us-warn-act-layoff-notice-period-days

该数据集基于美国《工人调整和再培训通知法案》（WARN Act）的裁员通知，计算并统计了通知日期与实际裁员日期之间的间隔天数（notice_days = effective_date - notice_date）。数据来源于美国39个州劳动部门门户网站，每天自动更新。数据集包含两个配置： - default（data/notice_period.csv）：7,391行，覆盖2024年至今的每条通知记录，字段包括唯一标识符（id）、州代码（state）、公司名称（company）、地点（location）、受影响的员工人数（employees_affected）、通知日期（notice_date）、生效日期（effective_date）和通知天数（notice_days）。 - by_state_year（data/notice_period_by_state_year.csv）：356行，覆盖1988年至今的整个档案，每行按州和年份聚合，字段包括州代码（state）、年份（year）、可测量通知数（measurable_notices）、少于60天的通知数（under_60_days）、少于60天的比例（pct_under_60_days）以及最小样本阈值（min_sample_for_pct）。 数据集可应用于表格回归（预测通知天数）和表格分类（判断是否少于60天）等任务。注意：仅包含同时有通知日期和生效日期的通知（约26,029条，占全部45,801条的一部分）；对于生效日期早于通知日期的情况（约9,984条）被视为录入错误并排除；通知日期通常为州政府收到通知的日期，可能晚于员工被告知的日期，因此少于60天并不一定意味着违法。数据集采用CC BY 4.0许可，需注明出处。This dataset is based on layoff notices under the U.S. Worker Adjustment and Retraining Notification (WARN) Act, calculating the number of days between the notice date and the actual layoff date (notice_days = effective_date - notice_date). Data is sourced from state labor department portals in 39 U.S. states and is updated daily. The dataset includes two configurations: default (data/notice_period.csv) with 7,391 rows covering each notice record from 2024 to present, with fields including unique identifier (id), state code (state), company name (company), location (location), number of affected employees (employees_affected), notice date (notice_date), effective date (effective_date), and notice days (notice_days); by_state_year (data/notice_period_by_state_year.csv) with 356 rows covering the entire archive from 1988 to present, aggregated by state and year, with fields including state code (state), year (year), measurable_notices, under_60_days, pct_under_60_days, and min_sample_for_pct. The dataset can be used for tabular regression (predicting notice days) and tabular classification (determining if less than 60 days). Note: Only includes notices with both notice date and effective date (approximately 26,029 out of 45,801 total); cases where the effective date is earlier than the notice date (approximately 9,984) are considered data entry errors and excluded; the notice date is typically the date the state receives the notice, which may be later than the date employees are informed, so fewer than 60 days does not necessarily imply a violation. The dataset is licensed under CC BY 4.0, requiring attribution.

原始信息汇总

美国WARN法案裁员通知提前期数据集

数据集概述

该数据集基于美国《工人调整和再培训通知法案》（WARN Act），记录了雇主提交裁员通知日期与实际裁员日期之间的间隔天数（notice_days = effective_date − notice_date）。数据每日从39个州劳工部门门户网站自动抓取并重建，追踪美国各州发布的裁员通知是否满足60天法定提前期要求。

核心发现

• 总体规模：完整档案覆盖1988年至今共45,801条通知，其中26,029条同时包含通知日期与裁员日期，可被计量
• 关键结论：可计量的通知中，49.6%（12,907条）提前期不足60天，涉及1,243,290名工人
• 中位提前期恰为60天，表明大量雇主恰好按法定底线提交
• 提前期不足14天的通知有2,990条；当日通知（裁员日=通知日）有1,215条

数据文件与配置

配置名	文件	行数	内容
default	data/notice_period.csv	7,391	2024年至今免费窗口期，每条通知一行，每日刷新
by_state_year	data/notice_period_by_state_year.csv	356	完整档案（1988年至今）按州-年统计的计数数据，无雇主名称，完全免费

主要字段说明（default配置）

• id：稳定哈希ID，可关联日度通知数据集
• state：州代码（两位字母）
• company：雇主名称
• location：城市/地点
• employees_affected：受影响员工数（州未提供则为空）
• notice_date：通知提交/接收日期
• effective_date：裁员生效日期
• notice_days：两者间隔天数

按州-年计数配置四要素

state（州代码）、year（通知年份）、measurable_notices（双日期齐全的通知数）、under_60_days（不足60天的数量）、pct_under_60_days（占比，样本量低于30时不公布，避免小样本误导）、min_sample_for_pct（样本门槛值30）

分年度趋势（2015年起）

年份	双日期齐全	不足60天	占比
2015	1,282	591	46%
2016	1,178	503	43%
2017	1,142	459	40%
2018	1,112	488	44%
2019	1,395	655	47%
2020	3,081	2,227	72%
2021	1,004	561	56%
2022	1,227	707	58%
2023	2,269	1,402	62%
2024	2,620	1,292	49%
2025	2,656	1,131	43%
2026	2,115	849	40%

不足60天比例最高的州（样本量200+）

州	双日期齐全	不足60天	占比
TX（得克萨斯）	1,572	989	63%
TN（田纳西）	649	401	62%
CA（加利福尼亚）	10,262	6,239	61%
CT（康涅狄格）	730	416	57%
AL（亚拉巴马）	981	505	51%
CO（科罗拉多）	475	243	51%
FL（佛罗里达）	2,094	1,044	50%
WA（华盛顿）	1,315	612	47%
KY（肯塔基）	491	219	45%
MD（马里兰）	1,026	398	39%
WI（威斯康星）	463	177	38%
OR（俄勒冈）	1,172	438	37%

方法与重要限制

• 仅计量双日期齐全的通知：45,801条中仅26,029条可计量；8,476条无裁员日期、1,312条无通知日期，均直接排除而非猜测
• 排除异常数据：9,984条通知的裁员日期早于通知日期（来源文件中的转录错误），被排除且不做绝对值化或翻转处理
• “不足60天”≠“违法”：WARN法案设有企业困境、不可预见商业情况、自然灾害等法定豁免条款；各州迷你WARN法案也有自己的门槛与触发条件。该数据集仅计量两个公开日期之间的间隔，不判定合规性
• 通知日期可能滞后：通知日期常为州政府收到文件的日期，而非工人被告知的日期（如加州记录的是EDD收到日期），可能滞后数日至数周。因此不发布按雇主的短期通知排名

数据更新

每日自动重建（generated_at更新时间为2026-09-08T00:44:01.054739Z），静态副本一周内即会过时。

许可证

CC BY 4.0。底层通知为美国各州公共记录。署名要求：“WARN Feed, https://approjects-warn-act-notices.static.hf.space”。与US劳工部及任何州机构无关联。

搜集汇总

数据集介绍

构建方式

本数据集源自美国各州依《工人调整与再培训通知法》（WARN Act）发布的强制性裁员公告，通过每日自动化管线从40个州劳工部门门户采集原始通知，经标准化清洗、双重日期比对与质量标准筛选，构建出涵盖1988年迄今共27,010条可量化样本的纵向档案。构建流程严格遵循两项原则：其一，仅纳入同时具备通知日期与生效日期的记录，缺失任一日期者不予推测；其二，对于生效日期早于通知日期的10,125条疑似转录异常样本，予以剔除而非修正，以杜绝人为虚构通知期限。核心变量"notice_days"由生效日期减去通知日期计算得出，辅以稳定哈希标识符可关联至每日原始通知数据集，确保每行数据的可追溯性与动态更新的时效性。

特点

数据集的核心发现揭示了中位通知期恰为60天的临界现象——近半数（49.0%）通知未达法定60天，涉及约127.8万名工人，其中1,299份为当日生效通知，凸显雇主在合规红线边缘的普遍行为模式。其结构性特征体现在双重粒度设计：全量逐条档案提供细至企业、地点、员工数的观测，而按州-年聚合的次级配置则覆盖无空缺的全部历史，并设定30条可测量通知的样本下限，百分比空白时仍公布原始计数，确保统计透明的学术严谨性。跨州差异显著，德州、田纳西、加州低于60天占比逾六成，而俄勒冈、威斯康星等州相对合规，为区域劳工政策研究提供了量化参照。

使用方法

用户可通过HuggingFace datasets库便捷加载两类配置：默认配置返回逐条通知的完整字段，适配回归、分类等精细化建模任务；次级配置"by_state_year"提供州-年层级的计数与占比，适合宏观趋势分析及面板数据研究。Python示例：from datasets import load_dataset; data = load_dataset("APProjects/us-warn-act-layoff-notice-period-days", "by_state_year")["train"]。鉴于数据每日更新且属公共记录（CC BY 4.0许可），研究者在引用时应标注来源，并注意方法论警示——数据仅衡量两个公开日期间隙，不构成法律合规性判定，使用时需结合各州差异与转录时滞进行审慎解读。

背景与挑战

背景概述

数据集由APProjects团队基于美国《工人调整和再培训通知法案》（WARN Act）构建，创建于2026年，每日自动更新，覆盖自1988年以来的46,924份裁员通知。核心研究问题在于量化雇主实际提供的裁员通知期，填补了政府公开数据中通知日期与生效日期之间差异的空白。该数据集首次系统性地揭示了近半数通知未达到60天法定标准，中位数恰好为60天，为劳动经济学、就业法律合规性研究提供了关键实证基础，对政策制定者、劳工权益倡导者及学术研究者具有重要参考价值。

当前挑战

领域挑战在于WARN法案虽规定60天通知期，但存在法定豁免情形，且各州迷你WARN法案阈值不同，单纯日期差无法判定合规性。构建过程面临多重障碍：原始档案中约19%的通知缺失至少一个关键日期，约22%的通知存在日期颠倒或年份笔误等转录错误，需审慎排除而非臆测填补。由于各州通知日期反映的是政府部门接收时间而非员工实际获知时间，存在处理延迟，此类偏差使得跨州比较及雇主排名易产生误导，故数据集仅提供汇总统计，避免归因错误，同时为样本量不足30件的州-年份组合留白百分比，确保统计严谨性。

常用场景

经典使用场景

该数据集系统性地汇集了美国《工人调整与再培训通知法案》（WARN Act）下自1988年至今各州提交的裁员通知中的关键日期信息，并精确计算了从通知日期至裁员生效日期之间的实际天数。其核心价值在于为劳动经济学、就业政策及企业行为研究提供了独一无二的量化视角，使研究者能够跨越四十年时空，审视企业在法定预警期（通常为60天）内的实际表现。作为面板数据，它支持对时间趋势、州际差异及行业特征的实证分析，成为评估预警制度执行效力的经典数据基石。

实际应用

在实践场景中，该数据集服务于多元化的社会主体。对于政策制定者与劳工权益机构，它可作为监测各州执行WARN法案效能的工具，识别高违规率地区或时期，为完善法规或加强执法提供数据依据。对于受到裁员影响的劳动者及工会，该数据支持其核查所在企业是否遵循了法定预警期，从而维护自身权益。对于人力资源与企业管理咨询领域，它提供了行业内标杆对比基准，有助于企业审视自身合规流程。此外，区域经济规划部门可借助该数据分析大规模失业事件的地理与时间分布，从而优化职业培训与再就业服务资源的配置。

衍生相关工作

该数据集的发布已衍生出一系列具有影响力的应用与研究工作。其关联的每日更新数据集与自动化监测管道（如WARN Watch）构成了持续跟踪裁员预警的动态基础设施。学术上，研究者已利用其时间序列特性，探讨经济周期、州级法律差异对预警行为的影响，并构建模型预测不同情境下的合规概率。进一步衍生的工作包括对州政府处理流程延迟的量化研究（将接收日期与雇员通知日期的差异分离），以及为宏观劳动力市场监测提供高频指标。其方法论——即处理缺失数据、日期倒置等现实噪音的严谨框架——亦被其他劳动法规数据集的建设所借鉴。