electricsheepafrica/africa-ilo-luu-2lu2-sex-age-rt-combined-rate-of-time-related-underemployment-and

该数据集包含非洲53个国家从2005年至2027年的劳动力市场数据，重点关注时间相关就业不足和失业的综合率(LU2)按性别和年龄划分这一指标。数据集共有10,890个观测值，数据来源于国际劳工组织(ILO)的ILOSTAT数据库。该指标衡量了劳动力市场中时间相关就业不足和失业的综合情况，并按性别(总计、男性、女性)和年龄组进行细分。数据经过ILO的标准化处理，采用国际劳工统计学家会议(ICLS)的定义进行统一。数据集以表格形式组织，包含国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、年龄分类、观测年份、观测值、观测状态等字段。该数据集适用于表格分类、表格回归和时间序列预测等机器学习任务，可用于分析非洲各国劳动力市场的趋势和差异。This dataset contains labor market data for 53 African countries spanning from 2005 to 2027, with a core focus on the composite measure of time-related underemployment and unemployment (LU2) disaggregated by gender and age groups. It comprises a total of 10,890 observations, with data sourced from the ILOSTAT database of the International Labour Organization (ILO). This indicator quantifies the combined prevalence of time-related underemployment and unemployment within the labor market, and is broken down by gender (total, male, female) and age cohorts. The data has undergone standardization by the ILO, adopting unified definitions formulated by the International Conference of Labour Statisticians (ICLS). Organized in a tabular structure, the dataset includes fields including country code, country name, data source, indicator code, indicator name, gender classification, age classification, observation year, observed value, and observation status. This dataset is applicable to machine learning tasks such as tabular classification, tabular regression, and time series forecasting, and can be utilized to analyze trends and disparities in labor markets across African nations.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，经由Electric Sheep Africa重新整理后发布。原始数据通过ILOSTAT REST API直接获取，指标代码为LUU_2LU2_SEX_AGE_RT，专指非洲53个国家的数据。ILO采用国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行标准化处理，并在source.label列中标注数据来源以保持可追溯性。整理过程中，数据仅保留非洲国家ISO3代码对应的观测值，最终形成包含10,890条记录的结构化表格，涵盖2005年至2027年的年度时间序列。

特点

该数据集的核心特征在于聚焦非洲大陆劳动资源利用不足的综合度量，即LU2指标——时间相关就业不足与失业的合并比率，并按照性别和年龄层次进行细致分解。数据覆盖53个非洲国家，时间跨度达23年，提供了丰富的面板数据结构。数据以parquet格式封装，具备机器学习就绪（ML-ready）的特性，可直接通过HuggingFace的load_dataset()函数加载。此外，每一条观测值均携带明确的元数据标签，包括国家代码、数据来源、指标定义及观测状态标识，便于用户进行质量评估与筛选。

使用方法

使用者可借助HuggingFace Datasets库快速加载数据，通过load_dataset()函数将数据集转化为pandas DataFrame进行处理。典型操作包括按国家代码筛选特定国家的子集，按时间序列排序并可视化单一指标的变化趋势，或利用数据透视表构建国家×年份的矩阵结构以进行跨区域对比分析。由于数据已按统一模式标准化，研究人员可直接开展统计分析、模型训练或时间序列预测，无需额外的数据清洗工作。引用时需同时标注ILO原始出处及Electric Sheep Africa的重新封装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT数据库中编制，经Electric Sheep Africa于2026年重新包装并发布于HuggingFace平台，旨在提供非洲地区时间相关不充分就业与失业的综合率（LU2）数据。ILOSTAT作为全球劳动统计的权威来源，依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行协调，确保指标可比性。数据集涵盖2005年至2027年间的10,890条观测，覆盖53个非洲国家，按性别和年龄维度进行分列，为研究非洲劳动力市场的结构性不充分就业问题提供了关键数据基础。其核心研究问题在于通过标准化指标衡量非洲地区未被充分测量的劳动利用不足状况，对于推动联合国可持续发展目标中体面工作的实现具有重要支撑作用，尤其在政策制定与跨国比较分析中彰显价值。

当前挑战

该数据集所解决的核心领域问题在于，传统失业率指标无法全面反映非洲劳动力市场的复杂性，特别是时间相关不充分就业（如工作时间不足但愿意工作的人群）与失业并存的现象，而LU2综合率作为补充指标能更准确地捕捉劳动利用不足的真实规模。构建过程中面临多重挑战：首先，非洲各国劳动力调查数据采集频率、方法和质量参差不齐，ILO需通过协调模型估计来填补数据缺口，但模型本身依赖于历史趋势和假设，可能引入不确定性；其次，数据集中存在来源标记（如‘ILO - Modelled Estimates’），意味着部分观测值并非直接调查结果而是估算值，这在时间序列分析中需谨慎处理；此外，年度频率的数据难以反映季节性波动，且部分指标仅发布月度或季度序列未纳入本数据集，限制了高频时序预测的精度。

常用场景

经典使用场景

该数据集最经典的使用场景是为非洲劳动力市场研究提供标准化的LU2指标（时间相关就业不足与失业综合率），支持按性别和年龄维度进行跨国家、跨年份的纵向分析。研究者可通过加载数据集构建面板数据，利用时间序列分析或回归模型，探究非洲各国劳动力利用不足的结构性特征与演变趋势。数据集覆盖53个非洲国家长达23年的观测值，使其成为评估非洲劳动力市场健康状况、监测国际劳工组织体面劳动目标进展的核心工具。其统一的数据架构和直接可用的Parquet格式大幅降低了数据清洗与整合门槛，尤其适合用于比较不同年龄组或性别群体在劳动力市场中的脆弱性差异。

衍生相关工作

基于该数据集衍生出的经典工作主要集中在非洲劳动力市场的计量经济学建模与预测研究中，例如使用固定效应模型或随机前沿分析方法，探究LU2指标与GDP增长、教育投入、性别平等等变量之间的因果关系。另有研究将其作为核心变量，构建动态面板回归以评估贸易开放度、外国直接投资对非洲就业质量的异质性影响。部分工作还运用聚类分析算法，将非洲国家按劳动力利用不足模式进行分类，揭示区域间结构性差异。此外，该数据集也催生了与性别经济学相关的衍生研究，通过比较男性和女性的LU2指标变化轨迹，检验女性劳动参与率提升是否伴随就业不充分风险加剧，为性别平等的劳动力市场改革提供了实证支撑。

数据集最近研究

最新研究方向

该数据集聚焦于非洲53国时间相关就业不足与失业的综合率（LU2），按性别与年龄分层的ILO建模估计值，为追踪非洲劳动力市场非充分利用状况提供了关键定量工具。在劳动经济学前沿领域，该数据被广泛应用于刻画后疫情时代非洲青年与女性劳动力的结构性困境，尤其结合撒哈拉以南非洲日益严峻的‘有工作但工时不足’现象展开分析。当前热点研究多围绕ILO第19届国际劳动统计学家会议（ICLS）对劳动力利用不足新测度的推广展开，该数据集以其2005-2027年的长时序覆盖和标准化分类，支撑了跨国面板回归、时间序列预测及基于机器学习的贫困-就业动态模拟，有效揭示非正规就业与隐性失业在非洲社会保护体系脆弱性中的核心角色。其意义在于为政策制定者提供性别敏感、年龄差异化的量化证据，助力实现可持续发展目标8中体面劳动与经济增长的子指标，并推动非洲大陆自由贸易区（AfCFTA）框架下的劳动力市场一体化评估。