electricsheepafrica/africa-ilo-emp-tnif-sex-rt-informal-tourism-sector-employment-rate

该数据集包含非洲22个国家从2012年至2025年的非正规旅游部门就业率（%）数据，共有183个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API提取并过滤为非洲国家。数据集涵盖一个核心指标：EMP_TNIF_SEX_RT（非正规旅游部门就业率），并按性别（总计、男性、女性）进行细分。数据以年度频率提供，包括国家代码、国家名称、数据来源、观测年份、观测值以及数据状态标志等信息。数据集旨在支持表格分类、回归和时间序列预测等任务，适用于研究非洲旅游部门劳动力市场的非正规就业趋势。This dataset contains employment rate data (%) of the informal tourism sector from 22 African countries spanning 2012 to 2025, with a total of 183 observations. This dataset is sourced from the ILOSTAT database of the International Labour Organization (ILO), and was extracted and filtered to include only African countries via the REST API. The dataset covers one core indicator: EMP_TNIF_SEX_RT (Employment Rate of the Informal Tourism Sector), which is disaggregated by gender (total, male, female). The data is provided at an annual frequency, and includes information such as country code, country name, data source, observation year, observed value, and data status flag. This dataset is intended to support tasks such as tabular classification, regression, and time series forecasting, and is applicable to research on informal employment trends in the labor markets of Africa’s tourism sectors.

搜集汇总

数据集介绍

构建方式

本数据集源于国际劳工组织（ILO）旗下的ILOSTAT统计数据库，通过其REST API接口直接抓取指标‘EMP_TNIF_SEX_RT’（旅游业非正规就业率）的数据，并依据非洲ISO 3166-1 alpha-3国家代码进行地域筛选。原始数据源自各国劳动力调查、家庭收支调查等微观数据，经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调与标准化，确保跨国的可比性。Electric Sheep Africa团队对原始数据进行了再加工与封装，保留完整的溯源标签（source.label），最终形成包含183条观测值、覆盖22个非洲国家、时间跨度从2012年至2025年的结构化数据集。

特点

该数据集聚焦于非洲地区旅游业非正规就业比例这一单一核心指标，具有鲜明的地域与主题聚焦性。数据按性别维度（总、男、女）进行细致拆分，提供3个独特的性别分类值，便于开展性别视角的就业分析。时间序列以年度频率呈现，涵盖从2012到2025年长达14年的观测窗口，支持纵向趋势研究。每条记录均附有数据来源、观测状态（如‘序列中断’）及注释信息，透明地揭示了数据质量与潜在中断点，凸显了其作为官方统计数据的权威性与严谨性。数据集规模精巧，便于快速加载与探索。

使用方法

用户可通过HuggingFace Datasets库一键加载该数据集，使用`load_dataset()`函数即可将数据导入为Pandas DataFrame，适用于表格分类、回归及时间序列预测等机器学习任务。典型应用包括：按国家筛选后绘制特定指标随时间变化的折线图以洞察趋势；利用透视功能构建国家×年份的矩阵，用于跨区域对比或缺失值插补。该数据集还支持按性别维度进行分组分析，以评估非正规就业中的性别差异，为非洲劳动力市场政策研究提供即用型数据基础。

背景与挑战

背景概述

国际劳工组织（ILO）于2025年推出的非洲非正规旅游部门就业率数据集，由Electric Sheep Africa在HuggingFace上重新封装发布，收录了2012至2025年间22个非洲国家的183条观测数据。该数据集聚焦于旅游部门非正规就业占比这一核心指标，旨在揭示非洲大陆旅游经济中劳动力市场的结构性特征。作为ILOSTAT数据库的一部分，其数据源自各国劳动力调查、家庭收入调查和行政记录，并遵循国际劳工统计学家会议（ICLS）标准进行统一整合，为研究非洲非正规经济的规模、性别差异及政策干预效果提供了关键实证基础。该数据集的影响力体现在其对联合国可持续发展目标中体面工作指标的监测支撑，以及为区域比较和时间序列分析提供的标准化数据框架。

当前挑战

该数据集面临多重挑战：首先，非洲旅游部门非正规就业的高比例（部分国家超过75%）反映出的领域问题是，非正规经济数据采集困难且波动剧烈，传统劳动力调查难以覆盖流动性强、季节性明显的旅游从业者，导致统计口径不统一与数据缺失。其次，构建过程中需应对各国统计能力差异导致的调查频率不一致（如加纳仅有2015年数据），以及因方法修订（如break in series标记）引发的跨年可比性断裂。此外，同一国家同年份存在多个数据源时，ILO选择的“最佳来源”标准尚需透明化，而按性别分层的数据稀疏性也限制了深层次性别差异分析。

常用场景

经典使用场景

在劳动经济学与旅游发展交叉研究领域，该数据集凭借其跨越2012至2025年、涵盖22个非洲国家的面板数据，成为探究非正规旅游部门就业率时空演变的基石。研究者常将其作为核心解释变量或被解释变量，运用固定效应模型或时间序列分析方法，量化旅游业非正规就业的动态特征及其与国家经济结构转型的关系。数据集中按性别分层的观测值（男性、女性、总体）为分析就业性别差异提供了精准切口，使得关于旅游业非正规就业中性别不平等根源的计量分析得以深入开展。该数据集尤其适合用于构建面板回归模型，考察旅游业非正规就业率与宏观经济指标（如GDP增长率、失业率、旅游业收入占比）之间的长期协整关系。

解决学术问题

该数据集直面非洲劳动市场中一个长期被数据稀缺所掩盖的学术困境：非正规旅游业就业的真实规模与结构性特征。由于非洲国家统计能力参差，以往关于旅游业非正规就业的跨国比较研究常因数据口径不统一或时间跨度不足而流于粗疏。此数据集通过国际劳工组织（ILO）统一发布的标准化指标，首次以可复现的格式为学界提供了跨国、多年份的可比观测，使得研究者能够系统检验旅游业非正规就业是否构成劳动力市场的'缓冲垫'或'陷阱'，从而回应了发展经济学中关于非正规部门是经济韧性的表现还是制度性缺陷的经典辩题。其对性别维度的细致刻画，更推动了关于旅游业女性劳动参与率高但就业质量低这一悖论的实证突破。

衍生相关工作

该数据集的发布已催生出若干衍生性研究范式与工具集。基于其面板数据结构，研究者复现了经典的非正规就业决定因素回归模型，并将国家固定效应与时间趋势互动项纳入分析框架，形成了可复制的计量流水线。部分工作进一步将本数据与ILOSTAT同期发布的工资、工时及社会保障覆盖数据进行横向拼接，构建了旅游业非正规就业多维度画像数据库，用于评估旅游业就业正规化政策的长周期效果。在机器学习领域，有学者利用该数据集的时间序列特征（2012-2025年）训练了轻量级预报模型（如Prophet、LSTM），探索非洲国家旅游业非正规就业率的短期预测路径。这些衍生工作不仅验证了数据的高质量与可用性，也彰显了其在连接传统计量经济学与现代数据科学方面的桥梁价值。