electricsheepafrica/africa-ilo-eip-xjob-sex-rt-potential-labour-force-and-willing-non-jobseekers

该数据集包含非洲28个国家在2008年至2025年期间关于潜在劳动力和愿意非求职者比率（%）的324个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，属于其他劳动力未充分利用指标主题。数据集涵盖了1个具体指标（EIP_XJOB_SEX_RT），并提供了按性别（总计、男性、女性）分解的数据。数据集包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类、年份、观测值、观测状态及相关注释等列。数据以年频率提供，并经过ILO的标准化处理，确保符合国际劳工统计学家会议（ICLS）的定义。数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、适用于机器学习的数据层。This dataset contains 324 observations of the Potential labour force and willing non-jobseekers rate (%) across 28 African countries from 2008 to 2025. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), under the topic Other measures of labour underutilization. It covers 1 distinct indicator (EIP_XJOB_SEX_RT) and provides disaggregation by sex (total, male, female). The dataset includes columns such as country code, country name, data source, indicator code, indicator label, sex classification, year, observed value, observation status, and related notes. Data is provided at annual frequency and harmonized by the ILO following International Conference of Labour Statisticians (ICLS) definitions. 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

该数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，通过REST API直接获取指标标识为EIP_XJOB_SEX_RT的原始数据，并依据非洲ISO3国家代码进行地理范围筛选。ILOSTAT采用国际劳工统计学家会议（ICLS）定义的标准对各国劳动力调查微观数据进行协调与标准化处理，确保跨国可比性。数据集中的每条记录均附带来源标识（source.label列），以追踪数据出处，最终由Electric Sheep Africa完成数据再封装与发布。

特点

数据集涵盖2008至2025年间28个非洲国家的324条观测记录，聚焦于“潜在劳动力与意愿非求职者比率”这一反映劳动力利用不足状况的核心指标。数据按性别进行分解，提供总计、男性及女性三个维度的统计值，增强了分析的粒度。尽管数据频率为年度，但多元来源（如劳动力调查）及观测状态标记（如序列中断、暂定值）的存在，为用户评估数据质量与连续性提供了透明依据。

使用方法

用户可通过HuggingFace的datasets库以一行代码（load_dataset）加载数据，并将其转化为Pandas DataFrame进行后续分析。支持按国家筛选以进行国别研究，亦可按时间序列排序后对单一指标进行可视化探索。此外，利用透视表功能可便捷地将数据结构重组为“国家×年份”矩阵，便于面板数据分析或比较不同国家在特定时间窗口内的指标演变规律。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，经由Electric Sheep Africa重新打包并发布在HuggingFace平台上。它聚焦于非洲地区劳动未充分利用的度量指标，具体涵盖“潜在劳动力与意愿非求职者比率”，包含来自28个非洲国家的324条观测记录，时间跨度从2008年至2025年。这一数据集的核心研究问题在于揭示非洲国家劳动力市场中隐性失业和边缘劳动参与程度，为评估非标准就业形态和劳动市场韧性提供量化依据。作为ILOSTAT数据库的衍生数据集，它借助国际劳工统计会议（ICLS）标准化定义，整合了各国劳动力调查微观数据，对研究非洲劳动经济学、可持续发展目标（特别是体面劳动）以及跨国比较分析具有重要推动作用。

当前挑战

该数据集面临的首要挑战是所解决的领域问题——劳动未充分利用指标的复杂性和多维性。传统失业率难以捕捉潜在劳动力（如停止求职者）和意愿非求职者（如因环境放弃者），而该数据集试图以单一比率量化这一灰色地带，在定义和跨国可比性上需克服度量标准不统一的难题。构建过程中，主要挑战包括数据源异质性问题：各国劳动力调查方法、问卷设计、抽样框架存在差异，ILO虽进行标准化处理，但源代码（source.label）中仍标注了方法论修订和系列中断（break in series）等状态标志，反映数据质量的不确定性。此外，非洲国家间数据稀疏性显著（如索马里仅6条记录），且个别指标发布频率不统一（仅年度数据，缺失月度和季度序列），制约了精细化时间序列分析和模型训练的稳定性。

常用场景

经典使用场景

该数据集聚焦于非洲地区“潜在劳动力与有意愿的非求职者比率”，包含2008至2025年间28个非洲国家的324条观测记录，按性别进行细分。其经典使用场景之一是基于面板数据进行时间序列分析与预测，研究者可借助该数据集追踪各国劳动力未充分利用指标的年际变化趋势，识别结构性就业矛盾。同时，该数据集亦适用于分类与回归任务，例如构建模型预测特定国家或年份的劳动力潜在参与率，或通过性别维度比较不同人群的就业意愿差异，为劳动经济学研究提供精细化的量化基础。

解决学术问题

在学术研究层面，该数据集的核心价值在于填补了非洲劳动力未充分利用指标的系统性数据空白。传统上，非洲国家的就业统计往往局限于失业率这一传统指标，而忽略了“潜在劳动力”和“非求职者”这类边缘化群体，导致对劳动力市场真实状况的评估存在偏差。该数据集借助ILOSTAT统一的国际劳工统计标准，为研究者提供了衡量劳动力市场松弛程度的新维度，使得探讨隐性失业、就业意愿与经济活动参与率之间的复杂关系成为可能，从而深化对发展中国家劳动力结构性失衡问题的理论认知。

衍生相关工作

围绕该数据集衍生的相关工作，一方面催生了基于非洲面板数据的劳动力未充分利用指数构建研究，学者尝试将“潜在劳动力比率”与传统失业率结合，开发综合性的劳动力市场健康状况评估框架；另一方面，推动了机器学习和计量经济学方法的交叉应用，如利用时间序列分解技术分离趋势与周期成分，或采用层次贝叶斯模型对数据稀疏的国家进行统计推断。此外，ILOSTAT作为数据来源的权威性，也激励了后续研究对非洲不同国家调查方法差异的异质性分析，从而提升跨国比较的可靠性。