electricsheepasia/asia-ilo-eap-2wap-sex-age-rt-labour-force-participation-rate-by-sex-and-age-ilo

该数据集包含亚洲49个国家的劳动力参与率数据，涵盖1990年至2027年期间，共计50,031个观测值。数据来源于国际劳工组织(ILO)的ILOSTAT数据库，核心指标为按性别和年龄划分的劳动力参与率——ILO模型估算值(2025年11月)(%)。数据集提供了按性别(总计、男性、女性)和年龄组(15岁及以上)分组的详细统计数据，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，确保国际可比性，并包含数据来源和质量标志信息。This dataset contains labor force participation rate data for 49 Asian countries, spanning the period from 1990 to 2027, with a total of 50,031 observations. The data is sourced from the International Labour Organizations ILOSTAT database, with the core indicator being Labour force participation rate by sex and age -- ILO modelled estimates, Nov. 2025 (%). It provides detailed statistics disaggregated by sex (total, male, female) and age group (15+), suitable for tabular classification, regression, and time-series forecasting tasks. The data is harmonized by the ILO for international comparability and includes source and quality flag information.

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（ILO）的ILOSTAT核心统计数据库，通过其REST API接口直接获取原始指标数据（ID为EAP_2WAP_SEX_AGE_RT），并依据亚洲ISO3国家代码进行地理范围筛选。数据经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行标准化处理，整合了各国劳动力调查、家庭收入调查及行政记录等多源微观数据。Electric Sheep Asia团队在此基础上完成了数据重封装，统一模式并转换为Parquet格式，最终形成包含50,031条观测值的结构化表格数据集，覆盖1990年至2027年的时间跨度。

特点

该数据集的核心特色在于其多维度的精细分层设计，涵盖了49个亚洲国家按性别（总人口、男性、女性）与年龄群组划分的劳动力参与率。每个观测值均附有明确的来源标签（source.label）以确保可溯源性，并包含观测状态标志（obs_status）用于标识数据性质（如真实值、预估或临时数据）。数据以年度频率呈现，且指标值经过ILO模型估算，填补了部分国家在特定年份的数据空白，为跨国家、跨时段的比较研究提供了统一且可靠的数据基础。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，一句`load_dataset`命令即可获取完整的DataFrame格式数据。借助Python的pandas工具，用户能够灵活地进行单国数据筛选（如按ISO代码过滤）、特定指标的时间序列分析（排序后可视化趋势），或构建以年份为行、国家为列的透视矩阵，便于开展面板数据分析。数据集模式清晰，列名（如ref_area、sex、classif1、obs_value）与ILOSTAT标准一致，降低了跨数据集的整合门槛，适合劳动经济学、发展经济学及社会科学领域的定量研究。

背景与挑战

背景概述

在全球劳动力市场监测与可持续发展目标（SDGs）评估的宏大叙事中，准确、细粒度且具可比性的劳动力参与率数据是政策制定与学术研究的基石。国际劳工组织（ILO）作为劳工统计领域的权威机构，其ILOSTAT数据库长期为全球200多个经济体提供标准化指标。在此背景下，雅加达的Electric Sheep Asia团队依托ILO于2025年11月发布的建模估计，于2026年构建了覆盖1990至2027年、囊括亚洲49国的劳动力参与率数据集。该数据集的核心研究问题在于，如何通过统一的分性别、分年龄人口结构维度，揭示亚洲地区劳动力供给的动态演变规律，从而为区域经济研究、劳动力市场预测及包容性增长策略提供可靠依据。其发布不仅填补了亚洲区域高粒度、长时序公开数据集的空白，更通过HuggingFace平台向机器学习社区提供了可直接调用的时序数据，显著降低了数据获取与预处理的门槛，对劳动经济学与区域发展研究产生了积极的推动作用。

当前挑战

该数据集面临的首要挑战在于所解决的领域问题：劳动力参与率本身受经济周期、产业结构、文化规范及政策干预等多重因素交织影响，且不同国家对‘劳动力’的定义与调查口径存在历史差异。ILO虽通过国际劳工统计学家会议（ICLS）标准进行数据协调，但原始调查数据质量的参差不齐与时间序列上的断点问题依然存在，导致建模估计值在统计置信度与区域可比性上需谨慎解读。构建过程中的挑战则更为具体：数据整合需从ILOSTAT REST API精确提取特定指标（EAP_2WAP_SEX_AGE_RT），并过滤出亚洲国家的ISO3代码；同时需处理多来源数据在相同国家-年份下的‘最优来源’选择逻辑，以及分类维度（如sex与classif1）中部分非空值的缺失问题。此外，将年度频率数据转化为适用于时间序列预测的规范格式，并保证跨国家、跨年份观测（50,031条记录）的完整性，亦对数据处理管道的鲁棒性提出了严苛要求。

常用场景

经典使用场景

在劳动经济学与人口统计学交汇的研究领域中，该数据集最为经典的应用场景是对亚洲地区劳动力参与率的长期趋势进行跨国家、跨性别的系统分析。凭借其覆盖49个亚洲国家、横跨1990至2027年近四十年时间维度的丰富观测数据，研究者能够构建面板数据模型，精准刻画不同年龄段与性别群体在劳动力市场上的参与行为变迁。这一数据集尤其适合用于时间序列预测任务与分类回归分析，为探究经济发展阶段、人口结构转型与劳动力供给弹性之间的复杂关联提供了坚实的量化基础。

实际应用

在实际应用层面，该数据集为跨国发展机构、国家劳动部门以及国际政策研究智库提供了不可或缺的决策支持工具。例如，政策制定者可依据不同性别与年龄分层下的劳动力参与率变化轨迹，精准识别哪些人口子群体正面临就业排斥风险，从而针对性地设计包容性就业促进政策。在区域经济一体化进程中，该数据还能辅助评估各国劳动力市场的结构互补性，为跨境人才流动协议与技能培训合作项目提供数据锚点。此外，国际组织在监测联合国可持续发展目标中关于体面劳动和经济增长的进展时，该数据集更是构成了量化和追踪亚洲各国阶段性成就的核心参照基准。

衍生相关工作

依托该数据集的系统性架构与高质量元数据，学术界衍生出了一系列具有显著影响力的开创性工作。其中，利用其面板数据结构构建的性别差异劳动力参与率动态收敛模型，已成为分析亚洲新兴经济体女性劳动供给长期演变趋势的基准框架。此外，基于该数据开展的年龄队列效应与时期效应分离研究，深入揭示了人口红利消退对东亚及东南亚国家经济增长动能的深层影响。另一条重要的研究脉络是将该数据与宏观经济变量（如GDP增长率、城市化水平、教育投资）进行联立方程建模，从而量化推演劳动力市场政策调整与社会福利体系改革之间的多维度反馈效应，这些成果常见于《人口经济学杂志》与《世界发展》等顶级期刊。