electricsheepafrica/africa-ilo-emp-pifl-sex-ocu-nb-employment-outside-the-formal-sector-by-sex-and-oc

该数据集包含8,220个观测值，覆盖43个非洲国家，时间跨度为1999年至2025年，专注于非正规经济数据。具体指标为按性别和职业划分的非正规部门外就业（千人）（代码EMP_PIFL_SEX_OCU_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集采用表格格式，包含列如国家代码、国家名称、来源、指标、性别分类、时间、观测值等，支持按性别（总计、男性、女性）进行细分。数据为年度频率，并包含数据质量标志如观测状态。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供机器学习就绪的数据层。This dataset contains 8,220 observations of informal economy data across 43 Africa countries, spanning 1999 to 2025, with a focus on the indicator Employment outside the formal sector by sex and occupation (thousands) (code EMP_PIFL_SEX_OCU_NB). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to African countries. The data is in tabular format, with columns including country code, country name, source, indicator, sex disaggregation, time, observed value, and data quality flags such as observation status. It supports disaggregation by sex (total, male, female) and is provided at annual frequency. The dataset is repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织统计数据库（ILOSTAT）的公开数据整理而成，原始数据记录了1999年至2025年间43个非洲国家非正规经济部门中按性别和职业分类的就业人数（以千计），总计8220条观测记录。Electric Sheep Africa对原始数据进行了标准化元数据标注、来源说明补充和格式转换，最终以Parquet格式发布，旨在为非洲数据发现和分析提供便利。

特点

数据集聚焦于非洲地区非正规部门就业状况，涵盖43个国家、逾四分之一世纪的时序跨度，按性别和职业维度细分为多个子群。其规模介于1000至10000条观测之间，以表格和文本模态呈现，附带标准化标签如ilostat、informal-economy、labour等，并提供了来源溯源、使用指引和分析建议。数据保留了缺失值，便于研究者根据明确规则自行处理。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数加载该数据集，获取数据集对象后查看特征结构与样本数据；对于表格型数据，可转换为Pandas DataFrame以便进一步分析。建议在使用前检查模式与缺失情况，依据地理、时间和子群变量进行剖析，并可与其他Electric Sheep Africa数据集在共同的国家、年份和指标字段上联结，构建可复现的研究工作流。

背景与挑战

背景概述

非正规经济部门的就业规模与结构，长期是发展经济学与劳动经济学关注的核心议题，尤其在全球南方国家，其数据可得性直接制约着体面劳动监测与结构性转型评估。国际劳工组织（ILO）依托ILOSTAT构建的跨国家、跨时间劳动统计体系，为撒哈拉以南非洲非正规就业的性别与职业分化提供了权威观测基础。Electric Sheep Africa于2026年前后对该统计资源进行元数据标准化重封装，覆盖43个非洲国家、1999至2025年间8220条观测记录，旨在降低非洲公开劳动数据的发现与复用门槛，服务于跨国比较与可复现研究。

当前挑战

该数据集所回应的是非正规就业测度中长期存在的可比性难题：非正规部门界定依国别调查口径而异，性别与职业分类在跨年份、跨国家间难以严格对齐，易导致汇总偏差。构建层面亦面临多重制约，原始ILOSTAT元数据中country与upstream_publisher等字段存在缺失，ISO3覆盖未予声明，地理归属仅可依标题或源元数据推断，需在分析中显式记录假设；统计单位为千人及指标口径须回溯源文件核验。这些因素共同要求使用者在建模前审慎处理缺失值与分类不一致，避免从标签直接推导政策含义。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集最经典的使用场景在于刻画非洲各国非正规部门就业的性别与职业分布特征。研究者借助8,220条观测记录与43个非洲国家1999至2025年的时间序列，按性别和职业类别对正规部门之外的就业规模进行面板分析与横截面比较。此类分析常以各国非正规就业占比、性别差距及职业结构变迁为核心变量，构建描述性统计图谱或计量回归模型，从而揭示非洲劳动力市场中非正规就业的时空分异规律。

解决学术问题

该数据集有效回应了非洲非正规经济研究中长期存在的数据碎片化与性别维度缺失问题。既有跨国劳动统计多聚焦于总体就业率，难以支撑针对非正规部门内部性别分化与职业隔离的精细化实证检验。此数据集以统一口径整合ILOSTAT来源数据，为检验非正规就业性别差距假说、职业结构演变理论以及非正规部门与正规部门互动关系等学术命题提供了可复现的数据基础，推动了比较劳动制度分析在非洲语境下的方法论进展。

衍生相关工作

围绕该数据集已衍生出一系列与非洲劳动市场分析相关的经典工作。Electric Sheep Africa以标准化元数据体系将其纳入非洲开放数据目录，催生了跨国非正规就业比较研究、性别劳动参与率分解分析以及非正规部门与贫困关联性探讨等成果。后续研究常将其与非洲其他社会经济数据集进行国家与年份层面的联接，构建多维度劳动市场面板，拓展了非正规经济测度、职业隔离指数构建及政策模拟等衍生研究方向。