electricsheepeurope/europe-ilo-luu-xlu3-sex-dsb-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含欧洲5个国家（阿尔巴尼亚、英国、摩尔多瓦、波兰、塞尔维亚）从2002年至2025年的332条观测数据，聚焦于“失业与潜在劳动力综合率（LU3）按性别和残疾状况分类”这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并经过处理，覆盖了就业、失业等劳动力统计领域。数据集以表格形式存储，包含国家代码、年份、性别、残疾状况、观测值等字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILO标准化处理，确保与国际劳工统计会议（ICLS）定义一致，并包含数据质量说明，如年度频率和最佳来源选择。This dataset contains 332 observations of the Combined rate of unemployment and potential labour force (LU3) by sex and disability status indicator across 5 European countries (Albania, United Kingdom, Moldova, Poland, Serbia) from 2002 to 2025. Sourced from the International Labour Organization (ILO) ILOSTAT database via REST API, it covers labour statistics such as employment and unemployment. The data is structured in tabular format with fields including country codes, year, sex, disability status, and observed values, suitable for tabular classification, regression, and time-series forecasting tasks. It is harmonized using ICLS definitions and includes data quality notes, such as annual frequency and best-source selection.

搜集汇总

数据集介绍

构建方式

在劳动经济学研究中，劳动力利用不足的度量对于理解劳动力市场的结构性特征至关重要。该数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，通过REST API接口提取了编号为LUU_XLU3_SEX_DSB_RT的指标数据，并依据欧洲ISO3国家代码进行了区域过滤。原始数据来自各国劳动力调查、家庭收入调查及行政记录等多元来源，并经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调处理。数据集最终由Electric Sheep Europe重新包装为HuggingFace上的标准化表格格式，确保了数据的可复现性与机器学习就绪性。

特点

该数据集聚焦于欧洲五国（英国、摩尔多瓦、波兰、阿尔巴尼亚、塞尔维亚）2002至2025年间非标准劳动力利用指标——失业与潜在劳动力合计比率（LU3），并按照性别和残疾状况进行细分。数据集包含332条观测记录，涵盖总体、男性与女性三个性别维度，以及残疾与非残疾状态分类。每条记录均附有数据来源标签、观测状态标志及方法修订注释等元数据，便于用户评估数据质量与序列连续性。数据以年度频率呈现，并通过ILO精选的“最佳来源”确保同一国家与年份间数据的一致性。

使用方法

用户可通过HuggingFace的datasets库以load_dataset函数直接加载该数据集，并转换为pandas DataFrame进行后续分析。典型用法包括按国家代码过滤以提取特定国家的时间序列数据，或通过指标代码筛选后按年份排序绘制趋势图。用户亦可利用pivot_table方法将数据重塑为国家×年份的矩阵形式，便于进行多国比较或面板数据分析。数据集还支持按性别或残疾状态进行分组聚合，探索不同人口群体间的劳动力利用率差异，为劳动政策评估与社会经济研究提供量化基础。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门基于其核心数据库ILOSTAT构建，由Electric Sheep Europe于2025年重新打包发布，聚焦欧洲五国（英国、摩尔多瓦、波兰、阿尔巴尼亚、塞尔维亚）在2002至2025年间按性别与残疾状态分列的失业与潜在劳动力综合比率（LU3）。作为衡量劳动力未充分利用程度的关键指标，LU3超越了传统失业率的局限，将失业人口与潜在劳动力（如因市场条件放弃求职者）纳入统一框架，为理解欧洲劳动力市场的结构性缺陷提供了更全面的视角。该数据集依托ILO对全球200多个经济体的劳动力调查数据进行标准化处理，遵循国际劳工统计学家会议定义，其跨年度、跨国别的面板结构使之成为研究残疾人群就业脆弱性、性别差异以及社会保障政策有效性的重要基础资源，对劳动经济学、公共政策与社会福祉研究领域产生了实质性推动。

当前挑战

当前数据集面临的核心挑战包括以下几方面：首先，在领域问题层面，LU3这一综合指标虽能捕捉传统失业率遗漏的潜在劳动力群体，但各国对“潜在劳动力”的界定标准与调查口径仍存在差异，导致跨国可比性受到削弱；同时，残疾状态的分类标准（如是否包含功能性限制或法定残疾判定）在不同国家间缺乏统一框架，进一步增加了跨地域解读的复杂性。在构建过程中，数据面临来源异构性挑战——ILOSTAT整合了劳动力调查、家庭收入调查等多种数据源，但各来源的采样方法、覆盖范围及统计误差各异，且部分年份存在序列断裂（如阿尔巴尼亚仅覆盖2002-2012年，塞尔维亚仅有2007年数据），导致时间序列不连续。此外，数据集仅包含五个国家的332条观测，样本量稀疏且地理覆盖不均，限制了统计推断的普适性与深度学习模型的应用潜力。观测状态标志（如“序列断裂”“方法修订”）虽提供了元数据线索，但缺乏对缺失机制的系统性记录，为后续数据插补与建模带来了不确定性。

常用场景

经典使用场景

在全球劳动力市场日益多元且复杂的背景下，该数据集专注于欧洲五国（英国、摩尔多瓦、波兰、阿尔巴尼亚、塞尔维亚）2002至2025年间按性别与残疾状态细分的失业与潜在劳动力综合比率（LU3）。其经典用途在于开展跨国家、跨性别的劳动力未充分利用状况时间序列分析，研究者能够借助该数据探索经济周期波动对不同人群就业态势的冲击，从而揭示传统失业率指标所掩盖的隐性劳动力闲置问题。数据以年度频率呈现，辅以来源标记与断点注释，为构建面板数据模型、评估政策干预效果提供了可靠的量化基础。

衍生相关工作

基于该数据集，一系列具有影响力的衍生工作得以展开。研究者已开发出融合LU3指标与宏观经济变量（如GDP增长率、技术替代指数）的预测模型，用以模拟自动化浪潮对弱势就业群体的潜在冲击。另有工作集中于方法论创新，例如利用状态空间模型对数据中的断点进行校正，以构建更平滑的长期趋势估计。此外，该数据还催生了关于残疾包容性就业政策的比较研究，通过将LU3分解为性别子组，学者揭示了不同福利体制下劳动力市场韧性的结构性差异，为优化社会保护体系提供了关键参考。

数据集最近研究

最新研究方向

当前研究前沿聚焦于利用该数据集构建基于性别的残疾群体劳动力边缘化度量模型，结合ILOSTAT的LU3复合指标，分析欧洲五国2002—2025年间失业与潜在劳动力的交互动态。值得注意的是，数据集中包含因方法修订导致的序列断裂标记（如'Break in series'），为研究劳动力统计标准变迁对纵向比较的影响提供了独特窗口。随着国际劳工组织推动更具包容性的劳动力度量体系（如SDG体面工作目标），该数据集在量化残疾劳动力参与障碍、揭示传统失业率掩盖的隐性劳动闲置方面具有突破性意义，特别是为欧盟'2021—2030年残疾人权利战略'的效果评估提供了可操作的时间序列基准。