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

该数据集包含76,949个观测值，涵盖40个非洲国家从2000年至2025年的非正规经济数据，聚焦于一个核心指标：按性别、经济活动和机构规模划分的非正规部门就业比例（EMP_PIFL_SEX_ECO_EST_RT）。数据来源于国际劳工组织（ILOSTAT）的官方统计数据库，通过API获取并专门过滤为非洲国家数据，采用cc-by-4.0许可证开放使用。数据集包含多维度字段，如国家代码、数据来源、指标分类、性别 disaggregation（总计、男性、女性）、经济活动和机构规模分类、观测年份、数值及状态标志等，适用于表格分类、回归分析和时间序列预测等机器学习任务。数据经过ILO基于国际劳工统计学家会议（ICLS）定义的标准化处理，确保跨国家可比性，并标注了数据质量注意事项，如年度频率、最佳来源选择和分类字段的非空条件。This dataset contains 76,949 observations of informal economy data across 40 Africa countries, spanning 2000–2025, covering one distinct indicator: Share of employment outside the formal sector by sex, economic activity and establishment size (EMP_PIFL_SEX_ECO_EST_RT). Sourced from the International Labour Organizations ILOSTAT database via API and filtered to Africa ISO3 country codes, it is licensed under cc-by-4.0. The dataset includes multiple columns such as country codes, source information, indicator classifications, sex disaggregation (total, male, female), economic activity and establishment size categories, observation year, value, and status flags, suitable for tabular classification, regression, and time-series forecasting tasks. Data is harmonized using ICLS definitions by ILO, with notes on annual frequency, best-source selection, and non-null disaggregation columns.

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）的核心统计数据库ILOSTAT，由Electric Sheep Africa团队进行标准化元数据整理与重封装。原始数据经采集、清洗与结构化处理后，形成涵盖76,949条观测记录的表格数据集，涉及40个非洲国家，时间跨度为2000年至2025年。数据以Parquet格式存储，附带标准化的发现元数据、加载指引与来源注释，确保数据的可追溯性与可复用性。整个构建流程遵循公开数据治理规范，保留原始缺失值，未做推断性填充。

使用方法

使用者可通过Hugging Face的datasets库以一行代码加载数据集，获取数据集对象后查看其结构、特征与样本。对于表格数据，可将其转换为Pandas DataFrame进行深度分析。建议在建模前检查模式与缺失情况，按地理、时间及子群体变量进行剖析，并利用显式的国家、年份与指标字段与其他Electric Sheep Africa数据集进行联接。使用时应确认变量定义与单位，保留缺失值直至确立合理的插补规则，并引用原始来源与Hugging Face仓库。

背景与挑战

背景概述

非正规经济部门就业规模的量化测度，长期以来构成发展经济学与劳动经济学交叉领域的核心议题。国际劳工组织依托其全球劳动统计数据库ILOSTAT，持续采集并发布各国非正规就业的结构化指标，为跨国比较与政策评估提供实证基础。非洲地区非正规经济占比普遍高企，正规部门吸纳能力有限，劳动市场呈现出显著的性别分化与行业异质性。Electric Sheep Africa于2026年将该数据集系统化整理并发布至Hugging Face平台，涵盖40个非洲国家、76,949条观测记录，时间跨度自2000年至2025年，按性别、经济活动与机构类型细化非正规部门就业份额，成为非洲劳动市场非正规性研究的重要数据基础设施。

当前挑战

该数据集所回应的领域问题在于，非正规就业的界定与测度本身充满概念张力，各国统计口径、抽样方法与调查周期存在系统性差异，跨国可比性因此受到侵蚀。就构建过程而言，原始ILOSTAT数据的元数据字段存在缺失，国家标识与上游发布机构信息未能完整声明，迫使使用者在建模前必须回溯原始来源以确认变量定义与单位。数据横跨四分之一世纪，经济结构变迁与统计标准修订可能引入时间序列断点，性别与行业维度的细分又加剧了样本稀疏问题。如何在保留缺失值的前提下建立可辩护的插补规则，并避免从标签本身推断政策含义，构成该数据集面向分析者的持续性挑战。

常用场景

经典使用场景

在劳动经济学与非正规经济研究的交汇处，该数据集构成了刻画非洲就业结构的关键证据来源。其最经典的使用场景在于，研究者依托涵盖四十个非洲国家、时间跨度自2000年至2025年的七万余条观测记录，按照性别、经济活动门类与机构属性等维度，系统测算非正规部门就业份额的分布特征与演变轨迹。此类分析通常以面板数据回归、跨国比较或分组统计的方式展开，用以揭示不同经济体在正规化进程中的异质性与收敛趋势，并为后续的因果推断提供描述性基础。

解决学术问题

该数据集所回应的核心学术问题，在于非正规就业的规模测度长期受制于定义分歧与数据碎片化。通过整合国际劳工组织统计数据库的标准化指标，并以性别与经济activity交叉分类的方式加以呈现，该数据集有效缓解了跨国比较中口径不一致的困境，使研究者得以在统一框架下检验非正规部门与性别差距、产业结构和经济发展水平之间的关联。其意义在于为非正规经济理论提供了可复现的实证基础，并推动劳动市场二元结构研究从个案描述走向系统比较。

实际应用

在政策实践层面，该数据集为国际组织与各国劳工部门评估非正规就业的广度与结构提供了量化依据。发展机构可据此识别非正规就业高度集中的性别群体与经济部门，进而设计具有针对性的社会保障扩展方案、技能培训项目与正规化激励措施。同时，该数据集亦可用于监测可持续发展目标中关于体面劳动指标的进展，辅助决策者研判非正规部门吸纳劳动力的能力及其随经济周期波动的敏感性，从而优化就业政策与财政资源的配置。

数据集最近研究

最新研究方向

在全球南方非正规经济研究持续深化的背景下，该数据集依托国际劳工组织ILOSTAT的权威统计框架，系统刻画了2000至2025年间40个非洲国家按性别、经济活动及机构类型划分的非正规部门就业占比，为劳动经济学与发展经济学的交叉研究提供了稀缺的跨国面板证据。当前前沿研究聚焦于非正规就业的性别差异、产业结构变迁与非正规性的动态关联，以及正规化政策对劳动力市场分割的溢出效应。该数据集凭借其长时序、多维度与开放许可优势，正成为检验结构转型理论与推动非洲包容性增长政策评估的关键基础设施，对实现体面劳动目标具有重要实证意义。