electricsheepafrica/africa-ilo-emp-2emp-sex-age-cla-nb-employment-by-sex-age-and-economic-class-ilo-model

该数据集包含非洲47个国家从1991年到2025年的就业数据，具体为“按性别、年龄和经济类别划分的就业——国际劳工组织模型估计，2025年11月（千）”。数据集共有84,252个观测值，涵盖1个主要指标（EMP_2EMP_SEX_AGE_CLA_NB），涉及工作贫困主题。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤到非洲国家。数据模式包括国家代码、国家名称、来源信息、指标代码、性别分类（总计、男性、女性）、年龄分类、经济类别分类、观测年份、观测值及其状态等列。数据以年度频率发布，并经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义进行协调。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲地区的就业趋势和贫困状况。This dataset provides employment data for 47 African countries between 1991 and 2025, specifically for the metric "Employment by sex, age and economic category — International Labour Organization model estimates, November 2025 (in thousands)". The dataset comprises 84,252 observations, encompassing one primary indicator (EMP_2EMP_SEX_AGE_CLA_NB) focused on the theme of working poverty. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), acquired via REST API and filtered to retain only African countries. Its data schema includes columns such as country code, country name, source information, indicator code, gender category (total, male, female), age group, economic category, observation year, observed value and its status. The data is released annually, standardized by the ILO and harmonized in accordance with definitions from the International Conference of Labour Statisticians (ICLS). This dataset is suitable for tasks including tabular classification, regression and time series forecasting, and can be used to analyze employment trends and poverty conditions in the African region.

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ILOSTAT数据库，通过其REST API接口直接拉取原始指标数据，并针对非洲47个国家的ISO3国家代码进行地理过滤而构建。ILO统计部门依据国际劳工统计学家会议（ICLS）的定义，对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行系统性协调与标准化处理，以确保跨国可比性。最终数据以Parquet格式重新打包，形成包含84,252条观测值的结构化表格。

特点

数据集具有显著的时间深度与空间广度，覆盖1991年至2025年间非洲47个国家的就业数据，时间跨度长达35年。其核心特色在于提供按性别（总/男/女）、年龄及经济阶层（如青年与成年人）进行多维度分层的“工作贫困”指标，这为分析非洲大陆劳动力市场的结构性不平等提供了精细化的量化视角。同时，数据集中附带了来源标签与观测状态标记，便于用户追溯数据质量。

使用方法

使用者可通过HuggingFace Datasets库中的`load_dataset()`函数一键加载数据，并便捷地将其转换为Pandas DataFrame进行后续分析。该数据集支持多种典型操作，如按`ref_area`字段过滤特定国家进行国别分析，按`indicator`字段筛选后对时间序列数据进行可视化探索，或利用`pivot_table`方法将数据重塑为国家×年份的矩阵形式，以服务于面板数据回归或跨区域比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，经Electric Sheep Africa重新打包后发布于HuggingFace平台，旨在提供非洲47个国家1991年至2025年间按性别、年龄和经济阶层划分的就业数据（以千计）。作为ILOSTAT数据库的重要组成部分，该数据集聚焦于工作贫困这一核心研究问题，为分析非洲劳动力市场的结构特征、贫困与就业的关联以及可持续发展目标（SDGs）的进展提供了高分辨率的时间序列数据。其精细化的分类维度（性别、年龄、经济阶层）使得研究者能够深入探究不同亚群体间的就业差异，对劳动经济学、发展经济学以及公共政策评估领域具有重要影响力。

当前挑战

数据集所解决的领域挑战在于：传统劳动力统计数据往往缺乏对非洲国家工作贫困人群的细分刻画，难以揭示性别、年龄和经济阶层交织下的就业脆弱性。该数据集通过ILO的模型估算，弥补了非洲多国长期存在的调查数据缺失和不连续问题。构建过程中的挑战包括：需协调47国在统计口径（如ICLS定义）、样本覆盖和年份跨度上的不一致性；处理ILO从多种来源（劳动力调查、住户调查等）选取“最佳来源”时的数据融合与质量控制；对1991年前的历史数据进行回溯性建模估算，以及确保分类维度（如经济阶层）在不同社会发展阶段的跨国可比性。

常用场景

经典使用场景

在劳动经济学与贫困研究领域，该数据集被广泛用于分析非洲国家特定性别、年龄与经济阶层群体的就业特征。通过挖掘覆盖47个国家、跨越1991至2025年间的近8.5万条观测记录，研究者可利用性别、年龄组等维度对就业数据实施精细化切片，揭示不同群体在工作贫困发生率上的时空差异。例如，学者们常借助该数据集追踪非洲青年与成年劳动力的就业稳定性，或对比男女在各类经济层级中的就业比例变化，从而为理解结构性贫困的劳动力市场根源奠定坚实的数据基础。

解决学术问题

该数据集有效回应了非洲就业与贫困研究中长期面临的数据碎片化与统计口径不一的问题。它通过整合国际劳工组织（ILO）统一建模后的标准化指标，使得跨国家与跨年代的比较分析成为可能。学术研究通常利用该数据检验经济增长对就业质量的传导效应，或评估性别不平等在劳动参与率中的演变趋势。其精细化的分类维度为探讨人口结构转型下工作贫困的成因提供了可靠的量化依据，进而推动了发展经济学中关于体面劳动目标的实证检验。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的学术与政策研究。其中，基于ILO模型估算的就业阶层数据被广泛整合进全球贫困监测报告，如《世界就业与社会展望》中的非洲专题分析。此外，多篇发表于《劳动经济学》与《发展研究杂志》的论文利用该数据构建了预测非洲国家工作贫困率的计量模型，探讨了正式化就业对减贫的缓冲作用。数据集的标准化结构也促进了与其他宏观指标的联合分析，催生了新的劳动力市场脆弱性指数。