electricsheepeurope/europe-ilo-eip-wdis-sex-geo-mts-nb-discouraged-job-seekers-by-sex-rural-urban-area-an

该数据集包含关于其他劳动力未充分利用指标的15,558个观察值，涵盖36个欧洲国家，时间跨度为1987年至2025年，重点关注一个具体指标：按性别、农村/城市地区和婚姻状况划分的沮丧求职者（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为欧洲国家。数据集包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类、分类变量（如地区类型和婚姻状况）、观察年份、观察值、观察状态标志以及相关注释列。数据以年频率发布，部分观察值可能具有临时性或不可靠性标志。数据集旨在支持表格分类、表格回归和时间序列预测等任务，适用于劳动力市场分析和研究。This dataset contains 15,558 observations of Other measures of labour underutilization data across 36 Europe countries, spanning from 1987 to 2025, focusing on one specific indicator: Discouraged job-seekers by sex, rural / urban area and marital status (thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered to Europe country codes. It includes columns such as country code, country name, data source, indicator code, indicator label, sex disaggregation, classification variables (e.g., area type and marital status), observation year, observed value, observation status flags, and related notes. The data is published at annual frequency, with some observations marked as provisional or unreliable. The dataset is designed for tabular classification, tabular regression, and time-series forecasting tasks, suitable for labour market analysis and research.

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）旗下的ILOSTAT核心统计数据库，通过调用其REST API接口，直接获取标识符为EIP_WDIS_SEX_GEO_MTS_NB的指标数据。随后，基于欧洲36个国家的ISO3国家代码进行地理筛选与过滤，最终构建成包含15,558条观测记录的标准化表格数据集。在数据加工过程中，ILOSTAT依据国际劳工统计学家会议（ICLS）的定义框架，对各国原始调查微观数据进行了统一协调，并借助source.label字段标注数据来源，确保每一条记录皆可追溯至其原始出处。

使用方法

借助Hugging Face datasets库，用户可通过一行代码完成加载：load_dataset("electricsheepeurope/europe-ilo-eip-wdis-sex-geo-mts-nb-discouraged-job-seekers-by-sex-rural-urban-area-an")，并转为Pandas DataFrame进行后续操作。针对具体国家，可基于ref_area列进行筛选；若要探索单个指标的时序动态，可对indicator列过滤后按time列升序排列并绘制趋势图。此外，通过透视表功能，可便捷地将数据重塑为国家×年份的矩阵形式，为面板数据分析或计量经济学建模奠定基础。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门依托ILOSTAT数据库构建，经Electric Sheep Europe于2025年重新整理并发布于HuggingFace平台。核心研究问题聚焦于欧洲地区因就业前景暗淡而放弃求职的“沮丧求职者”群体，通过性别、城乡地域及婚姻状况等多维度细分指标，揭示劳动力市场中的隐性失业现象。数据集涵盖36个欧洲国家1987年至2025年的年度观测值，共计15558条记录，为劳动力经济学、社会政策评估及可持续发展目标（SDG）中的体面工作指标提供了关键量化依据。作为ILOSTAT这一全球领先劳动统计数据库的重要组成部分，该数据集在推动跨国比较研究、完善劳动力利用不足测量方法学方面具有显著影响力，尤其为理解结构性失业与劳动力市场分化提供了精细化数据支撑。

当前挑战

数据集面临的挑战主要涵盖两方面。在领域问题层面，传统失业率指标常低估劳动力市场困境，而“沮丧求职者”作为更复杂的隐性失业形式，其定义界限模糊、易受宏观经济周期和统计口径差异影响，导致跨国可比性不足。ILO虽采用ICLS国际标准进行数据协调，但各国调查问卷设计、样本框覆盖及季节性调整方式的差异仍构成显著障碍。在构建过程中，数据整合面临多重难题：需从ILOSTAT REST API抽取原始调查微观数据，并基于欧洲国家ISO3代码进行地理过滤，同时处理因方法论修订（如间断序列标记）导致的时序断裂问题；此外，年度数据与部分国家月度或季度发布频率的冲突、多来源间“最佳来源”的遴选规则，以及性别人口学分类与地理变异度（城乡/全国）的交叉解析，均对数据清洗与标准化提出严苛要求。

常用场景

经典使用场景

在劳动经济学与社会政策研究的交汇处，该数据集凭借其横跨36个欧洲国家、近四十年的纵贯数据，成为探索劳动力市场弱势群体行为的经典资料。其核心价值在于揭示那些因长期求职无果而彻底放弃寻找工作的个体——即‘沮丧求职者’——在不同性别、城乡居住地及婚姻状况维度下的分布规律。研究者可通过时间序列分析，勾勒出经济周期与结构性失业的相互影响；亦可借助面板数据模型，比较不同福利制度与劳动力市场政策对就业意愿的差异化调节效果。该数据集为理解欧洲各国隐性失业的演变趋势提供了无可替代的实证基石。

解决学术问题

该数据集着力于解决劳动经济学中长期存在的‘灰暗地带’测量难题——即传统失业率指标未能捕捉的、因绝望而退出劳动市场的群体。通过提供按性别、城乡及婚姻状况分层统计的沮丧求职者规模，数据集使学者得以量化劳动力闲置的真实广度，并剖析其与社会排斥、心理健康及家庭决策之间的复杂关联。它允许研究者在跨国比较中检验‘附加工人效应’与‘沮丧工人效应’的理论假设，评估最低工资、失业救济金制度改革等政策对边缘群体的异质性冲击。这些贡献显著提升了学界对欧洲劳动力市场韧性与脆弱性的系统认知，为完善非充分就业统计框架提供了方法论参考。

实际应用

在实际应用层面，该数据集服务于多项高价值场景。国际劳工组织及欧洲各国统计机构可据此动态监测‘隐性失业’的区域分布，识别出城乡发展失衡或性别不平等加剧的预警信号。社会保障部门能够借助数据揭示的群体特征，精准设计针对农村已婚女性或经济衰退地区未婚男性的职业再培训项目。金融与咨询机构亦可将沮丧求职者比例纳入营商环境评估模型，作为预测消费能力与财政压力的先行指标。同时，数据集标准化为表格格式并整合至HuggingFace平台，使得机器学习团队可以快速调用，构建失业风险预测或劳动力市场流失预警的时序模型，从而赋能公共政策与商业决策的智能化转型。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲劳动力市场中‘沮丧求职者’这一隐性失业群体，通过性别、城乡地域及婚姻状况的精细分层，为量化劳动力未充分利用的时空异质性提供了关键数据支撑。基于ILOSTAT官方权威来源，覆盖36国近40年时序记录，使得学者得以在气候变化、新冠疫情及数字化转型等热点事件背景下，深入探讨结构性失业的演变轨迹与差异化影响。该数据尤为适合应用于时序预测模型与面板数据分析，从而助力前瞻性就业政策的设计与评估，尤其关注脆弱群体的市场再融入机制。其标准化的开放获取格式与ML-ready特性，显著提升了跨学科协作效率，推动了劳动经济学与社会分层研究的实证前沿。