electricsheepafrica/africa-ilo-luu-xlu3-sex-age-geo-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含1994年至2025年间39个非洲国家的10,503条观测记录，聚焦于其他劳动力未充分利用指标，具体指标为失业与潜在劳动力综合率（LU3）按性别、年龄和城乡地区划分（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过重新打包以适用于机器学习。数据集提供了按性别（总计、男性、女性）、年龄组和地理覆盖类型（如全国）细分的年度数据，并包含数据来源、观测状态和备注等元数据。This dataset contains 10,503 observations of Other measures of labour underutilization across 39 Africa countries, spanning 1994–2025, with the indicator Combined rate of unemployment and potential labour force (LU3) by sex, age and rural / urban areas (%). It is sourced from the ILOSTAT database of the International Labour Organization (ILO) and repackaged for machine learning use. The data includes annual disaggregations by sex (total, male, female), age groups, and geographic coverage (e.g., national), along with metadata such as source, observation status, and notes.

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统计数据库（ILOSTAT），系非洲地区劳动力市场核心指标的系统性汇编。Electric Sheep Africa对原始数据实施了标准化再封装，将原本分散的统计记录整合为统一结构的Parquet格式数据集，涵盖1994年至2025年间39个非洲国家的10,503条观测记录。构建过程保留了原始指标定义与地理单元划分，同时补充了面向分析的元数据标注、来源说明与使用指引，使数据在保持统计权威性的基础上更适配机器学习工作流。

特点

该数据集聚焦于综合失业率与潜在劳动力（LU3）这一劳动力未充分利用复合指标，按性别、年龄组及城乡地域进行交叉分层。数据集时间跨度逾三十年，覆盖非洲大陆主要经济体，兼具纵向时序深度与横向地域广度。数据以表格与文本双模态呈现，体积处于万级至十万级区间，采用开放许可协议发布。指标口径遵循国际劳工组织标准框架，支持跨国家、跨时间、跨人口子群的比较分析，为非洲劳动力市场研究提供结构化的实证基础。

使用方法

研究者可通过Hugging Face datasets库直接加载该数据集，利用内置查看器快速检视数据结构与变量类型。针对表格型数据，可将指定拆分转换为Pandas数据框以进行统计分析与可视化。使用前应核查各变量的定义、单位及缺失值分布，对地理字段的隐含假设予以明确记录。该数据集可与Electric Sheep Africa目录中其他非洲数据集基于国家、年份及指标字段进行联结，构建可复现的分析流程，并在成果中标注原始来源与再封装仓库。

背景与挑战

背景概述

伴随全球劳动力市场结构性变迁，充分衡量劳动力未充分利用状况成为劳动经济学与国际比较研究的核心议题。国际劳工组织（ILO）提出的LU3指标将失业人口与潜在劳动力合并测度，弥补了传统失业率对丧失信心劳动者与灰心工人的统计盲区。Electric Sheep Africa于2026年将ILOSTAT原始数据工程化重制，整合了39个非洲国家自1994年至2025年逾万条按性别、年龄及城乡维度分组的观测记录，形成面向机器学习流程的标准化表格数据集。该数据集为非洲区域劳动力市场监测、非正规就业研究及社会保障政策评估提供了可复现的实证基础，亦为跨国面板分析与时空趋势建模构筑了数据基石。

当前挑战

该数据集所应对的领域难题在于刻画非洲劳动力市场中失业与潜在劳动力并存的复合型闲置状态——传统失业率长期低估了此类隐性闲置，且跨国、跨时间的口径差异使指标可比性面临严峻考验。构建过程中，原始ILOSTAT数据在性别、年龄与城乡维度的分组颗粒度不均，39国覆盖范围存在显著时空缺口，1994至2025年间各国统计能力差异导致缺失值与非随机样本损耗，加之元数据中城乡分类定义、年龄组边界及潜在劳动力操作化标准在各国间并不统一，数据清洗与对齐需反复权衡。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇处，该数据集作为ILOSTAT体系下LU3指标的区域性重构，最经典的使用场景在于刻画非洲39国自1994年至2025年间失业与潜在劳动力合并比率的时空分异。研究者依托其性别、年龄及城乡二维分层结构，借助面板回归或空间计量模型，系统辨识青年群体与农村劳动力在劳动力市场边缘化进程中的异质性轨迹，进而为比较不同国家劳动未充分利用程度的收敛或分化提供基准事实。

衍生相关工作

围绕该数据集已衍生出若干具有代表性的后续研究。部分学者将其与非洲家庭调查网络及世界银行发展指标进行微观宏观匹配，构建多层模型以解析个体特征与区域劳动市场制度的交互效应；另有工作聚焦于LU3与非正规就业、移民流动及教育回报之间的关联路径，拓展了劳动未充分利用概念的因果解释边界。Electric Sheep Africa所建立的元数据标准化流程亦催生了一系列跨国别、跨指标的非洲劳动统计集成分析，推动该领域向可复现与开放科学方向演进。

数据集最近研究

最新研究方向

伴随国际劳工组织对劳动力未充分利用测度框架的持续深化，LU3指标作为融合失业人口与潜在劳动力储备的复合型度量，正日益成为非洲劳动力市场结构分析的核心工具。该数据集覆盖39个非洲国家、逾万条观测记录，时间跨度自1994年延伸至2025年，为探究性别与年龄分层下城乡劳动力闲置状况的长期演化提供了稀缺的跨国面板资源。当前前沿研究聚焦于将此类标准化表格数据与非洲大陆自由贸易区推进过程中的结构性转型议题相衔接，用以辨识青年与女性群体在非正规经济中的隐性失业梯度，并借助机器学习方法提升缺失地理标签下的推断精度，从而为区域就业政策协调与可持续发展目标监测提供实证基础。