electricsheepeurope/europe-ilo-emp-3emp-sex-age-ocu-nb-youth-employment-by-sex-age-and-occupation-thousan

该数据集包含欧洲青年就业的详细统计数据，具体是按性别、年龄和职业分组的青年就业人数（以千为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，覆盖39个欧洲国家，时间跨度为1991年至2025年，共计181,381个观测值。数据集包含一个核心指标：EMP_3EMP_SEX_AGE_OCU_NB（青年就业按性别、年龄和职业分组）。数据模式包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年龄分组（如15-29岁青年段）、职业技能水平分类、观测年份、观测值（就业人数）以及数据状态标志（如不可靠、临时数据等）。数据经过ILO的标准化处理，基于国际劳工统计学家会议（ICLS）的定义，并优先使用ILO选择的最佳来源。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为机器学习和研究提供欧洲劳动力市场的标准化、可访问数据。This dataset contains detailed statistics on youth employment in Europe, specifically youth employment disaggregated by sex, age, and occupation (in thousands). The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, covering 39 European countries from 1991 to 2025, with a total of 181,381 observations. It includes one core indicator: EMP_3EMP_SEX_AGE_OCU_NB (Youth employment by sex, age and occupation). The schema comprises columns such as country code, country name, data source, indicator code, sex classification (total, male, female), age grouping (e.g., 15-29 youth band), occupation skill level classification, observation year, observed value (employment count), and data status flags (e.g., unreliable, provisional). The data is harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions, with the ILO-selected best source used when multiple sources exist. This dataset is suitable for tabular classification, regression, and time-series forecasting tasks, designed to provide standardized, accessible data on European labor markets for machine learning and research.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，其构建过程遵循严谨的统计规范。研究团队通过ILOSTAT REST API直接提取指标EMP_3EMP_SEX_AGE_OCU_NB的原始数据，并依据欧洲ISO3国家代码进行地理范围过滤。所有数据均经过ILO统计部门基于国际劳工统计学家会议（ICLS）定义的标准进行统一化处理，原始调查微观数据来源在source.label字段中详细标注，确保了数据的可追溯性和统计口径的一致性。最终形成涵盖1991年至2025年、包含39个欧洲国家、共计181,381条观测记录的标准化表格数据集。

特点

该数据集聚焦于欧洲青年按性别、年龄和职业划分的就业人数（单位：千），具有多维度的细粒度特征。数据按性别（男性、女性、总计）进行分解，并整合了年龄组别（如15-29岁青年段）与职业技能水平分类（如总技能水平）。每条记录均包含观测值、观测状态标记（如临时值、不可靠值）以及系列中断、方法论修订等详细注释信息，为数据质量评估提供了充分依据。此外，数据集覆盖了39个欧洲国家长达35年的时间跨度，为纵向时间序列分析和跨国比较研究奠定了坚实基础。

使用方法

用户可以借助HuggingFace Datasets库便捷地调用该数据，通过一行代码load_dataset即可加载为pandas DataFrame格式，直接开展数据探索与分析工作。针对特定国家的研究需求，可依据ref_area字段进行筛选，例如过滤出德国的子集。对于时间序列建模任务，可按indicator字段过滤并依时间排序，利用obs_value字段进行趋势可视化或预测模型训练。同时，用户还可通过pivot_table方法将数据重塑为国家×年份的矩阵形式，为面板数据分析或跨区域比较研究提供便利的数据结构。

背景与挑战

背景概述

青年就业是衡量劳动力市场健康程度与社会经济包容性的关键指标，尤其在面临人口老龄化与技能错配双重挑战的欧洲地区，精准刻画青年群体的就业结构具有迫切的现实意义。由国际劳工组织（ILO）统计司维护的ILOSTAT数据库，作为全球劳动力统计的权威来源，通过统一的方法论整合各国劳动力调查与行政记录数据。基于此，Electric Sheep Europe于2025年将该指标重新封装为面向机器学习的数据集，涵盖1991至2025年间39个欧洲国家共计181,381条观测记录。该数据集聚焦于按性别、年龄与职业分层的青年就业人数（千人），为区域劳动力市场研究、政策评估以及时序预测模型的构建提供了标准化、可复制的结构化数据基础。其影响力体现在填补了欧洲范围内细粒度青年就业开放数据的空白，推动了劳动经济学研究向数据驱动范式的转型。

当前挑战

该数据集所应对的领域问题在于，跨国家、跨时段的青年就业数据常因统计口径、调查方法与分类标准（如ICLS定义）的差异而难以直接比较，传统研究依赖于分散的国家统计报告，难以进行大规模、精细化的时空建模。构建过程中面临的挑战包括：1）ILOSTAT原始API返回的指标代码（EMP_3EMP_SEX_AGE_OCU_NB）包含多重维度（性别、年龄组、职业技能等级），需将异构的分类字符串映射为一致的列式结构，同时处理不同来源间的“最优来源”选择逻辑；2）数据质量标注（如obs_status中的不可靠标记）与方法论修订说明（如note_indicator中的序列断裂标记）增加了清洗与标准化的工作量；3）年度频率与部分国家早期数据的稀疏性，限制了基于高频或面板数据的分析效力，需在模型输入中妥善处理缺失值与时序对齐问题。

常用场景

经典使用场景

在欧洲劳动力市场研究中，该数据集常被用于构建青年就业的时间序列预测模型与分类分析。研究者可利用其覆盖39个国家、跨度三十余年的就业观测值，按性别、年龄分层及职业类别进行多维度剖析。经典做法包括将obs_value作为回归目标，以ref_area、sex、classif1等离散特征作为输入，开展面板数据分析或长短期记忆网络训练。亦可对obs_status标记进行序列标注，识别数据质量波动规律。数据集的标准化schema使得跨国家、跨时段的对比研究变得直接而高效，成为劳动经济学计量建模中不可或缺的基准数据源。

解决学术问题

该数据集有力回应了青年就业领域长期存在的几个核心学术困境。首先，它通过精细的性别、年龄与职业交叉分类，解构了以往宏观就业指标中隐藏的结构性差异，使研究者能精准识别哪些青年群体在哪些职业中面临就业壁垒。其次，跨1991至2025年的时间跨度支持了世代效应与周期效应的分离分析，为理解经济危机、技术变革对青年就业的异质性冲击提供了实证基础。此外，数据集融合了ILO统一化的统计口径与来源标注，有效缓解了跨国比较中因调查方法差异引起的测量偏误，提升了面板数据研究的严谨性。

衍生相关工作

围绕该数据集已衍生出一系列富有影响力的研究工作。基于其时间序列特性，学者们开发了多种针对青年就业率的多步预测模型，从经典的ARIMA到集成学习与图神经网络。在分类任务上，不少工作聚焦于根据历史就业模式对国家聚类，识别出北欧、南欧与东欧迥异的青年就业演变轨迹。另有研究利用该数据验证了Baumol的“成本病”假说在青年劳动力市场的适用性。此外，该数据集常与ILOSTAT中的工资、工时等指标联合使用，构建多标示联合分析框架，为评估青年体面劳动目标的进展提供了量化工具。这些衍生工作持续拓展着我们对欧洲青年就业动态的认知边界。