electricsheepafrica/africa-ilo-emp-xtru-sex-mts-rt-time-related-underemployment-rate-by-sex-and-marit

该数据集包含关于按性别和婚姻状况分列的时间相关就业不足率（%）| 非洲（ILOSTAT）的3,609个观测值，涵盖35个非洲国家，时间跨度为1991年至2025年。数据来自国际劳工组织（ILO）的ILOSTAT数据库，这是一个全球领先的劳动力统计来源，涉及就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作目标等指标。数据通过ILOSTAT REST API提取，并过滤为非洲国家代码。数据集包括以下列：ref_area（国家代码）、ref_area.label（国家名称）、source（数据来源代码）、source.label（来源名称）、indicator（指标代码）、indicator.label（指标名称）、sex（性别分类）、sex.label（性别标签）、classif1（第一分类变量）、classif1.label（第一分类标签）、time（年份）、obs_value（观测值）、obs_status（观测状态标志）、obs_status.label（状态标签）、note_indicator（指标注释）、note_indicator.label（指标注释标签）、note_source（来源注释）、note_source.label（来源注释标签）。数据按年度频率提供，并包含性别和婚姻状况等分类维度。使用示例包括加载数据集、按国家过滤、时间序列分析和数据透视。数据集遵循cc-by-4.0许可证，由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset contains 3,609 observations of Time-related underemployment rate by sex and marital status (%) | Africa (ILOSTAT), covering 35 African countries from 1991 to 2025. The data is sourced from ILOSTAT, the International Labour Organizations central statistics database, which is a leading global source for labour statistics, including indicators on employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. Data is pulled directly from the ILOSTAT REST API and filtered to Africa ISO3 country codes. The dataset includes columns such as ref_area (country code), ref_area.label (country name), source (source code), source.label (source name), indicator (indicator code), indicator.label (indicator name), sex (sex disaggregation), sex.label (sex label), classif1 (first classification variable), classif1.label (first classification label), time (year), obs_value (observed value), obs_status (observation status flag), obs_status.label (status label), note_indicator (indicator note), note_indicator.label (indicator note label), note_source (source note), note_source.label (source note label). Data is provided at annual frequency and includes disaggregation dimensions like sex and marital status. Usage examples include loading the dataset, filtering by country, time-series analysis, and pivoting to matrices. The dataset is released under the cc-by-4.0 license and 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中央统计数据库（ILOSTAT）所发布的原始统计资料，由Electric Sheep Africa团队依据其标准化元数据清单进行系统性再包装与工程化处理。构建过程涵盖对原始劳动统计指标的提取、清洗与格式转换，最终以Parquet列式存储格式呈现，同时附带标准化的元数据说明、溯源信息及面向分析者的使用导引。数据覆盖35个非洲国家，时间跨度为1991年至2025年，共计3,609条观测记录，聚焦于按性别与婚姻状况细分的时间相关不充分就业率指标。

特点

数据集以表格与文本双模态呈现，体量居于1K至10K观测值之间，适用于表格分类与回归任务。其核心特征在于多维度的分层结构，将时间相关不充分就业率依据性别与婚姻状况进行交叉分类，为劳动经济学研究提供细粒度视角。数据以英语单语形式发布，采用CC BY 4.0开放许可，标签体系涵盖劳动、就业、不充分就业及非洲区域研究等主题，便于在非洲数据发现框架下进行跨库关联与比较分析。

使用方法

使用者可通过Hugging Face的datasets库以一行代码加载数据集，调用load_dataset函数并传入仓库标识符即可获取数据对象，进而查看数据分割、特征结构与样本记录。对于表格型数据，可将其转换为Pandas DataFrame以便进行统计分析与建模。在应用过程中，建议先行审视数据模式与缺失值分布，依据国家、年份与指标字段进行子群剖析，并在与其它Electric Sheep Africa数据集联接时明确国家与时间标识，同时保留缺失值直至确立可辩护的插补规则。

背景与挑战

背景概述

非洲大陆的劳动力市场长期面临就业不足的结构性困境，国际劳工组织（ILO）为此构建了ILOSTAT统计数据库，但非洲区域数据的碎片化与可获取性不足制约了实证研究的深入。Electric Sheep Africa于2026年发布的该数据集，系统整合了35个非洲国家1991至2025年间与时间相关的就业不足率观测数据，共计3,609条记录，并按性别与婚姻状况进行分层。该数据集依托标准化元数据框架，为探究非洲劳动力市场中性别差异与婚姻状态对就业质量的影响提供了可复现的分析基础，对推动非洲劳动经济学的量化研究具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，非洲各国就业不足的测量口径与统计能力参差不齐，导致跨国比较与趋势分析面临可比性障碍。在构建层面，数据集面临多重挑战：源数据跨越三十余年，各国上报频率与覆盖年份不统一，造成时序上的结构性缺失；性别与婚姻状况的分层维度在部分国家并未完整采集，加剧了子群分析的样本稀疏性；此外，元数据清单明确标注国家字段与上游发布者信息存在缺失，对数据溯源与地理编码的准确性构成潜在威胁，分析者需在建模前审慎核验变量定义与单位。

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汇地带，时间相关不充分就业率长期被视为衡量劳动力市场质量的关键指标。该数据集以性别与婚姻状况为分组维度，系统收录了35个非洲国家自1991年至2025年间共计3609条观测记录，为研究者提供了横跨三十余年的跨国面板数据。经典使用场景集中于构建性别与婚姻状态交互项的面板回归模型，考察不同社会角色群体在劳动时间配置上的结构性差异，并借助Parquet格式的轻量特性实现高效的数据加载与可视化探索。

解决学术问题

长期以来，非洲劳动力市场研究面临性别与婚姻状况维度下不充分就业数据碎片化、口径不统一的困境，跨国比较分析往往受制于样本覆盖不足与时间跨度有限。该数据集依托国际劳工组织统计数据库的权威口径，整合了三十五国近三十四年的连续观测，有效缓解了既有文献中性别维度数据匮乏与婚姻状态分类粗糙的问题。其意义在于为检验家庭分工理论、性别劳动供给弹性等假说提供了可复现的实证基础，并推动了非洲劳动统计数据的标准化与开放共享。

衍生相关工作

围绕该数据集，已有若干衍生研究沿两个方向展开：其一，与Electric Sheep Africa目录中其他ILOSTAT指标数据集进行国家级与年度维度的横向联结，构建涵盖失业率、劳动参与率与不充分就业率的多指标分析矩阵；其二，基于其性别与婚姻状况分组结构，研究者开发了劳动时间贫困的分解分析框架，用以辨析人口结构与经济周期对不充分就业变动的相对贡献。这些工作共同拓展了非洲劳动统计数据的分析纵深，并为后续机器学习驱动的劳动市场预测模型奠定了数据基础。