electricsheepasia/asia-ilo-emp-pifl-sex-eco-est-nb-employment-outside-the-formal-sector-by-sex-econom

该数据集包含亚洲地区非正规经济部门的就业数据，具体指标为按性别、经济活动和机构规模划分的非正规部门就业人数（千计）。数据集涵盖25个亚洲国家，时间跨度为2000年至2025年，共包含58,800个观测值。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代码。数据集结构包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、经济活动和机构规模分类、观测年份、观测值、观测状态标志等列。数据以年度频率发布，ILO使用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调，确保数据可比性。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析亚洲非正规经济部门的就业趋势和模式。This dataset contains employment data for the informal economy sector in Asia, specifically the indicator Employment outside the formal sector by sex, economic activity and establishment size (thousands). It covers 25 Asian countries from 2000 to 2025, with 58,800 observations. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asian ISO3 country codes. The dataset schema includes columns for country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), economic activity and establishment size classifications, observation year, observed value, observation status flags, and more. Data is published at annual frequency, with ILO harmonizing raw survey microdata using International Conference of Labour Statisticians (ICLS) definitions for comparability. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of informal economy employment trends and patterns in Asia.

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统计数据库，通过REST API接口从指定指标端点（EMP_PIFL_SEX_ECO_EST_NB）直接拉取原始数据，并依据ISO3国家代码筛选出亚洲地区25个经济体。原始调查微观数据经由国际劳工统计学家会议（ICLS）定义进行标准化调和，涵盖劳动力调查、家庭收入调查及行政记录等多源数据，最终由Electric Sheep Asia重新封装为HuggingFace数据集格式，保留源标签及注释字段以确保可追溯性。

特点

数据集涵盖2000至2025年间58,800条观测记录，覆盖25个亚洲国家，以表格形式呈现非正规部门就业的性别、经济活动及机构规模维度信息。数据粒度精细，按性别（总计、男性、女性）进行拆分，并包含来源代码、指标代码、分类变量及观测状态标记等元数据。其时间跨度长、地理覆盖面广，为探究亚洲非正规经济就业的结构性差异提供了丰富的面板数据基础。

使用方法

研究者可通过HuggingFace的datasets库以load_dataset()函数便捷加载该数据集，并转换为Pandas数据框进行后续分析。典型用法包括按国家代码筛选子集、针对单一指标构建时间序列趋势图，以及利用透视表将数据重塑为国家与年份的矩阵形式。该数据集适用于表格分类、回归及时间序列预测等任务，为劳动经济学与性别研究领域的定量分析提供标准化数据接口。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计体系的构建与完善，其核心数据库ILOSTAT为衡量非正规经济就业状况提供了权威基准。亚洲地区非正规就业规模庞大且结构复杂，成为劳动经济学与发展研究的关键议题。在此背景下，Electric Sheep Asia于2026年对ILOSTAT原始数据进行系统性重封装，推出本数据集，覆盖25个亚洲国家、2000至2025年间58,800条观测记录，聚焦按性别、经济活动及机构规模分组的非正规部门外就业。该数据集为探究亚洲非正规就业的性别差异、行业分布及企业规模效应提供了坚实的微观数据基础，对推动区域劳动政策制定与SDG体面劳动目标评估具有重要参考价值。

当前挑战

非正规就业测度本身即构成劳动统计领域的核心难题：ILO各成员国在非正规经济定义、调查口径及抽样方法上存在显著异质性，数据跨国可比性面临根本性制约。本数据集的构建需应对多源调查数据的标准化整合，包括劳动力量调查、家庭收入调查与机构调查的异质微数据协调；部分国家时间序列存在方法学修订导致的断点，须借助obs_status与note_indicator字段进行标记与追溯；分类变量如经济活动与机构规模仅于特定指标下非空，造成面板数据结构的不平衡；少数年份与国家的观测值被标注为不确切或临时性，影响时序建模的稳健性。上述因素共同构成了对该数据集进行深度分析与跨期比较时的严峻挑战。

常用场景

经典使用场景

在非正规经济部门的劳动经济学研究中，该数据集最经典的使用场景是进行非正规就业的性别差异与行业结构分析。研究者通常以面板数据模型为工具，将性别、经济活动部门与机构规模作为核心解释变量，考察亚洲25国在2000至2025年间非正规就业的演变轨迹。此类分析常借助时间序列预测或跨国比较设计，揭示不同经济部门中非正规就业的性别隔离程度及其随时间的收敛或分化趋势，从而为理解发展中国家劳动力市场的二元结构提供实证基础。

衍生相关工作

基于该数据集及其同类ILOSTAT非正规经济序列，学术界与开源社区衍生了一系列经典工作。例如，多篇跨国劳动比较研究将其与家庭调查微观数据链接，探讨非正规就业与贫困、教育回报的关联；Electric Sheep Asia等平台则以此为底层，构建了面向机器学习任务的统一亚洲劳动数据层，催生了非正规就业预测模型与可视化仪表板。这些工作共同拓展了非正规部门统计在因果推断与政策模拟中的应用边界。

数据集最近研究

最新研究方向

在全球非正规经济持续扩张与体面劳动赤字加剧的背景下，该数据集为亚洲25国非正规部门就业的性别差异与经济活动及机构规模关联性研究提供了长时段、细粒度的观测基础。近期研究前沿聚焦于运用面板回归与机器学习方法，解析非正规就业的性别隔离机制及其随经济周期与结构性转型的动态演变，尤其关注南亚与东南亚地区女性在非正规经济中的脆弱性聚集现象。相关热点事件如国际劳工组织推动的「非正规经济向正规化过渡」倡议及后疫情时代劳动力市场重建，赋予该数据集在评估政策干预效果、监测可持续发展目标8进展方面的关键价值，其影响延伸至社会保障扩面与包容性增长路径设计。