electricsheepasia/asia-ilo-emp-3tru-sex-age-geo-nb-youth-time-related-underemployment-by-sex-age-and

该数据集包含亚洲27个国家从1996年至2025年的青年时间相关就业不足数据，共计6,903个观测值。核心指标为按性别、年龄和城乡地区分列的青年时间相关就业不足（千）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据集提供了多维度分类信息，包括国家、性别（总计、男性、女性）、年龄组（如15-29岁）、地区类型（如全国）以及观测年份和数值。数据以年度频率发布，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Asia重新打包，采用cc-by-4.0许可。This dataset contains 6,903 observations of youth time-related underemployment data across 27 Asia countries, spanning from 1996 to 2025. The core indicator is Youth time-related underemployment by sex, age and rural / urban areas (thousands). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asia ISO3 country codes. The dataset provides multi-dimensional disaggregation, including country, sex (total, male, female), age groups (e.g., 15-29), area type (e.g., national), observation year, and value. Data is published at annual frequency and is suitable for tasks such as tabular classification, regression, and time-series forecasting. The dataset is repackaged by Electric Sheep Asia and released under the cc-by-4.0 license.

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核心数据库，依托其REST API接口直接拉取原始数据，并依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行标准化处理。数据筛选聚焦于亚洲地区，通过ISO 3166-1 alpha-3国家代码精准过滤，最终整合为涵盖27个亚洲国家、时间跨度从1996年至2025年的青年与时间相关的不充分就业观测记录。Electric Sheep Asia团队在此基础上完成数据重包装，统一了模式结构并以Parquet格式发布，确保了数据的机器可读性与跨平台兼容性。

特点

该数据集包含6,903条观测值，专注于青年群体按性别、年龄及城乡地域细分的时间相关不充分就业指标，提供了单一核心指标（EMP_3TRU_SEX_AGE_GEO_NB）的权威统计。其特色在于多维度分类的精细化设计，通过性别（男/女/总计）、年龄组（如15-29岁）以及地区类型（国家/城乡）等分类变量的组合，实现了对社会经济现象的分层刻画。此外，数据集附带了数据来源标记、观测状态标志及系列中断说明等元数据，为用户提供了质量评估与溯源追踪的透明机制。

使用方法

用户可通过HuggingFace Datasets库便捷调用，执行`load_dataset()`指令即可将数据加载为Pandas DataFrame格式，便于后续分析与建模。典型应用包括按国家代码进行子集筛选，例如针对印度尼西亚的数据切片；或对单指标进行时间序列可视化，以观察趋势变化；亦可利用数据透视表构建国家×年份的观测矩阵，支持跨区域比较分析。该数据集适用于时间序列预测、分类或回归等机器学习任务，尤其适合劳动经济学领域中的青年就业政策研究与建模场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下属的ILOSTAT数据库于2025年整理发布，经Electric Sheep Asia团队重新封装为机器学习友好的格式。核心关注亚洲27个国家1996至2025年间青年群体因时间因素导致的就业不足问题，通过性别、年龄及城乡地域的细致分层，揭示了亚太地区劳动力市场中青年群体面临的非充分就业结构。作为ILO全球劳动力统计体系的重要组成部分，该数据集为监测可持续发展目标中体面劳动指标提供了关键支撑，尤其填补了亚洲发展中国家青年就业质量研究的长期数据空白。

当前挑战

领域层面，该数据着力解决青年时间相关就业不足这一多维劳动经济学问题，其核心挑战在于如何通过标准化的劳动力调查框架，捕捉到兼职、季节性及临时性工作等非典型就业形态中隐含的隐性失业特征。构建过程中面临的主要挑战包括：跨越30年间27个国家调查口径的统一协调，需将各国劳动力调查数据依据国际劳工统计学家会议（ICLS）标准进行一致性调整；处理年度频率数据中多种数据源并存时的最佳来源选择策略；以及性别、年龄与城乡分类维度的完整性与可比性维护，例如部分国家特定年份的细分字段存在缺失或标记为不可靠状态。

常用场景

经典使用场景

该数据集聚焦于亚洲27个国家1996至2025年间青年与时间相关的不充分就业状况，按性别、年龄及城乡区域进行细致分层。其经典使用场景在于作为时间序列预测与面板数据分析的基石，研究者可借此构建回归模型，揭示不同维度下青年劳动力市场的结构性变化趋势。例如，通过分性别比较城乡青年不充分就业率的演变轨迹，或利用固定效应模型控制国家异质性，从而精准刻画亚洲地区青年就业质量的时空动态。

实际应用

在实际应用层面，该数据集为国际组织、政府机构及非营利组织在亚洲地区制定和评估青年就业政策提供了关键的数据支撑。决策者可利用其粒度化统计结果，精准识别高不充分就业率的脆弱群体（如女性青年或农村青年），从而定向设计职业培训计划、就业补贴方案或城乡劳动力流动促进政策。同时，该数据集的标准化格式也便于嵌入实时监测系统，助力各国追踪联合国可持续发展目标（SDG）中关于体面工作的进展。

衍生相关工作

基于该数据集，学界已衍生出若干具有影响力的经典研究范式。例如，研究者利用其面板数据结构构建了亚洲青年就业质量的综合指数模型，将不充分就业率与工时、收入等指标耦合，提出了多维劳动力市场脆弱性评估框架。此外，有工作采用分位数回归与机器学习方法，挖掘了教育水平、劳动力市场制度与不充分就业之间的非线性关联。这些衍生成果不仅丰富了劳动经济学的方法论工具箱，也为跨区域比较研究树立了数据分析标准。