electricsheepeurope/europe-ilo-eip-teip-sex-age-dsb-nb-persons-outside-the-labour-force-by-sex-age-and-di

该数据集包含欧洲32个国家从2002年至2025年关于其他劳动力未充分利用指标的数据，共48,253个观测值，涵盖1个具体指标：按性别、年龄和残疾状况划分的非劳动力人口（千人）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并筛选至欧洲国家。数据集包含结构化表格，列包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、残疾状况分类、观测年份、观测值及数据质量标记等，用于劳动力市场分析和时间序列预测。This dataset contains 48,253 observations of Other measures of labour underutilization data across 32 Europe countries, spanning 2002–2025, covering 1 distinct indicator: Persons outside the labour force by sex, age and disability status (thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled via API and filtered to Europe ISO3 country codes. It includes structured tabular data with columns such as country code, country name, source, indicator code, sex classification, age classification, disability status classification, observation year, observed value, and data quality flags, suitable for labour market analysis and time-series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）旗下的ILOSTAT统计数据库，经由Electric Sheep Europe团队通过其REST API接口（https://rplumber.ilo.org/data/indicator?id=EIP_TEIP_SEX_AGE_DSB_NB）直接拉取原始数据，并筛选出32个欧洲ISO3国家代码对应的观测记录。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查的微观数据进行统一协调与标准化处理，确保跨国可比性。最终数据以Parquet格式封装，在HuggingFace平台上发布，便于机器学习场景下的高效加载与使用。

特点

该数据集收纳了48,253条观测记录，覆盖2002年至2025年间32个欧洲国家的劳动力市场边缘群体信息。其核心指标为“按性别、年龄和残疾状况划分的劳动力以外人口（千人）”，并提供了性别（男/女/总计）、年龄分组及残疾状态等多维分类维度，使得研究者能够精细剖析不同人群的劳动参与缺失状况。数据来源代码与标签列确保了每一条记录的可追溯性，观测状态标记（如“不可靠”）亦为用户提供了数据质量警示，增强了分析的审慎性。

使用方法

研究者可借助HuggingFace的datasets库，通过一行代码load_dataset("electricsheepeurope/europe-ilo-eip-teip-sex-age-dsb-nb-persons-outside-the-labour-force-by-sex-age-and-di")加载数据并转换为Pandas DataFrame进行后续分析。支持根据国家代码（如ref_area == "DEU"）筛选特定国家的子集，或针对单一指标按时间排序绘制序列图。还可利用pivot_table方法将数据重构为国家×年份的矩阵形式，便于进行面板数据分析或横向比较，满足时间序列预测与分类回归等下游任务的需求。

背景与挑战

背景概述

国际劳工组织（ILO）于其核心统计数据库ILOSTAT中构建了该数据集，旨在系统性地追踪欧洲32个国家2002至2025年间因性别、年龄及残疾状况而处于劳动力市场之外的群体规模。该数据集的创建由ILO统计部门主导，其核心研究问题聚焦于劳动力利用不足的隐性维度——即那些因结构性障碍、健康原因或社会排斥而被排除在劳动力市场之外的个体。通过提供48,253条观测值，该数据集弥补了传统失业统计对非活跃劳动力群体描述的空白，为欧洲劳动力政策制定、包容性增长评估及可持续发展目标（SDG）的监测提供了关键数据基础。其发布显著推动了劳动经济学与残疾研究领域的交叉分析，成为评估社会包容性政策效果的黄金标准数据源之一。

当前挑战

该数据集所解决的领域核心挑战在于，传统失业率指标无法充分反映因残疾、年龄歧视或社会责任（如家庭照料）而完全退出劳动力市场的群体状况，导致政策制定者低估了实际劳动力资源闲置程度。在构建过程中，ILOSTAT面临多重挑战：首先，欧洲各国对“残疾”的界定标准与调查方法存在显著差异（如数据集注释中标识的非标准定义），需通过ICLS国际会议标准进行复杂的数据协调与标记；其次，时间序列中因方法论修订导致的断点（如注释I11:264所示）需要精确标注以保障纵向分析的可比性；此外，国家级调查数据（如生活标准调查HIES）与行政记录混合使用，不同数据源在抽样框架、时间粒度上的不一致性要求系统性的最佳来源选择与质量标记机制。

常用场景

经典使用场景

该数据集在劳动经济学与社会政策研究领域具有广泛的适用性，尤其适用于分析欧洲各国因性别、年龄及残疾状态而处于劳动力市场之外的人口结构。研究者可依托其时间序列与跨国面板数据，开展劳动力退出机制的纵向比较研究，例如评估不同国家就业保障政策对残障群体劳动参与的异质性影响。数据集中按性别（SEX_T/M/F）、年龄（如15岁以上青年与成年群体）及残疾状态（DSB_STATUS_TOTAL等）提供的细粒度分类，为构建潜在劳动力规模预测模型提供了标准化输入特征，使其成为时间序列预测、面板数据回归及分类任务的理想数据源。

实际应用

在实际应用层面，该数据集为国际组织、政府部门及非营利机构的政策评估与战略规划提供了可操作的数据支撑。例如，欧盟委员会可利用其中各国劳动参与率随时间的变化趋势，量化评估《欧洲残疾人战略》的实施效果，识别政策干预成效显著的地区并推广其经验。社会研究机构可借助多维度数据构建残障群体劳动参与障碍指数，辅助制定更具针对性的职业培训和就业援助计划。此外，在为企业提供多元化与包容性（D&I）咨询时，第三方可依据该数据集量化不同国家宏观环境中的残障人士就业潜力，从而优化企业的社会影响力投资决策。

衍生相关工作

基于该数据集衍生出的经典工作主要集中在劳动力市场状态的动态建模与结构性比较分析领域。学界可据此构建跨国面板数据模型，深入探究制度因素如最低工资标准、积极劳动力市场政策等对性别及残障群体劳动供给弹性的调节作用。此外，结合其他ILOSTAT指标，研究者能够开发潜在劳动力率预测模型，用于估算隐性失业规模，扩展劳动力核算指标的边际应用。在方法学上，该数据的分类结构为运用多状态转移概率模型或生存分析法分析个体退出与重新进入劳动力市场的动态过程提供了标准化的输入格式，已成为支持劳动经济学实证研究复现与知识积累的重要基础设施。