工作，为其他研究者提供了可复用的数据处理管线，催生了更多关于非洲社会经济指标的开源数据集和自动化分析工具。