electricsheepasia/asia-ilo-emp-pifl-sex-ins-dsb-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含亚洲16个国家从2006年至2024年的非正规经济就业数据，共1,058个观测值，涵盖1个核心指标：按性别、公共/私营部门和残疾状况划分的非正规部门就业份额（%）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤至亚洲国家。数据集采用表格格式，包含多列，如国家代码、国家名称、数据来源、指标代码、性别分类、时间年份、观测值等，并提供了数据质量说明和使用示例。数据集旨在支持表格分类、回归和时间序列预测等任务，适用于劳动经济学研究和政策分析。This dataset contains 1,058 observations of informal economy employment data across 16 Asian countries, spanning from 2006 to 2024, covering one key indicator: the share of employment outside the formal sector by sex, public/private sector, and disability status (%). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to Asian countries. It is presented in a tabular format with columns including country code, country name, data source, indicator code, sex disaggregation, time year, observed value, and more, along with data quality notes and usage examples. The dataset is designed for tabular classification, regression, and time-series forecasting tasks, suitable for labor economics research and policy analysis.

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中央统计数据库，通过其REST API接口直接提取指标EMP_PIFL_SEX_INS_DSB_RT的原始记录，并依据ISO3国家代码筛选出亚洲地区数据。ILO统计局采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等微观数据进行标准化调和，确保跨区域可比性。Electric Sheep Asia在此基础上进行重新打包，将数据规范化为Parquet格式并发布至HuggingFace平台，同时保留源标签列以支持追溯。

特点

数据集涵盖2006至2024年间16个亚洲国家的1058条观测记录，聚焦于非正规部门就业份额这一非正规经济核心指标。数据按性别、公共/私营部门及残疾状况多维 disaggregation，以ref_area、sex、classif1、classif2等列提供细粒度分类，并附带obs_status质量标志与注释字段。年度频率覆盖不均，蒙古国记录最为丰富，部分国家仅有个别年份数据，体现了区域统计能力的差异。

使用方法

研究者可通过HuggingFace datasets库以load_dataset函数直接加载数据集，并转换为Pandas DataFrame进行表格分析与时间序列建模。典型操作包括按ref_area筛选特定国家、按indicator抽取单一指标序列、以及利用pivot_table将数据重塑为国家×年份矩阵。该数据集适用于非正规就业趋势分析、性别差异研究及残疾状况对就业形式影响的分类或回归任务。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计监测，其核心数据库ILOSTAT为衡量体面劳动与非正规经济提供了权威基准。亚洲地区非正规就业占比居高不下，大量劳动者游离于正规部门之外，社会保障覆盖不足，性别差异与残障群体边缘化问题尤为突出。该数据集由Electric Sheep Asia于2024年从ILOSTAT REST API抓取并重新封装，覆盖16个亚洲国家2006至2024年间1058条观测记录，聚焦非正规部门就业份额的性别、公私部门及残障状况分类。数据集为研究亚洲非正规经济结构变迁、评估劳动政策干预效果提供了细粒度、可复现的跨国面板数据基础。

当前挑战

该数据集所应对的核心领域问题在于非正规就业的统计界定与跨国可比性：各国劳动力调查对非正规部门的操作化定义存在差异，ICLS标准虽提供协调框架，但非正规就业边界的模糊性持续挑战着指标的信度。构建过程中的主要挑战包括：亚洲地区调查覆盖不均衡，部分国家仅有一年观测，时序断裂严重；分类变量的非空值仅在实际发布细分维度时出现，导致面板数据存在结构性缺失；来源标注与观测状态标志揭示出方法学修订、序列断裂及数据可靠性存疑等问题，这些均要求使用者在建模时进行审慎的缺失值处理与异质性校正，以避免跨国比较中的系统性偏误。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集最为经典的用途在于刻画亚洲不同国家非正规部门就业比重的时序演变与截面差异。研究者依托其涵盖2006至2024年、十六个亚洲经济体的千余条观测，按性别、公私部门及残疾状况等维度展开分组比较，进而揭示非正规就业在劳动力市场中的结构化分布特征。以面板数据建模与趋势外推为手段，可系统辨识非正规就业比重随经济发展阶段、制度变迁与外部冲击而呈现的异质性轨迹，为跨国比较研究提供扎实的量化基础。

衍生相关工作

围绕该数据集及其所隶属的国际劳工组织统计体系，学界与政策研究机构衍生出若干经典工作。比较劳动经济学文献常以此类数据检验非正规就业与经济增长、贫困减缓及社会保护覆盖率之间的关联机制；性别研究则利用其分性别观测探讨女性在非正规部门中的集聚效应与收入惩罚。此外，亦有研究将其与世界银行发展指标或国际货币基金组织宏观经济数据匹配，构建多源面板以分析制度质量、贸易开放对非正规就业的影响，相关成果广泛发表于发展经济学与劳动政策领域的权威期刊。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集为亚洲地区非正规就业的性别与残障维度分析提供了稀缺的跨国面板数据。当前前沿研究聚焦于非正规部门就业的性别差异与残障包容性，并结合公共/私营部门分类探讨结构性排斥机制。该数据集覆盖2006至2024年16个亚洲国家，支持时间序列预测与分类建模，有助于揭示非正规就业的动态演变及其与可持续发展目标中体面劳动议题的关联。相关研究亦回应了国际劳工组织关于非正规经济统计标准化的倡议，对推动包容性劳动力市场政策具有实证参考意义。