electricsheepafrica/africa-ilo-emp-pifl-age-ec2-rt-share-of-employment-outside-the-formal-sector-by-a

该数据集名为“按年龄和经济活动划分的正式部门外就业份额 - ISIC 2级 | 非洲 (ILOSTAT)”，是一个关于非洲非正规经济就业的表格数据集。它包含20,900个观测值，覆盖42个非洲国家，时间跨度为1999年至2025年，专注于一个核心指标：EMP_PIFL_AGE_EC2_RT，即按年龄和经济活动（基于ISIC第2级分类）划分的正式部门外就业份额（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取，并经过过滤以仅包括非洲国家。数据集包含多个列，如国家代码、国家名称、指标代码、指标标签、分类变量（如年龄和经济活动）、年份、观测值、观测状态以及相关注释。它适用于表格分类、回归和时间序列预测任务，支持研究非洲非正规就业趋势、年龄分布和经济活动差异。数据以年度频率发布，并经过ILO的标准化处理，确保一致性和可追溯性。许可证：CC BY 4.0 (cc-by-4.0) 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言类型：单语言 样本量范围： - 10000 < 样本量 < 100000 标签： - 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 (International Labour Organization，ILO) - 劳动力 - 就业 友好数据集名称："按年龄和经济活动划分的正规部门外就业占比——ISIC二级分类 | 非洲（ILOSTAT）" # 按年龄和经济活动划分的正规部门外就业占比——ISIC二级分类 | 非洲（ILOSTAT） 🌍 **20900条观测数据** · **42个非洲国家** · **1999–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 核心摘要 本数据集包含覆盖**42个非洲国家、1999至2025年**的**20900条非正规经济观测数据**，涉及**1项独立指标**。 ## 数据来源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织 (International Labour Organization，ILO) 的核心统计数据库，是全球领先的劳动力统计权威来源。其收录的指标涵盖就业、失业、工资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标 (Sustainable Development Goals，SDG) 体面工作目标等，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的标准化协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_AGE_EC2_RT) - **发布方**：国际劳工组织 (International Labour Organization，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_AGE_EC2_RT`获取，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码数据。ILOSTAT采用国际劳工统计学家会议 (International Conference of Labour Statisticians，ICLS) 的定义对原始调查微观数据进行标准化协调，数据来源可通过`source.label`列进行溯源标记。 ## 地理覆盖范围 42个非洲国家，以下按观测条数排序展示前15个国家及部分数据： | 国家 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 2,946 | 2000 | 2024 | | `EGY` | 2,344 | 2008 | 2024 | | `MUS` | 1,584 | 2012 | 2024 | | `MLI` | 1,138 | 2013 | 2024 | | `RWA` | 983 | 2017 | 2025 | | `AGO` | 955 | 2019 | 2025 | | `ZWE` | 797 | 2011 | 2024 | | `ZMB` | 783 | 2017 | 2024 | | `SEN` | 782 | 2011 | 2024 | | `UGA` | 618 | 2010 | 2021 | | `NAM` | 614 | 2012 | 2018 | | `CIV` | 563 | 2012 | 2019 | | `TZA` | 466 | 2014 | 2024 | | `BWA` | 461 | 2006 | 2024 | | `ETH` | 406 | 1999 | 2021 | | ... | 其余27个国家 | | | ## 指标（示例） - `EMP_PIFL_AGE_EC2_RT` — 按年龄和经济活动划分的正规部门外就业占比——ISIC二级分类（百分比） ## 数据结构 | 列名 | 数据类型 | 说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AGO` | | `ref_area.label` | `string` | 英文国家名称 | `Angola` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `LFS - Employment Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_PIFL_AGE_EC2_RT` | | `indicator.label` | `string` | 英文指标名称 | `Share of employment outside the forma…` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `classif2` | `string` | 可选第二分类变量 | `EC2_ISIC4_TOTAL` | | `classif2.label` | `string` | — | `Economic activity (ISIC-Rev.4), 2 dig…` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `80.588` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 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×年份的同一指标存在多个来源时，将采用国际劳工组织选定的“最优来源”数据。 - 分类拆分列（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-pifl-age-ec2-rt-share-of-employment-outside-the-formal-sector-by-a") 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_AGE_EC2_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_AGE_EC2_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_AGE_EC2_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_pifl_age_ec2_rt_share_of_employment_outside_the_formal_sector_by_a_2025, title = {Share of employment outside the formal sector by age and economic activity - ISIC level 2 | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_AGE_EC2_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-pifl-age-ec2-rt-share-of-employment-outside-the-formal-sector-by-a}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 原始数据版权归国际劳工组织 (International Labour Organization，ILO) 所有。使用本数据集时，请同时引用上述原始来源及Electric Sheep Africa的重新封装版本。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的一部分：在HuggingFace平台上构建统一的、适配机器学习的非洲数据层。我们从权威开源数据源获取数据，对其进行标准化处理，封装为Parquet格式，并发布为统一格式的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) _数据溯源：2026年5月26日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_AGE_EC2_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（ILO）的中央统计数据库ILOSTAT，聚焦于非洲非正规经济部门的就业结构。Electric Sheep Africa对原始公开数据进行了系统性整理与再发布，将1999年至2025年间42个非洲国家的20900条观测记录以Parquet格式封装，并配以标准化的元数据说明、来源注释与使用指引。数据以年龄分组和经济活动（ISIC第二级分类）为维度，刻画正规部门以外就业的占比情况，构建过程保留了原始统计口径，未对缺失值进行插补处理。

使用方法

研究者可通过Hugging Face的datasets库以一行代码加载该数据集，随后查看数据划分、特征结构与样本记录。当数据为表格形式时，可便捷地转换为Pandas DataFrame以开展进一步分析。使用前应检查变量的定义与单位，明确国家、年份与指标字段，保留缺失值直至确立合理的插补规则。建议在建模前先审视数据模式与缺失状况，并可借助显式的国家、年份字段与其他Electric Sheep Africa数据集进行联接，以构建可复现的分析工作流。

背景与挑战

背景概述

非正规经济部门就业的规模与结构是洞悉发展中国家劳动力市场质量、社会保障覆盖及经济脆弱性的关键窗口。国际劳工组织（ILO）长期致力于非正规就业统计框架的构建与标准化，ILOSTAT作为其核心统计数据库，为全球劳动市场监测提供了权威基准。该数据集由Electric Sheep Africa团队于2026年整理发布，依托ILOSTAT源数据，系统汇集了1999至2025年间42个非洲国家逾两万条观测记录，按年龄与ISIC二级经济活动分类刻画非正规部门就业占比。作为非洲数据发现目录的组成部分，该数据集为劳动经济学、发展经济学及社会政策研究提供了可复现的跨国比较基础，其标准化元数据与开放许可协议进一步降低了非洲非正规经济实证研究的门槛。

当前挑战

非正规就业的测度本身即面临概念界定与跨国可比性的深层困难：不同国家对非正规部门、非正规就业的定义边界存在差异，ILO统计标准虽提供框架，但各国调查方法、抽样设计与覆盖范围的不一致仍可能导致系统性偏差。该数据集在构建过程中需处理源数据中缺失的国别标识与上游发布者信息，且年龄分组与ISIC二级经济活动分类的交叉维度可能造成部分单元格观测稀疏，增加统计推断的不确定性。研究者面对的核心挑战在于：如何在尊重缺失值机制的前提下进行稳健的跨年度、跨国家比较，如何将非正规就业占比与宏观经济、制度变量整合建模而不误读标签的政策含义，以及如何甄别1999至2025年间各国统计口径变更所引致的结构性断点，避免将测量差异误判为实质性趋势变化。

常用场景

经典使用场景

在非正规经济与劳动力市场结构研究领域，该数据集最经典的使用场景在于刻画非洲各国非正规部门就业占比随年龄组与经济活动（ISIC二级分类）变化的分布特征。研究者常依托其42个非洲国家、1999至2025年间约两万条观测记录，开展跨国家、跨时间的比较分析，例如识别青年群体与壮年群体在非正规就业参与率上的结构性差异，或考察制造业、批发零售、建筑业等具体行业非正规化的演变轨迹，从而为理解非洲劳动力市场二元结构提供量化依据。

解决学术问题

该数据集有效回应了非洲非正规经济研究中长期存在的数据碎片化与口径不可比问题。此前关于非正规就业的实证工作多依赖分散的国别调查或短期面板，难以支撑跨国、长时段比较。该数据集以ILOSTAT统一指标为基底，按年龄与经济活动细分，使研究者得以检验非正规就业的年龄梯度假说、行业异质性假说以及正式化进程与经济发展水平的关系，为发展经济学、劳动经济学中关于非正规性持久性与转型机制的争论提供了系统性经验证据。

实际应用

在政策制定与国际发展实践层面，该数据集为非洲各国劳动部门、国际组织及智库评估非正规就业规模与结构提供了可操作的数据基础。决策者可据此识别非正规就业高度集中的年龄区间与行业门类，设计针对性的技能培训、社会保障扩面及正规化激励政策。同时，该数据亦可嵌入劳动力市场监测仪表盘或国别诊断报告，辅助国际机构在就业促进、减贫与社会保护项目中开展基线测算与成效追踪。

数据集最近研究

最新研究方向

在非洲非正规经济持续占据主导地位的背景下，该数据集以国际劳工组织ILOSTAT数据库为依托，按年龄分组和ISIC二级经济活动类别，系统刻画了1999至2025年间42个非洲国家正规部门之外就业份额的演变轨迹。近期研究前沿集中于将此类劳动力市场结构化数据与人口动态、结构性转型及社会保护覆盖率等议题进行交叉分析，借助面板计量与机器学习方法识别非正规就业的异质性模式。在全球推动体面劳动与正式化转型的政策浪潮中，该数据集为理解非洲非正规经济的年龄分化和行业差异提供了可复现的实证基础，对监测可持续发展目标下就业质量进展具有重要参考价值。