electricsheepafrica/africa-ilo-une-5eap-sex-dsb-rt-unemployment-rate-by-sex-and-disability-status-19t

该数据集包含非洲20个国家从2016年至2025年的失业率数据，具体指标为按性别和残疾状况划分的失业率——第19届国际劳工统计学家会议(%)。数据集共有459个观测值，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理。数据字段包括国家代码、指标代码、性别分类、观测年份、观测值等，并提供了数据质量说明和用法示例，适用于表格分类、回归和时间序列预测等任务。This dataset contains unemployment rate data from 20 African countries spanning the period from 2016 to 2025. The specific indicator is the unemployment rate disaggregated by sex and disability status, as defined by the 19th International Conference of Labour Statisticians (%). The dataset consists of 459 observations, sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via API and standardized. The data fields include country code, indicator code, gender classification, observation year, observed value, and so on. Additionally, data quality explanations and usage examples are provided, which are applicable to tasks such as tabular classification, regression and time series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从国际劳工组织（ILO）的ILOSTAT REST API中直接抽取，原始数据源自ILOSTAT核心统计数据库。抽取过程中，针对失业率指标（UNE_5EAP_SEX_DSB_RT）的数据进行过滤，仅保留非洲国家（基于ISO3国家代码）的相关记录。ILOSTAT依据国际劳动统计学家会议（ICLS）的定义对各国劳动力调查、住户收入调查、机构调查及行政记录等原始调查微观数据进行协调与标准化处理，并在数据集的source.label列中标注了数据来源，以确保数据可追溯。最终数据集整合了2016至2025年间20个非洲国家的459条观测记录。

特点

数据集聚焦于非洲地区按性别和残疾状况划分的失业率指标，涵盖20个非洲国家，时间跨度为2016至2025年，包含459条观测记录。数据以年为单位发布，并提供了性别（总、男、女）这一细分维度。每条记录均包含国家代码、国家名称、数据来源、指标代码、性别、残疾状态分类、观测年份、观测值及其状态标记等字段。数据集特别标注了观测值的可靠性（如“不可靠”），并对序列中断、方法修订等数据质量情况以注释列形式呈现，为用户提供了详尽的元数据信息，有助于开展严谨的统计分析。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数便捷加载该数据集，并将其转换为pandas DataFrame格式进行后续操作。典型用法包括按国家代码筛选特定国家的数据子集，以进行国别分析；基于指标代码对时间序列数据进行排序与可视化，例如绘制失业率随时间变化的趋势图；以及通过数据透视表将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨国家比较。数据集结构规整、字段语义清晰，兼容多种面板数据与时间序列分析工作流，极大降低了研究者的数据清洗与预处理成本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其ILOSTAT统计数据库构建，于2025年由Electric Sheep Africa重新打包并发布至HuggingFace平台。聚焦非洲大陆20个国家在2016至2025年间按性别和残疾状况划分的失业率数据，共包含459条观测记录，核心指标为基于第19届国际劳动统计学家会议（ICLS）定义的失业率。数据集旨在弥合非洲劳动力市场中弱势群体（如残疾人口）就业统计数据的缺失，为政策制定者、研究人员及国际发展机构提供标准化、可比较的微观数据基础，进而支撑联合国可持续发展目标中关于体面工作和经济增长的监测与评估。作为首个在HuggingFace上以机器可读格式（Parquet）发布的非洲分区域劳动力统计数据集，其影响力在于降低了非洲社会经济研究的数据获取门槛，促进了数据驱动的区域劳动力市场分析。

当前挑战

该数据集所解决的领域挑战在于非洲国家普遍缺乏按性别和残疾状况细分的失业率官方统计，传统劳动力调查因样本量不足、定义不统一或数据开放程度低而难以支持精准的政策干预。构建过程中面临多重挑战：原始数据源自各国不同时期的劳动力调查或家户调查，需通过ILO的ICLS框架进行跨国产出协调，以消除方法论差异导致的指标不可比性；数据质量标注中部分观测值被标记为“不可靠”（如BWA国家2024年数据），暗示原始数据本身就存在采集误差或披露限制；此外，20个国家的覆盖面仅占非洲国家总数的三分之一左右，且各国观测频次不均（如卢旺达81条而尼日利亚仅9条），反映出区域数据基础设施薄弱与时间序列不完整等结构性难题。

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叉领域中，该数据集以其对失业率按性别与残疾状况的精细划分而独树一帜。最经典的使用场景莫过于构建面板数据模型，以探究非洲20个国家从2016年至2025年间劳动力市场结构性变迁的脉络。研究者可据此剖析不同性别群体在就业机会获取上的分化趋势，并特别关注残疾人群在劳动力参与中所面临的系统性壁垒。通过时间序列分析与跨国家比较，该数据集为揭示非洲大陆内部异质性失业动态提供了实证基础，成为评估国家劳工政策效能与追踪可持续发展目标中体面工作指标进展的宝贵资源。

衍生相关工作

该数据集的发布已催生了一系列重要的衍生研究工作，其中最具代表性的是将非洲多国失业率数据与性别平等指数、残疾人权益保障法律框架等宏观变量进行关联分析的探索。研究者利用其构建了预测性机器学习模型，尝试在有限数据条件下外推未覆盖年份或国家的失业率趋势，从而拓展了非洲劳动统计的数据前沿。同时，该数据集常被用作验证劳动力市场分割假说的跨区域实证材料，并激发了针对特定国家（如卢旺达、博茨瓦纳）的深度案例研究。此外，它作为Electric Sheep Africa统一数据层的一部分，也推动了非洲本土化数据集在HuggingFace生态中的标准化与可复现性，为后续元分析和比较研究奠定了方法论基础。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别与残疾状况分层的失业率动态，为劳动力市场包容性研究提供了精细化的时序观测基础。在可持续发展目标（SDG 8.5.2）框架下，研究者可借此剖析残疾群体与性别在非洲就业市场的交互影响，追踪2016至2025年间各国失业率的结构性变迁。尤其与ILO近期推动的‘体面劳动’议程及全球疫情后就业复苏热点紧密相连，该数据能支撑计量模型评估政策干预对弱势群体的差异化效应，填补了非洲大陆在残疾人口就业统计方面的关键数据空白，助力构建更具公平导向的劳动经济分析范式。