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

该数据集包含非洲31个国家在2005年至2025年期间关于非正规经济就业比例的6,169个观测值。核心指标为EMP_PIFL_SEX_MTS_DSB_RT，即按性别、婚姻状况和残疾状况划分的正式部门外就业比例（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并通过ILOSTAT REST API直接获取，经过过滤仅包含非洲国家。数据集提供了详细的分类维度，包括性别（总计、男性、女性）、婚姻状况和残疾状况等。数据结构包含多个列，如国家代码、国家名称、数据来源、指标代码、分类变量、观测年份、观测值、观测状态等。数据质量方面，数据为年度频率，当同一国家×年份有多个来源时，使用ILO选择的最佳来源。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、适合机器学习的数据层。license: 知识共享署名4.0国际许可协议（CC BY 4.0） language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语 size_categories: - 1000 < 样本数 < 10000 tags: - 表格数据 - 非洲 - ILOSTAT - 非正规经济 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "按性别、婚姻状况和残疾状况划分的非洲非正规部门就业占比 | ILOSTAT" --- # 按性别、婚姻状况和残疾状况划分的非洲非正规部门就业占比 | ILOSTAT 🌍 **6169条观测数据** · **31个非洲国家** · **2005–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新打包*      ## 简短摘要 本数据集包含**6169条非正规经济相关观测数据**，覆盖**31个非洲国家**，时间跨度为**2005–2025年**，仅包含**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计权威来源。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（SDG）的体面工作目标等，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录，覆盖全球200多个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **原始数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_MTS_DSB_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[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/) - **主题**：非正规经济 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_PIFL_SEX_MTS_DSB_RT`拉取原始数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家编码对应的数据。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，数据来源的标识会存储在`source.label`字段中以保证可追溯性。 ## 地理覆盖范围 31个非洲国家，以下按数据行数排序展示前10个国家： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|---------:|---------:|---------:| | `RWA` | 716 | 2017 | 2025 | | `ZMB` | 528 | 2018 | 2024 | | `SEN` | 522 | 2015 | 2024 | | `ZWE` | 480 | 2014 | 2024 | | `BWA` | 431 | 2019 | 2024 | | `UGA` | 307 | 2010 | 2021 | | `GMB` | 278 | 2012 | 2025 | | `TZA` | 240 | 2014 | 2024 | | `CIV` | 230 | 2016 | 2022 | | `SWZ` | 224 | 2016 | 2023 | | `SYC` | 208 | 2019 | 2024 | | `LBR` | 168 | 2010 | 2017 | | `LSO` | 168 | 2019 | 2024 | | `EGY` | 162 | 2023 | 2024 | | `ETH` | 161 | 2005 | 2021 | | ... | 另有16个国家 | | | ## 指标（示例） - `EMP_PIFL_SEX_MTS_DSB_RT` — 按性别、婚姻状况和残疾状况划分的非正规部门就业占比（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |-----------------------|------------|--------------------------------------------------------------------------|----------------------------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3 国家代码 | `BEN` | | `ref_area.label` | 字符串 | 英文国家名称 | `Benin` | | `source` | 字符串 | ILOSTAT 数据源编码（如劳动力调查标识） | `BB:426` | | `source.label` | 字符串 | 英文数据源名称 | `HIES - Monitoring Survey of the Modul…` | | `indicator` | 字符串 | ILOSTAT 指标编码 | `EMP_PIFL_SEX_MTS_DSB_RT` | | `indicator.label` | 字符串 | 英文指标名称 | `Share of employment outside the forma…` | | `sex` | 字符串 | 性别细分维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | 字符串 | 细分维度标签 | `Total` | | `classif1` | 字符串 | 第一分类变量（年龄、教育程度、身份等） | `MTS_AGGREGATE_TOTAL` | | `classif1.label` | 字符串 | 第一分类变量的标签 | `Marital status (Aggregate): Total` | | `classif2` | 字符串 | 可选的第二分类变量 | `DSB_STATUS_TOTAL` | | `classif2.label` | 字符串 | 第二分类变量的标签 | `Disability status: Total` | | `time` | 64位整数 | 观测年份 | `2022` | | `obs_value` | 64位浮点数 | 观测到的指标数值（单位详见指标定义） | `95.682` | | `obs_status` | 字符串 | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | 字符串 | 观测状态的标签 | `Unreliable` | | `note_classif` | 64位浮点数 | 分类变量相关注释 | `—` | | `note_classif.label` | 64位浮点数 | 分类变量注释的标签 | `—` | | `note_indicator` | 字符串 | 指标相关注释 | `I11:264` | | `note_indicator.label`| 字符串 | 指标注释的标签 | `Break in series: Methodology revised` | | `note_source` | 字符串 | 数据源相关注释 | `R1:3513` | | `note_source.label` | 字符串 | 数据源注释的标签 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与使用限制 - 本数据集采用年度频率，部分指标另有月度或季度序列，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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会填充非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-pifl-sex-mts-dsb-rt-share-of-employment-outside-the-formal-sector-by-s") df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家数据 python kenya = df[df["ref_area"] == "KEN"] ### 单一指标的时间序列数据 python sample = (df[df["indicator"] == "EMP_PIFL_SEX_MTS_DSB_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_SEX_MTS_DSB_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_SEX_MTS_DSB_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_mts_dsb_rt_share_of_employment_outside_the_formal_sector_by_s_2025, title = {Share of employment outside the formal sector by sex, marital status and disability status | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_MTS_DSB_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-pifl-sex-mts-dsb-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以及Electric Sheep Africa的重新打包版本。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的一部分：旨在为HuggingFace平台上的非洲地区构建统一的、可直接用于机器学习的数据层。我们从权威开源数据源获取数据，对数据 schema 进行标准化处理，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者仅需使用`load_dataset()`即可在数秒内开始使用数据。 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管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_MTS_DSB_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中央统计数据库ILOSTAT，由Electric Sheep Africa以标准化流程重新封装并发布于Hugging Face平台。构建过程中，研究者系统采集了2005至2025年间31个非洲国家关于非正规部门就业占比的原始统计数据，涵盖性别、婚姻状况与残疾状况等多重人口维度，共汇整6169条观测记录。数据经过去重、结构化转换与元数据标引后，以Parquet格式存储，并附有来源说明与分析指引，形成可供复现研究使用的表格化数据集。

特点

该数据集以非正规经济就业为核心关切，呈现出显著的时空覆盖广度与人口维度细分特征。其观察单元横跨非洲大陆三十余国，时间跨度逾二十年，能够支持对非正规就业演变趋势的纵向追踪。数据同时纳入性别、婚姻状态与残疾状态等社会分层变量，为考察边缘群体在非正规部门中的参与差异提供了结构化基础。数据集采用CC BY 4.0许可发布，兼具开源属性与非洲区域聚焦，适合经济学、劳动社会学及发展研究领域使用。

使用方法

研究者可通过Hugging Face datasets库直接加载该数据集，获取Parquet格式的表格数据并转换为Pandas数据框进行探索性分析。使用时应首先检查各字段的缺失值分布与变量定义，在确认单位与口径一致的前提下，按照国家、年份及人口分组变量进行剖面分析。该数据集可与其他Electric Sheep Africa目录下的非洲数据集通过国家代码与年份字段进行联结，构建更为丰富的分析框架。建模过程中建议保留原始缺失值直至确立合理的插补规则，并引用原始来源与平台仓库信息以确保学术可追溯性。

背景与挑战

背景概述

非正规经济部门就业比重的量化测度，历来是发展经济学与劳动经济学交叉地带的核心议题。国际劳工组织（ILO）长期致力于构建跨国可比的劳动力市场指标体系，ILOSTAT作为其中心统计数据库，为全球劳动治理提供了权威数据基础。在此脉络下，Electric Sheep Africa于2026年将ILOSTAT中关于非洲地区非正规部门就业占比的原始统计资料进行标准化整理与重新发布，形成本数据集。该数据集覆盖31个非洲国家，时间跨度为2005年至2025年，共计6169条观测记录，并按性别、婚姻状况与残疾状况等维度细分，核心研究问题在于揭示非洲劳动力市场中非正规就业的结构性分布及其与社会人口特征的关联。其发布为非洲非正规经济研究提供了可复现、可比较的微观证据基础，对区域劳动政策评估具有重要参考价值。

当前挑战

从领域问题层面看，非正规部门就业的界定与度量本身即面临概念边界模糊、跨国统计口径不一致等固有困难，不同国家对非正规就业的操作化定义存在显著差异，直接削弱了跨国比较的效度。在数据集构建过程中，挑战同样不容忽视：原始ILOSTAT数据在性别、婚姻状况与残疾状况等细分维度上的缺失模式复杂，残疾状况相关变量的报告率尤为有限，可能导致亚组分析时的样本偏倚；31个国家的数据在时间序列上并不完全对齐，部分年份或指标存在系统性缺口；此外，元数据中未明确声明ISO3国别编码与上游发布者信息，增加了地理标识与来源追溯的不确定性。上述因素共同构成了该数据集在建模分析与政策推断中的主要限制。

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，探究正式部门之外就业的性别差异与婚姻、残疾状态的影响机制，始终是刻画非洲劳动力市场结构的关键切入点。该数据集汇聚31个非洲国家自2005年至2025年间逾六千条观测记录，围绕非正式部门就业占比这一核心指标，按性别、婚姻状况与残疾状态进行多维交叉呈现，为研究者系统剖析非正规就业的人口学分层提供了标准化、可复现的微观数据基础，从而支撑跨国比较与纵向趋势分析的经典研究范式。

解决学术问题

该数据集有效回应了既有文献中非正规就业测度口径不一、跨国可比性薄弱以及弱势群体边缘化数据匮乏等学术难题。通过统一编码性别、婚姻与残疾状态等人口学变量，并覆盖非洲多国长时段观测，它使研究者得以在控制国别异质性的前提下，检验婚姻保护效应、性别劳动分工以及残疾惩罚假说，进而深化对非正规经济结构性成因的理论认知，为包容性劳动力市场政策的实证评估奠定了可靠的数据基石。

衍生相关工作

依托该数据集，衍生出一系列聚焦非洲劳动力市场分层与非正规经济的经典工作，包括跨国非正规就业决定因素的面板分析、残疾与就业排斥关系的计量检验，以及婚姻状态对女性劳动参与影响的比较研究。这些工作进一步与Electric Sheep Africa目录中的其他ILOSTAT指标数据集形成互补，催生出多指标联合建模、非正规经济与贫困关联分析等扩展研究，持续丰富非洲劳动统计数据的学术应用生态。