electricsheepafrica/africa-ilo-ees-tees-sex-eco-ins-nb-employees-by-sex-economic-activity-and-public-priv

该数据集包含69,891个观测值，涵盖48个非洲国家，时间跨度为1991年至2025年，包含1个独特的指标：EES_TEES_SEX_ECO_INS_NB，即按性别、经济活动和公共/私营部门划分的雇员数量（以千计）。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代码。数据集经过重新打包，由Electric Sheep Africa发布，用于机器学习研究，支持表格分类、回归和时间序列预测等任务。数据结构包括国家代码、性别、经济活动和部门分类、观测年份、观测值及状态标志等列。数据质量方面，为年度频率，使用ILO选择的最佳来源，并在适用时提供细分维度。数据集遵循cc-by-4.0许可，使用时需引用原始来源和重新打包方。This dataset contains 69,891 observations across 48 African countries, spanning from 1991 to 2025, covering 1 distinct indicator: EES_TEES_SEX_ECO_INS_NB, which represents employees by sex, economic activity, and public/private sector (in thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African country codes. It has been repackaged by Electric Sheep Africa for machine learning research, supporting tasks such as tabular classification, regression, and time-series forecasting. The schema includes columns for country code, sex, economic activity and sector classifications, observation year, observed value, and status flags. Data quality notes: it is annual frequency, uses ILO-selected best source for duplicate entries, and provides disaggregation dimensions where applicable. The dataset is released under the cc-by-4.0 license, requiring citation of both the original source and the repackaging.

搜集汇总

数据集介绍

构建方式

该数据集植根于国际劳工组织（ILO）的ILOSTAT中央统计数据库，由Electric Sheep Africa团队对非洲区域劳工统计数据进行系统性再封装。构建过程以ILOSTAT提供的原始观测记录为基底，涵盖1991年至2025年间48个非洲国家的69,891条员工数据，依照性别、经济活动类别及公共/私营部门维度进行结构化整理。数据经标准化元数据标注、出处溯源与加载指引后，以Parquet格式发布，形成面向非洲数据发现的索引化目录，并保留缺失值以待下游分析者自行判定插补规则。

使用方法

研究者可借助Hugging Face datasets库以一行代码加载数据集，通过load_dataset函数获取数据对象并检视其分割与特征结构。若需表格化处理，可将首个分割转换为Pandas数据框，进而执行模式探查、缺失值剖析及按地理、时间与子群变量的画像分析。在建模之前，建议先审视变量定义与单位，明确国家列的显式运用或地理假设的文档化。该数据集亦可与Electric Sheep Africa目录下其他数据集，依据国家、年份与指标字段进行联接，以构建可复现的分析流程。

背景与挑战

背景概述

在非洲劳动力市场统计长期面临数据碎片化与可比性不足的背景下，Electric Sheep Africa于2026年发布了该数据集，旨在整合国际劳工组织（ILOSTAT）关于非洲雇员按性别、经济活动及公共/私营部门划分的统计数据。数据集覆盖48个非洲国家、1991至2025年间的69,891条观测记录，填补了非洲就业结构细分数据的空白。作为标准化元数据仓库的一部分，该数据集为研究者提供了跨国、跨时间的劳动力市场分析基础，有助于揭示性别差异与部门分布的经济规律，推动了非洲经济统计的开放与可复现研究。

当前挑战

该数据集所应对的核心领域问题在于非洲劳动力市场统计的异质性与稀疏性，即各国就业分类标准、统计口径及报告频率差异显著，导致跨国比较与趋势分析困难。在构建过程中，Electric Sheep Africa需从ILOSTAT原始数据中提取并统一元数据，但面临上游出版者信息缺失、地理编码不完整及变量定义模糊等挑战。此外，公共与私营部门的划分标准在不同国家间缺乏一致性，且部分年份数据存在缺失，要求分析者在建模前审慎处理缺失值并验证单位与定义，以确保结论的稳健性。

常用场景

经典使用场景

在劳动经济学与非洲区域发展研究的交叉领域中，该数据集凭借其覆盖48个非洲国家、跨越1991至2025年的近七万条观测记录，构成了分析性别维度下公共与私营部门就业结构的核心素材。研究者通常以国别、年份、经济活动分类与性别为分层变量，借助面板数据回归或描述性统计手段，刻画非洲各国正规就业的性别分布特征与部门间劳动力流动趋势。数据集以千人为计量单位，便于跨国比较与时间序列建模，尤其适用于探讨经济结构转型过程中公共部门吸纳女性劳动力的差异化模式。

解决学术问题

该数据集有效回应了非洲劳动市场研究中长期存在的性别就业数据碎片化与部门归属模糊化两大难题。通过系统整合国际劳工组织标准化统计框架下的性别、经济活动与公私部门交叉分类，它为检验结构性调整政策对男女就业机会的非对称影响提供了可复现的实证基础。其学术意义在于推动了对非洲非正式经济边缘群体之外正规部门性别隔离现象的量化认知，并为比较政治经济学中关于公共部门作为女性就业缓冲器的理论假设提供了跨国证据。

实际应用

在政策实践层面，该数据集可服务于国际发展机构与非洲各国劳工部门的就业监测与性别平等评估工作。分析人员能够据此识别公共部门与私营部门在吸纳不同性别劳动力方面的相对贡献，进而为制定针对性就业促进政策、设计社会保障覆盖方案以及评估经济改革对弱势群体就业冲击提供数据支撑。此外，非营利组织亦可利用其开展国别劳动力市场画像，辅助项目选址与干预效果追踪。

数据集最近研究

最新研究方向

在非洲劳动力市场性别平等议题持续升温的背景下，该数据集凭借覆盖48个非洲国家、1991至2025年间近七万条按性别、经济活动及公私部门分类的雇员观测记录，正推动劳动经济学前沿研究向精细化性别就业结构分析转型。近期研究热点聚焦于利用此类面板数据检验公私部门在吸纳女性就业上的分野，并结合非正规经济扩张、产业结构调整等现实议题，探讨性别就业差距的结构性成因。该数据集的可复现性与长时间跨度使其成为评估非洲工业化、服务业增长对女性经济赋权影响的稀缺实证资源。其影响不仅在于为跨国比较与政策模拟提供标准化基准，更在于以元数据驱动的方式促进非洲本土数据基础设施的开放与互操作，对全球南方劳动统计研究具有示范意义。