electricsheepafrica/africa-ilo-emp-xtru-sex-geo-mts-rt-time-related-underemployment-rate-by-sex-rural-urb

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的时间相关就业不足率数据，覆盖32个非洲国家，时间跨度为1996年至2025年，共计3398个观测值。数据指标为按性别、城乡地区和婚姻状况划分的时间相关就业不足率（%），以年度频率提供，并包含国家、数据来源、性别、分类变量、观测值和质量标志等字段。数据集适用于表格分类、回归和时间序列预测任务，旨在为非洲劳动力市场研究提供机器学习就绪的数据支持。This dataset contains 3,398 observations of Time-related underemployment data from the International Labour Organization (ILO) ILOSTAT database, covering 32 African countries from 1996 to 2025. The indicator is EMP_XTRU_SEX_GEO_MTS_RT, representing the time-related underemployment rate by sex, rural/urban area, and marital status (%). Data is provided at annual frequency and includes fields such as country, source, sex, classification variables, observed values, and quality flags. It is designed for tabular classification, regression, and time-series forecasting tasks, offering a machine-learning-ready data layer for African labor market analysis.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织统计数据库（ILOSTAT）所发布的非洲区域劳动力市场指标，经Electric Sheep Africa团队对原始元数据进行系统化整理与标准化封装而成。构建过程以保留原始统计口径为前提，将分散于不同国家与年份的与时间相关的就业不足率数据汇聚为统一的表格结构，涵盖性别、城乡区域及婚姻状况等分类维度，并以Parquet格式存储，便于后续程序化读取与分析。元数据清单记录了数据来源、许可证及发布时间等关键信息，确保数据血缘可追溯。

特点

数据集覆盖32个非洲国家，时间跨度自1996年至2025年，共包含3398条观测记录，聚焦于与时间相关的就业不足率这一劳动力市场核心指标。其显著特点在于多维度分组设计，同时纳入性别、城乡区域与婚姻状况三个社会人口学变量，为考察非洲就业不足现象的群体差异提供了细致的数据基础。数据以表格与文本模态呈现，规模属于千至万条量级，采用知识共享署名4.0许可协议，并在Hugging Face平台提供标准化元数据与使用指引，便于非洲数据发现与复用。

使用方法

使用者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，获取各分片的结构与特征信息，并可视需要转换为Pandas数据框以便开展统计分析。在建模或推断前，建议先行检查数据模式与缺失值分布，避免盲目插补；同时应结合原始来源确认变量定义与计量单位。若需进行跨国或跨年比较，可利用数据中显式的地理与时间字段进行合并或分组，并遵循CC BY 4.0许可要求规范引用Electric Sheep Africa及ILOSTAT来源。

背景与挑战

背景概述

伴随国际劳工组织对全球劳动力市场监测的持续深化，时间相关就业不足作为衡量劳动力利用效率的关键指标，日益受到发展经济学与劳动经济学的关注。该数据集由Electric Sheep Africa于2026年整理发布，数据源自国际劳工组织劳工统计数据库（ILOSTAT），涵盖1996至2025年间32个非洲国家共计3398条观测记录，按性别、城乡区域及婚姻状况等维度系统刻画时间相关就业不足率的分布特征。作为非洲公共数据目录的重要组成部分，该数据集为探究非洲劳动力市场结构性失衡、非自愿兼职就业及区域发展差异提供了标准化的微观证据基础，其规范化的元数据框架亦为跨数据集比较分析树立了可复用的范本。

当前挑战

该数据集所直面的领域问题在于，非洲各国劳动统计体系发展不均衡，时间相关就业不足的测量口径、抽样方法与报告周期存在显著异质性，致使跨国家与跨年度的可比性面临内生性障碍。构建过程中，原始ILOSTAT数据经重新打包与元数据标准化处理，需在保留上游发布者统计语义的同时，弥合性别、城乡与婚姻状况等多维分组带来的稀疏性与缺失值问题，尤其是部分国家在早期年份的观测缺口对面板分析构成限制。此外，非正式部门就业在非洲经济中占比颇高，而现行统计框架对其时间利用的捕捉能力有限，这一结构性盲区持续制约着就业不足率指标的完备性与政策解释力。

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处，该数据集以其对时间相关就业不足率的多维刻画而成为经典分析素材。研究者通常将其用于按性别、城乡地域与婚姻状况分组的横截面比较，揭示非洲三十二国在1996至2025年间劳动力未充分就业的结构性差异。典型工作流程包括加载parquet格式数据、检视缺失模式，并围绕性别与城乡维度绘制时间序列趋势图，以观察不同社会群体在劳动时间配置上的异质性。

实际应用

在政策实践层面，该数据集可服务于国际组织与各国劳工部门的监测需求。分析师借助其识别哪些人群在特定年份面临较高的时间相关就业不足风险，进而为就业促进项目、农村生计干预与性别包容政策提供靶向依据。结合国家与年份字段，还可将其与其他社会经济指标联结，用于构建预警看板或评估劳动力市场政策的阶段性成效。

衍生相关工作

围绕该数据集已衍生出一系列典型工作，包括基于ILOSTAT口径的非洲就业不足跨国比较研究、将时间相关就业不足率与贫困或非正式就业指标联结的复合分析，以及在Electric Sheep Africa目录下与其他非洲劳动统计数据集进行的元数据整合与联合建模。这些工作共同推动了非洲劳动力市场数据的可发现性与二次利用，并为后续机器学习驱动的就业质量预测奠定了数据基础。