electricsheepafrica/africa-ilo-luu-xlu4-sex-age-geo-rt-composite-rate-of-labour-underutilization-lu4-by-s

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的劳动力未充分利用复合率（LU4）数据，按性别、年龄和城乡地区划分，单位为百分比。数据覆盖27个非洲国家，时间跨度为2003年至2025年，共有7,231个观测值。数据集重点关注一个独特指标：LUU_XLU4_SEX_AGE_GEO_RT，即按性别、年龄和城乡地区划分的劳动力未充分利用复合率。数据通过ILOSTAT REST API获取，并经过标准化处理，使用ICLS（国际劳工统计学家会议）定义进行协调，以确保数据可比性。数据集包含多个列，如国家代码、国家名称、来源、指标代码、性别分类、年龄分类、城乡分类、观测年份、观测值以及数据状态标志等，适用于表格分类、表格回归和时间序列预测等任务。数据为年度频率，部分数据可能具有临时性或不可靠性标志，适用于研究非洲劳动力市场、就业趋势和政策分析。This dataset contains composite rate of labour underutilization (LU4) data from the International Labour Organization (ILO) ILOSTAT database, disaggregated by sex, age, and rural/urban areas, measured in percentage. It covers 27 African countries from 2003 to 2025, with 7,231 observations. The dataset focuses on a single indicator: LUU_XLU4_SEX_AGE_GEO_RT, which represents the composite rate of labour underutilization (LU4) by sex, age, and rural/urban areas. Data is sourced directly from the ILOSTAT REST API and harmonized using ICLS (International Conference of Labour Statisticians) definitions for comparability. It includes columns such as country code, country name, source, indicator code, sex classification, age classification, rural/urban classification, observation year, observed value, and data status flags, making it suitable for tabular classification, tabular regression, and time-series forecasting tasks. The data is annual frequency, with some observations flagged as provisional or unreliable, and is intended for research on African labour markets, employment trends, and policy analysis.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）旗下的ILOSTAT统计数据库，通过其REST API接口直接采集原始指标数据，并依据非洲国家ISO3代码进行地理范围过滤。数据经过ILO基于国际劳动统计学家会议定义的标准化流程进行整合与清洗，确保跨国家与年份的可比性。之后由Electric Sheep Africa团队重新封装为适配机器学习工作流的Parquet格式，最终发布至HuggingFace平台。

使用方法

用户可使用HuggingFace的`datasets`库直接加载该数据集，通过`load_dataset`函数获取并转换为Pandas DataFrame以便后续分析。支持按国家代码`ref_area`进行子集筛选，或对特定指标按年份排序以绘制时间序列趋势图。亦可利用透视表功能将数据重塑为国家与年份的矩阵形式，适用于跨区域对比与计量经济学建模。

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团队进行二次封装，旨在提供非洲地区劳动利用不足的综合率（LU4）的精细结构化数据。数据集涵盖2003年至2025年间27个非洲国家的7,231条观测值，按性别、年龄及城乡区域进行分层，聚焦于衡量劳动力市场中未被充分利用的复合指标。作为ILOSTAT这一全球劳动统计权威数据源的子集，该数据集为研究非洲劳动力市场的结构性特征、性别与地域差异提供了关键支撑，推动了非洲劳动经济学与可持续发展目标（SDG）相关议题的量化分析。其发布显著提升了非洲劳动统计数据的可获取性与机器可读性，成为连接官方统计与机器学习应用的重要桥梁。

当前挑战

构建该数据集面临的核心挑战在于非洲劳工统计领域长期存在的数据缺口与质量异质性。首先，非洲各国劳动力调查的频率、覆盖范围与方法论差异显著，导致同一年份不同国家间的数据可比性受限。其次，ILOSTAT在整合原始调查微观数据时，需应用国际劳工统计学家会议（ICLS）定义进行统一标准化，这一过程面临不同调查问卷设计、时间序列断裂及元数据缺失的难题。此外，数据集中标注为“不可靠”（unreliable）或“暂定”（provisional）的状态码表明，部分观测值因样本量不足或调查时效性问题而存在测量不确定性。最后，从技术层面看，将多源异构的REST API响应转化为结构化、可复用的表格数据，并确保按性别、年龄等维度进行准确拆分，对数据处理管道的设计提出了严苛要求。

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27个国家2003年至2025年间劳动力利用不足综合率（LU4）的7,231条观测记录，按性别、年龄及城乡地域维度进行精细划分。在劳动经济学与社会科学领域，研究者常借助此类面板数据开展跨时期、跨国别的比较分析，例如绘制非洲各国劳动力闲置程度的时空演变图谱，或构建多维分类下的劳动力市场脆弱性指标体系。其包含的时间序列特征与分类变量结构，使其成为时序预测模型与分类回归任务的理想训练集。

解决学术问题

在学术研究层面，该数据集为解答非洲大陆劳动力市场深层次结构性难题提供了量化基石。它使得研究者能够超越传统失业率指标的局限，聚焦于那些被劳动力市场边缘化但未被标准失业统计所捕捉的群体——例如因就业不充分、劳动力依附关系或工作机会匮乏而处于潜在闲置状态的劳动者。通过LU4这一衡量劳动力利用不足的综合指标，学界得以更精准地评估社会保障政策的覆盖缺口、经济转型期的就业韧性，以及性别与代际不平等在非正规化劳动力体系中的传递机制。该数据的多维度分层特性还为异质性效应分析创造了条件，推动了对非洲城乡二元经济结构中劳动力配置效率的深入洞察。

实际应用

实际应用场景中，该数据集直接服务于国际发展机构、各国劳动部门及学术智库的决策支持系统。例如，政策制定者可利用其中分性别、分年龄段的LU4时间序列，识别出青年女性与农村中老年男性等劳动力闲置高风险人群，从而精准设计技能培训、就业帮扶或社会保障干预措施。在区域经济一体化层面，跨国面板数据有助于评估非洲大陆自由贸易区对不同国家劳动力资源的动态影响。此外，国际劳工组织的统计标准一致性保障了数据在跨年份、跨国别比较中的可比性，使该数据集成为监测可持续发展目标（SDG）第8项体面工作指标的可靠工具。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区劳动利用不足的综合率（LU4）研究，涵盖了27个非洲国家从2003年至2025年的观测数据，按性别、年龄及城乡区域进行细分。当前前沿研究趋势集中于利用此类时序与面板数据，结合机器学习和时间序列预测模型，深入剖析非洲大陆劳动市场的结构性特征与动态演变规律。尤其在青年就业危机、性别不平等以及城市化进程中劳动力资源配置效率等热点议题上，该数据集提供了标准化、可复现的量化基础。通过与ILOSTAT官方统计体系的接轨，研究者能够追踪不同政策干预下的劳动利用模式变化，为可持续发展目标（SDG）中的体面工作与经济增长指标评估提供坚实的数据支撑，推动了非洲劳动经济学领域从描述性分析向预测性建模的范式转变。