electricsheepeurope/europe-ilo-emp-nifl-sex-age-eco-rt-informal-employment-rate-by-sex-age-and-economic-a

该数据集包含302,395个观测值，涉及欧洲34个国家的非正规经济数据，时间跨度为2003年至2025年，涵盖一个具体指标：按性别、年龄和经济活动划分的非正规就业率（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和重新打包，适用于表格分类、回归和时间序列预测等任务。数据集包括国家代码、性别分类、年龄组、经济活动部门、观测年份、观测值及其状态等字段，并提供数据质量说明和使用示例。This dataset contains 302,395 observations of informal economy data across 34 Europe countries, spanning 2003–2025, covering one distinct indicator: Informal employment rate by sex, age and economic activity (%). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), processed and repackaged for use in tabular classification, regression, and time-series forecasting tasks. It includes fields such as country codes, sex disaggregation, age groups, economic activity sectors, observation year, observed values with status flags, and provides data quality caveats and usage examples.

搜集汇总

数据集介绍

构建方式

依托国际劳工组织ILOSTAT统计数据库的权威数据资源，该数据集通过ILOSTAT REST API接口直接提取指标EMP_NIFL_SEX_AGE_ECO_RT的原始观测记录，并依据ISO3国家代码筛选出34个欧洲国家的地理范围。原始调查微观数据经国际劳工统计学家会议定义框架统一协调，每一观测值的来源均在source.label字段中予以标注，以保障数据溯源的可追踪性，最终由Electric Sheep Europe重新封装为机器学习就绪的Parquet格式。

特点

该数据集汇聚302,395条观测记录，覆盖34个欧洲国家2003至2025年的非正规就业率数据，以性别、年龄组和经济活动部门三个维度进行精细 disaggregation。数据以年度频率发布，包含丰富的元数据列，如来源代码、指标标签、分类注释及观测状态标志，可支持表格分类、表格回归与时间序列预测等多类任务，且采用知识共享署名4.0许可协议，具备良好的开放复用条件。

使用方法

研究者可通过HuggingFace datasets库以load_dataset函数一键加载，并利用to_pandas方法转换为数据框进行后续分析。典型操作包括按ref_area字段筛选特定国家、按indicator字段提取单一指标的时间序列、以及通过pivot_table将数据重塑为国家与年份的交叉矩阵。该数据集适用于非正规就业率的跨国比较、趋势建模与性别及年龄维度的异质性分析等研究场景。

背景与挑战

背景概述

非正规就业长期构成全球劳动力市场治理的核心议题，其度量与跨国比较依赖于国际劳工组织自二十世纪中叶以来持续推动的统计标准化进程。ILOSTAT作为该组织的中枢统计数据库，依托各国劳动力调查与住户收入调查等微观数据，经由国际劳工统计学家会议定义的统一口径进行调和，已成为劳动经济学与非正规经济研究的基准数据来源。本数据集由Electric Sheep Europe于2026年再包装发布，覆盖34个欧洲国家2003至2025年间共302,395条观测，系统记录了按性别、年龄与经济 activity 分组的非正规就业率，为欧洲非正规就业的性别差异、代际分化与部门异质性研究提供了高粒度面板基础，对追踪可持续发展目标第八项进展具有重要实证价值。

当前挑战

非正规就业的统计边界本身即构成首要挑战：不同国家对非正规部门与非正规就业的定义存在制度性差异，ILO虽以ICLS标准进行调和，但各国调查工具、抽样框架与参考期的不一致仍导致跨国可比性受限，序列断裂与方法论修订在数据中留有明确标注。其次，非正规就业在多数经济体中被视为敏感议题，受访者倾向于低报或漏报，尤其涉及自雇、家庭帮工与零工形态时，测量误差难以通过事后加权完全消除。再者，本数据集为二手再包装产品，原始微观数据的抽样方差与置信区间未予保留，使用者无法直接评估估计精度；部分国家年份存在源数据缺失，面板结构高度不平衡，对时间序列建模与因果推断构成实质性制约。

常用场景

经典使用场景

在国际劳工组织统计司的数据体系中，非正规就业的量化监测始终是劳动经济学与收入分配研究的核心议题。该数据集依凭ILOSTAT权威口径，汇总了2003至2025年间34个欧洲国家约30万条观察记录，按性别、年龄组及经济活动部门三个维度刻画非正规就业率。其最典型的使用场景在于，研究者可据此构建跨时空的面板数据，对欧洲非正规就业的性别差异、年龄分化与行业结构特征进行系统比较与趋势拟合。

衍生相关工作

依托ILOSTAT指标体系的持续积累，围绕该数据集已衍生出丰富的研究与实践成果。在学术方向，跨国劳动比较、非正规经济规模测算及弱势群体就业脆弱性分析等文献大量引用其原始指标。在数据工程方向，Electric Sheep Europe将其重新封装为Parquet格式，催生了一系列自动化数据管道与开放数据整合项目；同时，基于该数据的政策报告与统计可视化作品亦不断涌现，推动了非正规就业议题在公共讨论中的可见度。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集凭借其覆盖34个欧洲国家、横跨2003至2025年的30余万条观测记录，为性别与年龄分层视角下的非正规就业率动态监测提供了独特的数据基础。当前前沿研究聚焦于运用时间序列预测与面板回归模型，解析经济周期波动、产业结构转型及劳动市场制度变迁对非正规就业的异质性影响，尤其关注青年与女性群体在非正规部门中的脆弱性累积机制。与此同时，欧洲移民潮、后疫情时代劳动力重构以及数字化平台经济扩张等热点事件，进一步推动学者利用该数据集检验非正规就业与正规就业之间的替代弹性、社会保障覆盖缺口及跨境政策协调效应。该数据集的高粒度分类维度与标准化ILO编码体系，使得跨国比较研究与因果推断成为可能，对制定包容性就业政策、推进体面劳动议程具有重要的实证支撑意义。