electricsheepafrica/africa-ilo-emp-xtru-sex-edu-rt-time-related-underemployment-rate-by-sex-and-educa

该数据集包含非洲34个国家从1991年至2025年的时间相关就业不足率数据，按性别和教育水平划分。数据集共有5,195个观测值，涵盖1个独特指标（EMP_XTRU_SEX_EDU_RT），源自国际劳工组织（ILO）的ILOSTAT数据库，并通过Electric Sheep Africa重新打包为机器学习友好格式。数据包括国家代码、年份、观测值、数据来源、性别分类、教育分类等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains time-related underemployment rate data for 34 African countries from 1991 to 2025, disaggregated by sex and education. It includes 5,195 observations covering 1 distinct indicator (EMP_XTRU_SEX_EDU_RT), sourced from the International Labour Organizations ILOSTAT database and repackaged by Electric Sheep Africa for machine learning readiness. The data includes fields such as country code, year, observed value, data source, sex classification, and education classification, and is suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织旗舰数据库ILOSTAT，由Electric Sheep Africa团队以标准化元数据工程手段重新封装。其构建历程始于对ILOSTAT中非洲区域时间相关不充分就业指标的抽取，继而依据性别与受教育程度双重维度进行结构化重组，最终以Parquet列式存储格式发布于Hugging Face平台。数据覆盖34个非洲国家，时间跨度为1991年至2025年，共含5195条观测记录，每条记录均承载着来源可溯、字段明确定义的统计单元。

使用方法

研究者可借助Hugging Face的datasets库直接加载数据集，通过load_dataset函数获取完整数据对象，进而检视其特征结构与首行样本。当需要传统数据分析流程时，可将首个数据划分转换为Pandas数据框，以开展缺失值剖析、按地理与时间维度的变量画像，或与其他Electric Sheep Africa数据集在明确国家、年份与指标字段上进行联结。使用过程中应保留缺失值直至确立可辩护的插补规则，并始终以原始来源文件核验变量定义与计量单位。

背景与挑战

背景概述

在非洲劳动力市场深度转型与体面劳动议程持续推进的背景下，非自愿性兼职与工时不足所引致的隐性失业问题日益成为发展经济学与劳动政策研究的焦点。该数据集由Electric Sheep Africa团队于2026年基于国际劳工组织ILOSTAT中央统计数据库整理发布，涵盖1991至2025年间34个非洲国家、按性别与教育程度分列的工时相关不充分就业率，共计5195条观测记录。其核心研究问题在于揭示非洲各国劳动力市场中工时利用不足的性别差异与教育梯度，为追踪可持续发展目标第八项下的就业质量指标提供高颗粒度证据，对比较劳动制度分析与区域性就业政策评估具有基础性支撑价值。

当前挑战

工时相关不充分就业的跨国比较长期面临概念界定与测量口径差异的挑战，不同国家在参考期设定、意愿工时阈值及教育分类标准上的异质性，使观测值之间的直接可比性受到制约。该数据集构建过程中需应对来源元数据中地理标识与上游发布机构字段的缺失，并要求在缺失值比例较高的维度上避免过度插补而扭曲趋势。与此同时，长时段面板中偶发的方法论修订可能导致序列断点，如何在保留原始缺失结构的前提下支持稳健的统计建模与跨国推断，构成该数据集在分析应用层面的主要挑战。

常用场景

经典使用场景

在劳动经济学与非洲发展研究领域，时间相关不充分就业率是衡量劳动力市场质量的核心指标，该数据集汇聚了1991至2025年间34个非洲国家按性别与教育程度分列的时间相关不充分就业率观测值，经典用法在于构建面板数据模型，考察不同性别与教育层级群体在劳动力市场中的就业不足动态，研究者可借助表格分类与回归任务，识别不充分就业的结构性模式与时间演变趋势。

解决学术问题

长期以来，非洲劳动力市场研究面临细分指标匮乏的困境，性别与教育维度的不充分就业数据尤为稀缺，该数据集填补了这一空白，使学者得以检验教育匹配理论、性别就业差距假说以及经济周期对劳动利用不足的异质性影响，其标准化元数据与公开许可为跨国比较研究提供了可复现的数据基础，推动了非洲劳动统计的实证化进程。

实际应用

政策制定者与国际组织可利用该数据集评估非洲各国就业政策的实效，识别教育层级与性别群体中劳动利用不足的高风险人群，为职业培训、教育投资与社会保障方案提供量化依据，同时辅助劳动力市场监测与可持续发展目标的进展追踪，特别是在体面劳动与经济增长的议程框架下。

数据集最近研究

最新研究方向

在非洲劳动力市场深度转型的背景下，该数据集凭借其覆盖34国、跨越1991至2025年的长时段面板结构，正成为探究时间相关不充分就业与性别、教育维度交互效应的关键实证基础。前沿研究聚焦于运用机器学习方法，如梯度提升与因果森林，识别不同教育层次女性在非正规经济中的就业脆弱性，并借助面板固定效应模型揭示结构性转型对不充分就业率的非线性影响。该数据集亦回应了国际劳工组织关于体面劳动与性别平等的全球倡议，为评估非洲青年女性教育红利未能有效转化为充分就业的悖论提供了量化证据，对制定差异化劳动政策具有重要参考价值。