electricsheepasia/asia-ilo-luu-xlux-sex-rt-jobs-gap-rate

该数据集包含亚洲25个国家的就业缺口率（%）统计数据，时间跨度为1999年至2025年，共计414个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，属于其他劳动力利用不足指标类别。核心指标为LUU_XLUX_SEX_RT（就业缺口率百分比），数据按性别（总计、男性、女性）细分，并包含国家、年份、数据来源、观测状态和注释等信息。数据集适用于劳动力市场分析、经济研究和时间序列预测等应用。This dataset contains statistics on the jobs gap rate (%) for 25 Asian countries, spanning the years 1999 to 2025, with a total of 414 observations. The data is sourced from the International Labour Organization (ILO) ILOSTAT database and falls under the category of Other measures of labour underutilization. The core indicator is LUU_XLUX_SEX_RT (jobs gap rate percentage), disaggregated by sex (total, male, female), and includes information on country, year, data source, observation status, and notes. The dataset is suitable for labor market analysis, economic research, and time-series forecasting applications.

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数据库，通过其REST API直接获取原始指标数据，并限定为亚洲地区ISO 3166-1 alpha-3编码的国家。数据经Electric Sheep Asia团队重新打包与标准化处理，保留了ILO根据国际劳工统计学家会议（ICLS）定义进行统一校准的关键字段，涵盖性别、来源等维度信息，并按年度频率组织为结构化表格数据，最终以Parquet格式发布在HuggingFace平台上。

特点

本数据集精炼地收录了1999年至2025年间亚洲25个国家的414条观测记录，聚焦于单一关键指标——工作岗位缺口率（%），属于劳动利用不足的测量范畴。其核心优势在于数据来源的高度权威性与跨国家、跨时间序列的可比性，同时提供了性别（总、男、女）分解维度，支持精细化的劳动市场分析。此外，数据附带了详细的元数据与质量标志，便于用户追溯统计口径与潜在断点。

使用方法

用户可通过HuggingFace的`datasets`库轻松加载该数据集，一条指令即可将其转换为Pandas DataFrame进行分析。典型用法包括按国家代码（如`ref_area == "IDN"`）筛选子集，或对指定指标（如`LUU_XLUX_SEX_RT`）按年份排序绘制时间序列图。高级操作可利用透视表功能，以年份为行、国家为列创建矩阵，便于进行跨国的纵向对比研究，整个流程极为简洁高效。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT提供，经Electric Sheep Asia于2025年重新整理后发布至HuggingFace平台。核心指标为“就业缺口率”（Jobs gap rate, %），覆盖1999至2025年间亚洲25个国家的414条观测值。研究背景聚焦于劳动力利用不足这一全球性议题：传统失业率仅统计无业且积极求职的群体，而就业缺口率进一步纳入了潜在劳动力与因经济原因非自愿兼职者，更精准地反映劳动力市场的真实闲置状况。该数据集为亚洲区域劳动力结构分析、可持续发展目标（SDG）中体面工作指标的监测以及跨国比较研究提供了标准化、可复用的基础资源，对劳动经济学、政策评估及区域发展研究具有重要支撑价值。

当前挑战

数据集所解决的领域问题在于弥补传统失业率在衡量劳动力闲置时的局限性——就业缺口率需整合多源调查数据（如劳动力调查、家庭收支调查），而各国统计口径、调查频率及指标定义差异构成了首要挑战。构建过程中，ILOSTAT虽遵循国际劳工统计学家会议（ICLS）标准进行数据协调，但字段中“断点”（Break in series）标记揭示了方法论修订或数据源变更导致的时间序列不连续问题；同时，25国中如塞浦路斯（78行）与东帝汶（9行）的样本量悬殊，且部分国家观测年份不连贯（如阿富汗仅2019至2021年存在数据），稀疏性与不完整性限制了面板分析及长期趋势推断的可靠性。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，该数据集为分析亚洲地区劳动力利用不足现象提供了关键量化支撑。其经典使用场景聚焦于时间序列预测与面板数据分析，研究者可借助25个亚洲国家1999至2025年的年度就业缺口率观测值，构建混合效应模型或动态面板模型，以揭示不同经济发展阶段下就业缺口率的演变规律。通过按性别维度进行分层分析，该数据集还能够支持性别平等视角下的劳动参与率差异研究，为理解亚洲劳动力市场的结构性特征提供数据基础。

实际应用

在实际应用层面，该数据集正逐步成为国际组织与政策研究机构的决策支持基石。世界银行与亚洲开发银行的经济学家可借助其历史数据，评估区域就业刺激措施的实际成效，并为成员国制定最低工资标准或就业保障政策提供基准参考。企业战略部门与市场调研机构也能通过解析就业缺口率的国别差异，优化在东南亚、中亚等地的产业布局决策。此外，非政府组织在撰写亚洲社会可持续发展报告时，常引用该数据集以论证就业质量改善的紧迫性，从而推动多方利益相关者共同关注劳动力市场的包容性发展。

衍生相关工作

基于该数据集，学界与业界已衍生出多项具有影响力的后续工作。国际劳工组织在其年度《世界就业与社会展望》报告中，多次引用亚洲就业缺口率数据以支撑区域劳动力市场专题分析。部分研究团队将其与教育水平、基础设施投资等社会经济指标耦合，构建了预测就业缺口率的机器学习模型，相关成果发表于《Journal of Asian Economics》等权威期刊。此外，HuggingFace生态中的其他开发者已基于此数据集开发出交互式可视化仪表板，使得非专业用户也能直观探索亚洲各国就业结构转型的时间轨迹，进一步拓宽了该数据的普及范围与应用深度。