electricsheepasia/asia-ilo-eip-neet-sex-cbr-rt-share-of-youth-not-in-employment-education-or-trai

该数据集包含亚洲地区20个国家从1999年至2024年的青年未就业、未受教育或未培训（NEET）比例数据，按性别和出生地进行细分。数据集共有963个观测值，涵盖一个核心指标：EIP_NEET_SEX_CBR_RT，即按性别和出生地细分的青年NEET百分比。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，经过标准化处理，包含国家代码、年份、观测值、数据来源和质量标志等字段。This dataset contains observations on the share of youth not in employment, education or training (NEET) by sex and place of birth across 20 Asia countries, spanning from 1999 to 2024. It includes 963 observations covering one key indicator: EIP_NEET_SEX_CBR_RT, which represents the percentage of youth NEET disaggregated by sex and place of birth. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for Asian countries, with standardized fields such as country codes, years, observed values, source information, and quality flags.

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，聚焦于亚太地区青年失业、失学与失训（NEET）状况的统计指标。数据集通过ILOSTAT官方REST API（https://rplumber.ilo.org/data/indicator?id=EIP_NEET_SEX_CBR_RT）自动抽取原始数据，并依据亚洲国家ISO 3166-1 alpha-3代码进行地理过滤。ILOSTAT利用国际劳动统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收支调查等微观数据进行协调处理，并在数据源的source.label字段中标记出处，确保数据可追溯。最终由Electric Sheep Asia团队整合为Parquet格式，形成包含963条观测记录的整洁数据集。

特点

本数据集涵盖了1999年至2024年间20个亚洲国家的青年NEET比率统计，包含1个核心指标（EIP_NEET_SEX_CBR_RT），按性别与出生地维度进行细致划分。数据结构包含18个字段，除标准的地理标识（ref_area）、时间（time）与观测值（obs_value）外，还提供来源标注（source.label）、观测状态标识（obs_status）及中断序列注释（note_indicator.label）等元信息列，为数据质量评估提供健全支持。数据集的时间跨度覆盖四分之一个世纪，适合进行长周期纵向比较与区域趋势分析。

使用方法

用户可通过HuggingFace Datasets库轻松加载该数据集，使用一行命令`load_dataset("electricsheepasia/asia-ilo-eip-neet-sex-cbr-rt-share-of-youth-not-in-employment-education-or-trai")`即可获得即用的Pandas DataFrame格式数据。进一步可针对特定国家（如印度尼西亚）进行过滤分析，也可按时间序列可视化单一指标的演变趋势，或通过透视表构建国家×年份矩阵，便于跨区域比较。数据集采用CC-BY-4.0许可协议，引用时需注明ILO原始出处与Electric Sheep Asia的重加工贡献。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT统计数据库中发布，经Electric Sheep Asia于2024年重新整理并托管于HuggingFace平台。核心研究问题聚焦于亚洲地区青年（15-24岁）未参与就业、教育或培训（NEET）的比例，按性别和出生地维度进行细化分析，旨在揭示区域劳动力市场中结构性弱势群体的困境。数据集涵盖1999至2024年间20个亚洲国家的963条观测值，为跨国比较、政策评估及可持续发展目标（SDG）中体面工作指标的监测提供了标准化、可复用的时间序列数据。作为ILOSTAT下辖的官方指标，其数据源广泛吸纳家庭调查及行政记录，经ILO统一方法论校准，在劳动经济学与公共政策研究领域具有权威性与基准性影响。

当前挑战

该数据集所解决的领域问题在于，NEET率作为衡量青年劳动力市场依附性与社会排斥风险的关键指标，传统统计常受限于数据碎片化、时间跨度不连续及跨国可比性不足。具体挑战包括：1) 亚洲多国（如阿富汗、老挝）因经济条件或政治动荡导致数据稀疏（部分国家仅1个年份有记录），难以构建连贯的面板模型；2) 不同来源（如劳动力调查与行政记录）存在方法论差异，需依赖ILO的‘最优来源’算法进行整合，但‘断点’标记（如方法修订）可能引发时序分析中的结构性突变误判；3) 性别与出生地等细化分类在部分年份缺失，削弱了基于交叉性分析（如移民青年女性NEET率）的统计效力；4) 非年度频率的月度/季度指标未被收录，限制了高频率季节调整或短期政策冲击的捕捉能力。

常用场景

经典使用场景

在劳动经济学与青年发展研究领域，该数据集的核心用途在于量化亚洲地区青年群体中既未就业、亦未接受教育或培训的人口比例，即NEET指标。研究者可借助其中按性别和出生地精细划分的数据，构建面板回归或时间序列模型，系统性地追踪二十个亚洲国家在1999至2024年间青年劳动力市场的结构性变化。例如，通过对比不同性别群体的NEET率差异，可以揭示性别不平等在青年就业转型中的深层作用，为政策制定提供坚实的实证基础。

实际应用

在实际政策应用层面，该数据集为亚洲各国劳动部门及国际组织提供了动态监测青年边缘化风险的定量工具。通过可视化呈现不同国家与性别的NEET率演变趋势，政策制定者能够精准识别高脆弱性群体与关键干预窗口期。例如，联合国可持续发展目标中的体面工作指标——SDG 8.6.1，正是以NEET率为核心度量，因此该数据可直接服务于国家层面的进展评估与全球对比报告，助力资源向最需关注的青年亚群体倾斜。

衍生相关工作

围绕这一标准化数据集，学术界衍生出一系列标杆性研究工作。其中最为经典的当属利用多国面板数据检验经济周期与NEET率非线性关系的计量论文，以及构建贝叶斯层次模型揭示移民背景对青年NEET状态异质影响的研究。此外，机器学习方法被引入该数据集后，催生了若干利用随机森林与梯度提升树预测青年劳动力市场风险的创新工作，这些成果不仅丰富了劳动经济学的分析工具箱，也推动了数据驱动型社会政策的范式演进。