electricsheepafrica/africa-ilo-emp-pifl-sex-ins-mts-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含了非洲45个国家从1999年至2025年期间的非正规经济部门就业比例数据，具体指标为“按性别、公共/私营部门和婚姻状况划分的非正规部门外就业比例”。数据集总计10,833条观测记录，来源于国际劳工组织（ILO）的ILOSTAT数据库，数据通过API获取并经过筛选，仅包含非洲国家。数据集以表格形式存储，包含列如国家代码、国家名称、数据来源、指标代码、性别分类、年份、观测值等，支持时间序列分析和多维分类分析。数据可用于表格分类、回归和时间序列预测任务，覆盖单一语言（英语），并遵循CC-BY-4.0许可协议。license: 知识共享署名4.0国际许可协议（CC BY 4.0） language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 10K<n<100K tags: - 表格数据 - 非洲 - 国际劳工组织统计数据库（ILOSTAT） - 非正规经济 - 国际劳工组织（ILO） - 劳动 - 就业 pretty_name: "按性别、公共/私营部门及婚姻状况划分的非正规部门就业占比 | 非洲（ILOSTAT）" --- # 按性别、公共/私营部门及婚姻状况划分的非正规部门就业占比 | 非洲（ILOSTAT） 🌍 **10,833条观测值** · **45个非洲国家** · **1999–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 核心摘要（TL;DR） 本数据集包含**10,833条非正规经济**相关观测值，覆盖**45个非洲国家**，时间跨度为**1999–2025年**，仅包含**1项核心指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（ILO）的中央统计数据库，为全球领先的劳动统计权威来源。其收录指标涵盖就业、失业、工资、工作时长、童工、非正规经济、社会保障、职业伤害及可持续发展目标体面工作目标等领域，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据标准化整合。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_INS_MTS_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：非正规经济 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_PIFL_SEX_INS_MTS_RT`获取，并筛选出非洲地区的ISO3国家代码。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化整合，数据来源可通过`source.label`列进行溯源。 ## 地理覆盖范围 45个非洲国家 | 以下按数据行数排序展示前10个国家： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 1,330 | 2000 | 2024 | | `EGY` | 745 | 2008 | 2024 | | `MUS` | 620 | 2012 | 2024 | | `MLI` | 558 | 2013 | 2024 | | `RWA` | 513 | 2017 | 2025 | | `ZWE` | 506 | 2011 | 2024 | | `SEN` | 492 | 2011 | 2024 | | `BWA` | 482 | 2006 | 2024 | | `UGA` | 467 | 2010 | 2021 | | `AGO` | 446 | 2004 | 2025 | | `ZMB` | 426 | 2017 | 2024 | | `CIV` | 332 | 2012 | 2022 | | `NAM` | 312 | 2012 | 2018 | | `BFA` | 244 | 2018 | 2024 | | `SYC` | 241 | 2019 | 2024 | | ... | _另有30个国家_ | | | ## 指标（示例） - `EMP_PIFL_SEX_INS_MTS_RT` — 按性别、公共/私营部门及婚姻状况划分的非正规部门就业占比（%） ## 数据结构（Schema） | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `AGO` | | `ref_area.label` | `string` | 英文国名 | `Angola`（安哥拉） | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文数据源名称 | `LFS - 就业调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_PIFL_SEX_INS_MTS_RT` | | `indicator.label` | `string` | 英文指标名称 | `Share of employment outside the forma…` | | `sex` | `string` | 按性别分组（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 分组名称 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `INS_SECTOR_TOTAL` | | `classif1.label` | `string` | 分类说明 | `机构部门：总计` | | `classif2` | `string` | 可选第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | 分类说明 | `婚姻状况（汇总）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位需参照指标定义） | `80.588` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `不可靠` | | `note_indicator` | `string` | 指标注释代码 | `I11:264` | | `note_indicator.label` | `string` | 指标注释说明 | `序列中断：方法学修订` | | `note_source` | `string` | 数据源注释代码 | `R1:3513` | | `note_source.label` | `string` | 数据源注释说明 | `存储库：ILO-STATISTICS - 微观数据…` | ## 数据分解维度 以下列提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率，部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份存在多个数据源时，将采用国际劳工组织选定的「最佳数据源」。 - 分解维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-pifl-sex-ins-mts-rt-share-of-employment-outside-the-formal-sector-by-s") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EMP_PIFL_SEX_INS_MTS_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_SEX_INS_MTS_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_SEX_INS_MTS_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_pifl_sex_ins_mts_rt_share_of_employment_outside_the_formal_sector_by_s_2025, title = {Share of employment outside the formal sector by sex, public/private sector and marital st | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_INS_MTS_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Africa重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-pifl-sex-ins-mts-rt-share-of-employment-outside-the-formal-sector-by-s}} } ## 许可证 本数据集采用[知识共享署名4.0国际许可协议（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/)发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Electric Sheep Africa隶属于Electric Sheep项目：旨在为非洲地区打造统一的、适用于机器学习的标准化数据层，托管于HuggingFace平台。我们从权威开放数据源获取数据，统一数据schema，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据使用。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026-05-26通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_INS_MTS_RT_

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团队进行元数据标准化与重包装。原始数据经结构化提取后，以Parquet格式存储，涵盖1999年至2025年间45个非洲国家的10833条观测记录，聚焦于非正规部门就业份额指标。构建过程中保留原始变量定义与缺失值，并补充标准化的发现元数据、溯源注释及面向分析师的上下文说明，确保数据可复现且符合FAIR原则。

特点

数据集以表格与文本模态呈现，体量介于1万至10万条之间，专为非洲非正规经济研究设计。其核心特点在于多维分类：按性别、公共/私营部门及婚姻状况细分就业份额，覆盖45个非洲国家并跨越二十余年时间序列。元数据标签涵盖劳工、就业、非正规经济等领域，采用CC BY 4.0许可，兼顾经济学与金融分析需求，同时提供标准化加载指南与质量提示。

使用方法

用户可通过Hugging Face datasets库直接加载，利用load_dataset函数获取数据后转换为Pandas数据框进行探索性分析。建议先检查模式与缺失值分布，再依据国家、年份及子群体列进行变量画像，并与其他Electric Sheep Africa数据集按显式字段连接。建模前需确认变量定义与单位，保留缺失值直至制定合理插补规则，最终在可复现笔记本中引用原始来源与仓库信息。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于监测全球非正规经济就业状况，其ILOSTAT数据库是劳动统计领域的权威来源。在此背景下，Electric Sheep Africa于2026年基于ILOSTAT数据构建了该数据集，收录了45个非洲国家自1999年至2025年间的10,833条观察记录，以性别、公私部门及婚姻状况为维度刻画非正规部门外就业份额。该数据集填补了非洲非正规经济跨国比较数据的空白，为劳动经济学、发展经济学及社会政策研究提供了可复现的标准化数据基础，其影响力在于推动非洲劳动力市场实证研究的精细化与跨区域对比。

当前挑战

该数据集所应对的领域问题在于非正规就业的界定与度量本身具有高度情境依赖性，不同国家对非正规部门与正规部门的统计边界存在差异，导致跨国比较面临概念一致性的挑战。构建过程中，多源数据的异质性整合、缺失值处理以及地理编码的不完整性构成主要障碍，元数据清单中显现的国家字段与上游发布者信息缺失进一步加剧了溯源难度。分析者需在单位、定义和方法论上审慎核对源材料，避免仅凭标签推断政策含义，从而确保研究结论的稳健性。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集凭借其涵盖45个非洲国家、1999至2025年逾万条观测的体量，成为刻画非洲非正规就业性别差异与婚姻状况异质性的经典数据来源。研究者惯常将其用于描述性统计与横截面比较，借由性别、公共/私营部门及婚姻状态的多维交叉，揭示正规部门之外就业份额的时序演变与国别分异，为后续计量建模奠定基础。

衍生相关工作

围绕该数据集，学界与政策研究机构衍生出一系列经典工作，包括非洲非正规就业性别差距的跨国面板分析、婚姻状况与劳动参与率的交互效应研究，以及非正规经济与贫困脆弱性的关联探讨。Electric Sheep Africa在此基础上构建了标准化元数据目录，推动与其他非洲公开数据集的联合分析，促进了可复现研究范式的形成与非洲数据基础设施的完善。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集凭借其对45个非洲国家、1999至2025年间非正规部门就业占比的精细化刻画，正成为劳动经济学与发展经济学交叉领域的重要实证资源。近期研究愈发聚焦于性别、公共/私营部门归属及婚姻状况等维度对非正规就业分布的结构性影响，试图揭示非洲劳动力市场中的制度性分割与脆弱性传导机制。伴随国际劳工组织对非正规经济统计口径的持续更新，该数据集所依托的ILOSTAT指标为跨国比较与时序分析提供了标准化基础，亦为评估结构性调整政策、社会保障扩展及性别平等干预的就业效应提供了可复现的数据支撑，其影响已延伸至非洲包容性增长与体面劳动议程的政策讨论之中。