electricsheepafrica/africa-ilo-how-xees-sex-eco-ins-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，主题为工作时间。具体指标为按性别、经济活动和公共/私营部门划分的雇员平均每周实际工作时间（指标代码：HOW_XEES_SEX_ECO_INS_NB）。数据集覆盖40个非洲国家，时间跨度为1991年至2025年，包含53,597个观测值。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码。数据集提供了详细的列结构，包括国家代码（ref_area）、国家名称、数据来源（source）、指标代码（indicator）、性别分类（sex，如总计、男性、女性）、经济活动和公共/私营部门分类（classif1和classif2）、观测年份（time）、观测值（obs_value）以及数据状态和注释等。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的最佳来源。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的机器学习就绪数据层。This dataset contains statistical data from the International Labour Organization (ILO) ILOSTAT database on the topic of Hours of work. The specific indicator is Mean weekly hours actually worked per employee by sex, economic activity and public/private sector (indicator code: HOW_XEES_SEX_ECO_INS_NB). It covers 40 African countries from 1991 to 2025, with 53,597 observations. Data is pulled from the ILOSTAT REST API and filtered to Africa ISO3 country codes. The dataset provides a detailed schema including country code (ref_area), country name, data source (source), indicator code (indicator), sex disaggregation (sex, e.g., total, male, female), economic activity and public/private sector classifications (classif1 and classif2), observation year (time), observed value (obs_value), and data status and notes. Data is published at annual frequency and includes quality caveats such as the use of ILO-selected best source. 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

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API接口直接获取指标编码为HOW_XEES_SEX_ECO_INS_NB的原始数据，再依据非洲国家ISO3代码进行地理筛选与整合。数据经过ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调处理，并保留来源标识列以增强可追溯性。最终由Electric Sheep Africa团队重新封装为标准化的Parquet格式，形成涵盖40个非洲国家、跨越1991至2025年的53,597条观测记录，聚焦于雇员平均每周实际工作小时数这一核心指标。

特点

本数据集最大的特色在于其精细的维度分解能力，提供按性别（总、男、女）、经济活动部门及公共/私营体制划分的多元分类视角。数据来源透明，每一观测值均附带来源标签与观测状态标志（如不可靠、临时性），便于用户评估数据质量。此外，数据集包含丰富的注释信息，如序列中断与方法修订说明，使得研究人员能够审慎处理时间序列中的结构性变化。其年频特性与覆盖40国的广度，为非洲劳动力市场的跨国家、跨时段比较研究奠定了坚实的数据基础。

使用方法

用户可通过HuggingFace的datasets库以load_dataset函数一键加载数据，并轻松转换为Pandas DataFrame进行后续分析。典型应用包括：利用ref_area列按国家筛选子集，探究特定国家的劳动时间趋势；针对单一指标进行时间序列可视化，观察非洲地区整体或分性别的工作时长演变；亦可通过pivot_table构造国家×年份的矩阵，生成面板数据结构，便于纳入计量经济模型。数据集中清晰的分类列（sex、classif1、classif2）支持用户灵活聚合或分组，满足从描述性统计到因果推断的多样化研究需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库整理发布，并由Electric Sheep Africa团队重新打包至HuggingFace平台，旨在提供非洲大陆按性别、经济活动及公共/私营部门划分的雇员实际周平均工时数据。数据集涵盖40个非洲国家，时间跨度从1991年至2025年，包含53,597条观测记录，为劳动经济学、发展经济学及公共政策研究提供了关键的量化依据。作为ILO核心统计数据，该数据集基于各国劳动力调查、家庭收入调查等官方来源，遵循国际劳工统计学家会议（ICLS）定义进行标准化，极大促进了跨国比较研究。其出现填补了非洲地区细粒度劳动时间数据的空白，对理解非正规就业、性别差异及劳动力市场动态具有深远影响力。

当前挑战

该数据集面临的核心挑战在于非洲地区原始数据收集的不均衡性与质量差异。领域层面，工时数据受非正规经济主导、季节性波动及多重就业模式影响，传统调查方法难以精确捕捉实际工作强度，导致估算偏差。构建过程中，ILO需协调40个国家在统计标准、调查频率及数据透明度上的巨大分歧，部分国家（如安哥拉、卢旺达）仅提供近年数据，而南非等则有长达二十余年序列，这种时空碎片化增加了跨区域整合的难度。此外，数据标注中存在的观测状态标志（如“不可靠”）及序列断裂注释，提示用户需谨慎处理异常值，并额外验证缺失数据的插补逻辑，以降低分析偏差对政策建议的干扰。

常用场景

经典使用场景

该数据集汇聚了非洲40个国家1991至2025年间雇员实际周均工作时间的海量观测数据，按性别、经济活动类别及公共/私营部门进行精细划分。在劳动力经济学与公共政策研究中，其典型应用包括构建面板数据模型以评估非洲各国工时模式的长期演变趋势，或利用时间序列分析方法捕捉特定国家或产业部门内的周期性波动。研究学者常借助该数据探讨经济发展阶段与工作时长之间的非线性关联，或量化性别差异在不同经济活动领域中的体现，为理解非洲大陆劳动市场的结构性特征提供了坚实的数据基础。

实际应用

在实际应用层面，该数据集是政府部门、国际组织及研究智库进行劳动政策模拟与监测评估的核心工具。通过追踪不同性别和产业部门的工时变化，政策制定者能够评估劳动法规执行成效、识别超时工作高发行业，并针对性地设计提升工作质量与生产效率的干预措施。例如，比较公共与私营部门的工时差异可为公务员制度改革提供数据支持，而按经济活动分类的工时数据则有助于行业层面的人力资源规划与职业健康安全标准的制定。该数据同样服务于可持续发展目标（特别是SDG 8.5）的进展监测，助力实现充分和生产性就业。

衍生相关工作

自该数据发布以来，已涌现出一系列极具影响力的衍生研究范式。其中，基于该数据集构建的非洲工时预测模型与劳动力市场景气指数，成为后续计量经济学研究的重要基准。相关工作包括利用机器学习方法揭示影响工时的非线性因素，以及将工时数据与工资、生产率等变量融合，构建综合性的区域劳动市场分析框架。此外，部分学者借助该数据开展了跨国比较研究，评估贸易协定、科技进步等宏观变量对非洲各国工时的冲击效应，其成果被广泛引用在劳动经济学与发展研究的权威期刊中，推动了非洲劳动统计数据的规范化与可复现研究文化的发展。