electricsheepafrica/africa-ilo-emp-5nif-sex-eco-rt-informal-employment-rate-by-sex-and-economic-activ

该数据集包含非洲23个国家2016年至2025年间按性别和经济活动划分的非正规就业率（基于第19届国际劳工统计学家会议定义）的1,011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获取并过滤至非洲国家，涵盖单一指标（EMP_5NIF_SEX_ECO_RT），涉及性别（总计、男性、女性）和经济活动部门的细分维度。数据集以表格形式提供，包括国家代码、年份、观测值及元数据列，适用于表格分类、回归和时间序列预测任务。This dataset contains 1,011 observations on informal employment rates disaggregated by gender and economic activity for 23 African countries between 2016 and 2025, defined in accordance with the 19th International Conference of Labour Statisticians (ICLS). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), obtained via a REST API and filtered to retain only African countries. It covers a single indicator (EMP_5NIF_SEX_ECO_RT), with disaggregation dimensions including gender (total, male, female) and economic activity sectors. The dataset is provided in tabular format, comprising country codes, years, observed values, and metadata columns, and is suitable for tabular classification, regression, and time series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集基于国际劳工组织（ILO）的ILOSTAT数据库构建，通过REST API接口直接提取指标EMP_5NIF_SEX_ECO_RT的原始数据，并依据非洲ISO3国家代码进行地理范围过滤。ILOSTAT自身通过整合各国劳动力调查、家庭收入调查及行政记录等微观数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理，确保了跨国的可比性。数据集中每个观测值均附带了来源标记（source.label），便于追溯原始调查的出处，从而在整合过程中保持了数据的透明性与可验证性。

特点

该数据集聚焦于非洲23个国家在2016至2025年间按性别和经济活动划分的非正规就业率，共包含1011条观测值。其核心特点在于提供了高维度的分类信息：不仅涵盖了性别（总计、男性、女性）的精细化拆分，还通过classif1字段呈现了经济活动的广泛部门划分，使得研究者能够深入剖析非正规就业在不同人口群体与产业领域中的分布差异。此外，数据集中包含观测状态标记（obs_status）与注释字段，如指示方法修订的断点说明，为时间序列分析中的连续性评估提供了关键的质量信号。

使用方法

用户可通过HuggingFace的datasets库便捷地加载该数据集，利用load_dataset()函数即可将数据直接转换为pandas DataFrame结构，便于进行后续的数据探索与建模。针对单一国家的分析，可通过过滤ref_area字段（如'KEN'代表肯尼亚）快速提取子集；对于时间序列趋势分析，可按indicator筛选后按time列排序并绘制观测值曲线。此外，为构建面板数据，可将数据透视为以年份为行、国家为列的矩阵，从而支持跨国的比较研究与计量经济分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa重新整理后托管于HuggingFace平台，聚焦非洲23个国家2016至2025年间按性别与经济活动划分的非正规就业率。核心研究问题在于揭示非洲大陆非正规经济的结构性特征及其性别差异，为劳动经济学、发展经济学及政策制定者提供标准化、机器可读的时序数据支撑。依托ILO权威统计数据库ILOSTAT，该数据集整合了多国劳动力调查的微观数据，采用第19届国际劳动统计学家会议（ICLS）定义进行协调，其影响力体现在弥补了非洲非正规经济领域高质量、跨国产出数据的匮乏，推动了基于证据的政策评估与机器学习模型的开发。

当前挑战

该数据集面临的领域挑战在于非正规就业本身的定义模糊性与测量困难，不同国家采用差异化的调查方法和分类标准，导致跨国可比性受损，且非正规经济活动常隐蔽于统计体系之外。构建过程中，数据来源的异质性构成主要障碍——各国劳动力调查的抽样设计、问卷结构和数据质量参差不齐，ILO需通过协调程序选择‘最佳来源’并标记方法变更，但时间序列中的断裂点与状态标志（如推测值、不可靠值）仍可能引入偏差。此外，有限的国家覆盖（仅23国）与年度频率限制了对快速变化的非正规经济动态的实时捕捉能力。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中关于非洲23国非正规就业率的官方统计数据，涵盖2016至2025年间按性别和经济活动划分的详细观测值。其经典使用场景聚焦于跨国家、跨时间维度的非正规就业动态分析，研究者可借助该数据集构建面板数据模型，探究性别差异在非正规就业中的演变规律，或通过时间序列方法预测特定经济部门非正规就业的波动趋势。数据集中包含的‘性别人口’与‘经济活动’分类标签，为多维度交叉分析提供了坚实基础，使其成为劳动经济学、发展经济学领域内研究非洲劳动力市场结构转型的关键数据资源。

实际应用

在实际应用层面，该数据集服务于国际发展机构、非洲各国劳工部及政策研究智库的非正规经济治理实践。例如，通过对性别细分数据的挖掘，政策制定者可精准识别出女性劳动者在非正规就业中的脆弱性，从而设计更具包容性的社保覆盖方案与职业培训计划。非政府组织可借此评估特定经济活动（如农业与服务业）中非正规就业的集中程度，以优化资源配置。此外，该数据集也为企业社会责任项目提供了地理定位依据，帮助跨国投资者在进入非洲市场前识别各国劳工法律风险，推动供应链中的合规性审查。

衍生相关工作

基于该数据集，已衍生出一系列推动非洲劳动经济学发展的经典工作。最显著的方向包括构建多国非正规就业预测模型，研究者利用LSTM等深度学习架构对时间序列进行建模，成功捕捉了新冠疫情对非洲非正规就业的冲击效应。其次，有学者将该数据与家庭消费调查及夜间灯光遥感数据嵌套，通过空间计量方法揭示了非正规就业集群与城市化进程的共变关系。此外，性别经济学领域也涌现了利用该矩阵数据进行的双重差分分析，量化了不同国家女权立法改革对非正规就业性别比的影响。这些工作共同塑造了以数据驱动的非洲劳动力市场研究范式，显著提升了该区域在国际劳动统计学术版图中的可见度。