electricsheepeurope/europe-ilo-emp-xtru-sex-age-edu-rt-time-related-underemployment-rate-by-sex-age-and-e

这是一个关于欧洲时间相关就业不足率的表格数据集，包含70,305个观测值，涵盖37个欧洲国家，时间跨度为1991年至2025年。数据来自国际劳工组织（ILO）的ILOSTAT统计数据库，具体指标为“按性别、年龄和教育程度分列的时间相关就业不足率（%）”。数据集通过ILOSTAT REST API获取，并过滤到欧洲国家，使用国际劳工统计学家会议（ICLS）定义进行协调。它包含多个列，如国家代码、年份、性别、年龄组、教育水平、观测值及其状态，适用于表格分类、回归和时间序列预测任务。This is a tabular dataset on time-related underemployment rates in Europe, containing 70,305 observations across 37 European countries, spanning from 1991 to 2025. The data is sourced from the International Labour Organization (ILO)s ILOSTAT statistical database, with the specific indicator being Time-related underemployment rate by sex, age and education (%). The dataset was retrieved via the ILOSTAT REST API and filtered to European countries, harmonized using International Conference of Labour Statisticians (ICLS) definitions. It includes columns such as country code, year, sex, age group, education level, observed values, and their status, suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe基于国际劳工组织（ILO）的ILOSTAT统计数据库重新整合而成，源数据通过ILOSTAT REST API获取，并依据ISO3国家代码筛选出37个欧洲国家，时间跨度自1991年至2025年，涵盖70,305条观测记录。每个观测值包含国家、指标、性别、年龄、教育程度等维度，并按ILO的ICLS定义进行标准化处理，确保数据的可比性与可追溯性。

特点

此数据集聚焦于时间相关的不充分就业率（%），该指标按性别、年龄和教育程度进行细粒度分解，提供3种性别分类及多维度分类变量。数据来源可追溯至各国劳动力调查等原始出处，并通过观测状态、备注等字段标注数据质量与异常情况。其时间序列覆盖三十余年，适合进行长期趋势分析与跨国比较研究，为劳动经济学与社会政策研究提供坚实的数据基础。

使用方法

使用者可通过HuggingFace的datasets库便捷加载数据，将其转换为Pandas DataFrame后，可依据国家或指标进行筛选，获取特定群体的时间序列数据。该数据集亦支持透视操作，将数据重构为国家×年份的矩阵，便于进行面板数据回归或可视化分析。此外，数据集遵循CC-BY-4.0许可，可自由使用并需注明原始出处与重新打包机构。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）发布，经Electric Sheep Europe于2025年重新整理，收录了1991年至2025年间欧洲37个国家的时间相关就业不足率，按性别、年龄和教育水平进行细分，总计70,305条观测记录。作为ILOSTAT数据库的核心指标之一，该数据集围绕劳动力市场中的隐性失业问题展开，旨在揭示劳动者虽在岗但工时不足的现象，为评估劳动力资源利用效率及社会就业质量提供量化依据。其发布填补了欧洲区域在时间相关就业不足细分维度上的数据空白，对劳动经济学研究、政策制定及跨国比较分析具有重要推动作用，尤其为监测可持续发展目标中体面工作指标提供了坚实的数据支撑。

当前挑战

该数据集所应对的领域挑战在于，时间相关就业不足率作为劳动市场健康度的敏感指标，其跨国比较长期受制于各国调查口径与统计方法的差异，ILOSTAT通过统一国际劳工统计学家会议（ICLS）定义进行数据协调，但这一过程面临数据源多样性及质量标记（如obs_status中的不可靠值）的复杂处理。在构建层面，数据整合需从ILOSTAT REST API抽取原始微数据，并须针对37国的地理覆盖进行ISO3代码过滤，同时处理不同国家在调查年份、分类体系（如非标准教育水平）上的不一致性，以及多来源数据冲突时的最佳源选择，这些均对数据清洗、标准化及可追溯性提出了严苛要求，确保时间序列的连续性与统计口径的可比性成为核心挑战。

常用场景

经典使用场景

该数据集以ILOSTAT官方统计数据为依托，汇集了1991年至2025年间37个欧洲国家的时间相关就业不足率，按性别、年龄及教育程度进行细化分层。其典型应用场景集中于劳动经济学领域中的跨国比较研究，学者可借此剖析不同人口统计学特征下就业不足现象的时空演变规律，亦可在时间序列框架下探索经济周期、政策变革对劳动力市场的异质性冲击，为宏观劳动经济分析提供了坚实的数据基石。

实际应用

在实际应用层面，该数据集为政府劳工部门、国际组织及政策智库提供了精准的监测工具，助力其动态追踪各国就业不足率的演变趋势，识别高风险群体并评估现行劳动法规与社会保障体系的实效。同时，为人力资源咨询机构和企业雇主提供地域与人群维度的劳动力供给洞察，辅助人才战略制定与区域扩张决策，推动劳动力市场的精细化治理与人力资源的优化配置。

衍生相关工作

基于该数据集的经典衍生工作涵盖多个维度的深入研究：一方面，学者常将其与宏观经济指标（如GDP增长率、失业率）融合，构建面板数据模型以探析就业不足与经济发展间的耦合机制；另一方面，结合机器学习算法开展时序预测，前瞻未来劳动力市场的波动路径，为预警系统提供支撑。此外，该数据集还常被引用于构建劳动市场脆弱性指数，或作为跨国比较研究的基准数据，催生了一系列关于欧洲就业质量与包容性增长的高影响力学术成果。