electricsheepafrica/africa-ilo-sdg-0111-sex-age-rt-sdg-indicator-1-1-1-working-poverty-rate-by-sex-an

该数据集包含联合国可持续发展目标（SDG）指标1.1.1的数据，即按性别和年龄划分的工作贫困率（指就业人口中生活在每天3美元购买力平价以下的比例，以百分比表示）。数据覆盖47个非洲国家，时间跨度为2000年至2025年，共包含10,235个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过过滤处理，以确保非洲地区的覆盖。数据模式包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年龄分类、观测年份、观测值及其状态标志等列。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究非洲劳动力市场、贫困问题及可持续发展目标提供机器学习就绪的数据支持。This dataset contains data for SDG indicator 1.1.1, the working poverty rate by sex and age (percentage of employed living below US$3 PPP). It covers 47 African countries from 2000 to 2025, with 10,235 observations. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for African countries. The schema includes columns such as country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), age classification, observation year, observed value, and status flags. It is designed for tabular classification, regression, and time-series forecasting tasks, providing ML-ready data for research on labor markets, poverty, and sustainable development goals in Africa.

搜集汇总

数据集介绍

构建方式

该数据集立足联合国可持续发展目标监测框架，聚焦体面劳动与消除贫困的交叉议题，其构建依托国际劳工组织旗舰数据库ILOSTAT所提供的标准化劳动力市场统计。编撰者以SDG指标1.1.1为口径，即就业人口中每日生活费低于国际贫困线的比例，按性别与年龄双重维度系统抽取非洲区域数据，覆盖47个非洲国家、2000至2025年时间跨度，共计10235条观测记录。原始数据经结构化整理、字段对齐与元数据标注后，以Parquet格式重新封装发布，形成可追溯、可复现的公开数据集。

特点

数据集以长时段、多国别、分人群的面板结构见长，兼顾性别与年龄两个社会人口学维度，能够刻画非洲各国在职贫困率的异质性演变轨迹。其体量处于万级观测区间，既保留足够的统计信息密度，又便于建模与可视化处理。数据采用列式Parquet存储，读写高效，配合标准化元数据与来源说明，增强了跨平台检索与复用的便利性。作为开放许可的公共数据资源，其来源可溯、许可清晰，适用于经济学、劳动研究与发展政策等多学科分析场景。

使用方法

研究者可借助Hugging Face datasets库以单行代码加载该数据集，获取数据分片与特征结构，进而转换为Pandas数据框开展统计分析与建模。使用前宜先行核查各变量的定义、计量单位与缺失模式，审慎处理缺失值，避免未经论证的插补。若需跨国或跨指标比较，可依据明确的国家、年份与指标字段与其他Electric Sheep Africa数据集进行连接。分析过程与成果应标注原始发布方及本仓库来源，确保研究链条的可追溯性与学术规范。

背景与挑战

背景概述

消除贫困与充分就业是国际社会长期关注的核心发展议题，联合国可持续发展目标1.1.1即以工作贫困率为衡量指标，追踪就业人口中生活在贫困线以下的比例。在此背景下，非洲地区因就业结构脆弱、非正规经济占比高，成为工作贫困研究的关键区域。该数据集由Electric Sheep Africa于2026年整理发布，原始数据源自国际劳工组织ILOSTAT数据库与联合国可持续发展目标数据平台，涵盖47个非洲国家、2000至2025年的10235条观测记录，按性别与年龄分组呈现工作贫困率。其核心研究问题在于刻画非洲各国工作贫困的性别与年龄差异及其时序演变，为减贫政策与劳动力市场研究提供可比对的量化证据，对发展经济学与非洲区域研究具有重要参考价值。

当前挑战

在领域问题层面，该数据集应对的是工作贫困这一多维社会现象的量化难题，其挑战在于如何将收入贫困标准与就业状态相耦合，并妥善处理非正规部门就业、季节性劳动与家庭内部收入共享等导致测量偏差的因素。在构建层面，跨国跨年数据的可比性构成主要挑战，各国统计口径、贫困线标准与调查频率存在差异，易产生系统性偏差；性别与年龄分组数据的稀疏性导致部分国家或年份存在缺失，需谨慎对待插补问题；此外，元数据中来源发布者与国别字段标注不全，增加了溯源与跨国面板整合的难度，分析者在建模前需核实变量定义与单位一致性。

常用场景

经典使用场景

在劳动经济学与贫困测度领域，该数据集最经典的使用场景是围绕可持续发展目标指标1.1.1展开跨国别、分性别与年龄组的就业贫困率比较分析。研究者借助其覆盖47个非洲国家、2000至2025年的10235条观测，构建面板数据模型，刻画working poverty在时间维度上的演变轨迹与空间异质性，并检验性别与年龄结构对贫困风险的分层效应。

解决学术问题

该数据集有效回应了非洲区域劳动贫困研究长期面临的数据碎片化与口径不一问题，为比较不同国家就业人口中低于贫困线者的比例提供了标准化、可复现的观测基础。其学术意义在于支撑对经济增长与体面劳动之间脱节现象的实证检验，推动贫困研究从收入维度向就业维度拓展，并为评估结构性调整政策的社会后果提供量化依据。

衍生相关工作

围绕该数据集，Electric Sheep Africa将其纳入非洲开放数据目录并标准化元数据，衍生出跨数据集的联合分析实践，例如与劳动力参与率、非正规就业等ILOSTAT指标关联建模。相关经典工作还包括基于该指标构建的国别贫困画像、性别差距分解研究以及面向非洲区域一体化的劳动市场比较报告，这些工作共同拓展了SDG指标在机器学习与政策评估中的应用边界。