electricsheepasia/asia-ilo-luu-5lu3-sex-age-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含981个观测值，涉及22个亚洲国家从2014年至2025年的“其他劳动力未充分利用指标”数据，覆盖1个独特指标：失业率和潜在劳动力综合率（LU3），按性别和年龄分类，基于第19届国际劳工统计学家会议（ICLS）标准。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤亚洲国家，涵盖国家代码、来源、指标、性别、年龄分类、时间、观测值等列，适用于表格分类、回归和时间序列预测任务。This dataset contains 981 observations of Other measures of labour underutilization data across 22 Asia countries, spanning 2014–2025, covering 1 distinct indicator: Combined rate of unemployment and potential labour force (LU3) by sex and age, based on the 19th International Conference of Labour Statisticians (ICLS). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), filtered for Asian countries, and includes columns such as country codes, sources, indicators, sex, age classifications, time, and observed values, suitable for tabular classification, regression, and time-series forecasting tasks.

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，经由Electric Sheep Asia团队从ILOSTAT REST API直接拉取数据，并依据亚洲ISO3国家代码进行地理范围过滤后重新封装而成。原始数据基于各国劳动力调查、家庭收入调查等官方来源，并遵循国际劳工统计学家会议（ICLS）定义进行统一化处理，确保了跨国可比性。数据集共收录981条观测记录，涵盖22个亚洲国家及地区，时间跨度从2014年至2025年，聚焦于失业与潜在劳动力综合率（LU3）这一核心指标，并按性别与年龄维度进行细分。

特点

该数据集的核心特点在于其精准的区域聚焦与权威的数据来源。它专为亚洲劳动力市场分析设计，覆盖了从塞浦路斯到孟加拉国的22个经济体，提供了统一的标准化指标——LU3综合率，该指标融合了传统失业率与潜在劳动力衡量，更全面地刻画了劳动力利用不足的复杂状况。数据按性别（总人口、男性、女性）进行精细分类，同时附带了详细的元数据，包括数据来源标识、观测状态标记及系列中断注释，便于用户评估数据质量与时间序列的一致性。

使用方法

使用者可通过HuggingFace的`datasets`库便捷加载该数据集，仅需一行代码`load_dataset`即可将其转换为Pandas DataFrame进行后续分析。推荐操作包括：针对单一国家进行筛选以观察其劳动力市场演变；按时间序列对特定指标进行可视化，揭示趋势变化；或通过数据透视将数据重塑为国家×年份的矩阵格式，便于进行跨国比较与面板数据分析。数据集以Parquet格式存储，旨在实现高效的读写性能与机器学习工作流的无缝集成。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年依托其ILOSTAT数据库汇编发布，由Electric Sheep Asia进行再包装，聚焦亚洲22个国家2014至2025年间劳动力未充分利用的度量。核心研究问题在于量化失业与潜在劳动力（LU3）的联合比率，按性别与年龄分层，以揭示亚洲地区劳动力市场的结构性特征。作为第19届国际劳动统计学家会议（ICLS）框架下的标准化指标，该数据集为比较区域就业动态、评估性别差异及青年就业困境提供了权威数据支撑，对劳动经济学、发展政策及可持续发展目标（SDG）监测具有重要影响。

当前挑战

该领域面临的挑战首先在于劳动力未充分利用概念的多维性，LU3比率需整合失业与潜在劳动力，但各国对潜在劳动力的定义与调查方法差异显著，导致跨国产出可比性受损。构建过程中，数据集依赖ILOSTAT对多个国家劳动力调查的协调，但调查频率、样本覆盖面及分类标准不一，例如部分国家仅提供年度数据，且存在序列中断或方法论修订。此外，性别与年龄分层增加了数据稀疏性，22国中近半数观测值少于50行，影响了时间序列建模的稳健性，且部分国家的数据缺失年份使区域趋势推断面临不完整性风险。

常用场景

经典使用场景

该数据集源于国际劳工组织ILOSTAT数据库，聚焦亚太地区劳动力未充分利用的关键测度指标——失业与潜在劳动力综合比率（LU3）。按照第19届国际劳动统计学家会议标准，数据按性别与年龄层分解，覆盖2014至2025年间22个亚洲国家。经典使用场景包括利用时间序列模型追踪特定国家劳动力市场松弛程度的演变趋势，或通过面板数据分析探究人口结构与性别差异对就业质量的影响，为区域劳动经济学研究提供标准化、可复现的实证基础。

衍生相关工作

该数据集的发布催生了若干衍生研究方向与工具开发。一方面，研究人员基于其面板结构构建了劳动力市场松弛度预测模型，将LU3指标与经济周期、教育支出等协变量结合，提升了就业形势预警能力。另一方面，数据标准化格式促进了与ILOSTAT其他劳动力指标（如工时不足率、非正规就业比例）的联合分析，衍生出劳动多维非充分就业指数；同时，该数据集也作为基准被用于测试时间序列插值技术在离散年度观测中的补全效果，推动了缺失数据处理方法的改进。

数据集最近研究

最新研究方向

在亚太劳动力市场结构转型与后疫情时代就业复苏的交叉背景下，该数据集聚焦于LU3综合失业与潜在劳动力比率这一前沿指标，通过性别与年龄维度的精细拆解，为研究隐性失业、就业不足及劳动力闲置等复杂现象提供了关键量化工具。其涵盖22个亚洲经济体的年度面板数据（2014-2025年），有力支撑了基于时间序列的劳动力市场韧性评估、非正规就业动态监测以及青年与女性群体就业脆弱性的比较分析。该数据集的发布契合了国际劳工组织第19届ICLS对劳动力利用不足测度的最新界定标准，推动了从传统失业率向更广义劳动利用不足指标的范式迁移，为亚洲区域劳动力政策制定、结构性改革效果评估及可持续发展目标（SDG 8.5）的量化追踪注入了数据驱动力。