electricsheepeurope/europe-ilo-eip-3dis-sex-age-geo-nb-youth-discouraged-job-seekers-by-sex-age-and-rural

该数据集包含欧洲37个国家从1987年至2025年关于按性别、年龄和城乡地区划分的青年气馁求职者（千人）的14,643条观测数据，属于劳动力未充分利用指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并过滤到欧洲国家，涵盖年度频率，包括国家代码、指标、性别（总计、男性、女性）、年龄分类、城乡地区分类、年份、观测值及数据质量状态等列。数据集用于表格分类、回归和时间序列预测任务，语言为英语，数据规模在1万到10万条之间。This dataset contains 14,643 observations of Youth discouraged job-seekers by sex, age and rural / urban areas (thousands) across 37 Europe countries from 1987 to 2025, focusing on other measures of labour underutilization. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, extracted via API and filtered to European country codes, with annual frequency. It includes columns such as country code, indicator, sex (total, male, female), age classification, rural/urban area classification, year, observed value, and data quality status. The dataset is designed for tabular classification, regression, and time-series forecasting tasks, in English language, with a size category of 10K to 100K observations.

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核心统计数据库，聚焦欧洲地区青年因受挫而放弃求职的劳动利用不足指标。构建过程通过ILOSTAT REST API直接提取原始数据，筛选出37个欧洲国家的ISO3国家代码，并利用ICLS（国际劳工统计学家会议）定义对全国劳动力调查等微观数据进行统一 harmonization。数据以每年为观测频率，涵盖1987年至2025年间共14,643条记录，每条记录包含性别、年龄组及城乡地域的细分维度。Electric Sheep Europe团队将其重新打包为Parquet格式，确保机器学习任务的直接可用性。

特点

数据集的核心特点在于其精细的交叉分类结构，提供了性别（总、男、女）、年龄带宽带（如15-29岁）及地域覆盖（全国、城镇、乡村）的多维分层，使得研究者能够深入剖析不同人群的失业悲观情绪。此外，数据附带了详细的溯源标签，包括来源调查类型、观测状态标志（如不可靠、临时值）以及方法变动注释，为数据质量评估提供了透明依据。作为ILOSTAT在欧洲地区的子集，它聚焦于单一指标“青年受挫求职者数（千人）”，但时间跨度长、国家覆盖广，支持从总体趋势到国别对比的灵活分析。

使用方法

数据集可通过HuggingFace的`datasets`库轻松加载，仅需调用`load_dataset()`函数即可将数据转化为Pandas DataFrame格式，便于进行后续的筛选、变换与可视化。用户可以利用`ref_area`列按国家过滤数据，例如提取德国的子集；也可以针对特定指标`EIP_3DIS_SEX_AGE_GEO_NB`，按时间排序后绘制时间序列图。对于跨国家比较，推荐采用透视表操作，以年份为索引、国家代码为列，形成国家×年份观测值矩阵。数据集的年度频率和标准化模式使其尤为适用于面板数据回归、时序预测及分类任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过ILOSTAT数据库发布，经Electric Sheep Europe重新整理后提供。它聚焦于欧洲37个国家的青年失志求职者数据，涵盖1987年至2025年间的14,643条观测值，按性别、年龄及城乡区域进行细分。这一数据资源的核心研究问题在于量化劳动力利用不足中的隐性维度——那些因绝望而放弃求职的年轻人，从而补充传统失业率指标的不足。数据集对于欧洲劳动经济学、青年就业政策评估及可持续发展目标（SDG）中的体面工作指标研究具有重要影响力，为跨国比较和时间序列分析提供了标准化、机器可读的基础框架。

当前挑战

该数据集所解决的领域挑战在于，传统失业统计无法捕捉“失志求职者”这一隐性劳动力利用不足群体，导致政策制定忽视边缘化青年的真实困境。构建过程中面临的挑战包括：跨国数据源的异质性（如各国劳动力调查方法差异）、ILO对原始微观数据的协调统一需遵循国际劳动统计学家会议（ICLS）标准，且部分历史年份数据存在方法论修订导致的序列中断。此外，数据质量的标注复杂（如观测状态被标记为“不可靠”），以及城乡分类维度在不同国家间的覆盖不全，增加了跨区域比较的难度。

常用场景

经典使用场景

该数据集涵盖了1987年至2025年间37个欧洲国家中青少年因丧失求职信心而放弃寻找工作的统计数据，按性别、年龄段及城乡地域进行精细划分。其经典使用场景聚焦于纵向时间序列分析与跨地区比较研究，研究者可借助此数据追踪特定国家或区域中青少年‘沮丧求职者’规模的演变轨迹，识别经济周期、政策干预或社会变迁对该群体行为模式的冲击效应，成为劳动经济学与社会政策研究中剖析青年劳动力边缘化现象的核心观测窗口。

解决学术问题

数据集系统性地应对了劳动统计领域中一项长期存在的学术困境——即如何量化那些已脱离劳动力市场却未纳入传统失业统计的隐性劳动剩余。通过聚焦‘沮丧求职者’这一被传统失业率指标忽略的特异群体，该数据为学术界提供了检验劳动力市场冰封效应的可靠标尺，支持研究者从性别差异化、代际不平等及城乡结构性断裂等维度，深度解构青年群体就业弱参与的深层机制，进而推动对国际劳工组织推荐的多维劳动利用不足指标体系的实证验证与理论完善。

衍生相关工作

依托该数据集，一系列围绕欧洲青年失业动态与劳动利用不足问题的专题研究已逐步涌现。部分经典工作构建了多国面板回归模型，将‘沮丧求职者’比例与最低工资制度、青年保障计划、劳动力市场灵活性改革等制度变量进行因果推断，揭示了结构性政策对青年求职信念的异质性调节效应。另有研究者以此为基准，拓展开发了面向欧洲地区的青年劳动参与状态预测模型，或将性别−地域维度纳入隐马尔可夫框架以模拟劳动力状态转换概率，相关成果为劳动经济学中‘失业回滞’与‘边际附着’假说提供了跨国的实证锚点。