electricsheepasia/asia-ilo-luu-xlu3-sex-age-mts-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含亚洲29个国家从1999年至2025年的“失业和潜在劳动力综合率（LU3）”数据，按性别、年龄和婚姻状况分类，共有15,619个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤至亚洲地区。数据集涵盖了劳动力利用不足的指标，具体为LUU_XLU3_SEX_AGE_MTS_RT，用于表格分类、回归和时间序列预测等任务。数据包括国家代码、指标标签、性别分类、观测年份、数值以及数据质量标志等列，并提供了使用示例，例如过滤特定国家或创建时间序列图。数据集以CC-BY-4.0许可证发布，由Electric Sheep Asia重新打包，便于机器学习应用。This dataset contains 15,619 observations of the Combined rate of unemployment and potential labour force (LU3) data across 29 Asia countries, spanning 1999 to 2025, disaggregated by sex, age, and marital status. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered to Asian ISO3 country codes. It covers the indicator LUU_XLU3_SEX_AGE_MTS_RT, focusing on other measures of labour underutilization, and is suitable for tabular classification, regression, and time-series forecasting tasks. The dataset includes columns such as country code, indicator labels, sex classification, observation year, value, and quality flags, with usage examples for filtering and time-series analysis. It is released under the CC-BY-4.0 license and repackaged by Electric Sheep Asia for machine learning readiness.

搜集汇总

数据集介绍

构建方式

本数据集来源于ILOSTAT这一国际劳工组织（ILO）的核心统计数据库，经由Electric Sheep Asia团队严格筛选与重包装而成。数据通过ILOSTAT REST API直接抽取，并过滤限定为亚洲29个国家的观测值，涵盖1999年至2025年的年度时间序列。为保障数据质量，ILO采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调处理，且来源信息在'源标签'列中记录，确保每一条观测均具备可追溯性。数据集共收录15,619条观测，涉及1项核心指标，并按性别、年龄及婚姻状况进行维度划分。

特点

该数据集呈现鲜明的地域聚焦与时间纵深特征，精准覆盖亚洲区域的劳动力利用不足状况。其核心指标——失业与潜在劳动力合计比率（LU3），为评估区域劳动力市场健康度提供了关键量化视角。数据结构化程度高，包含18个字段，其中不仅含观测值及状态标识，还设有细颗粒度的分类变量（如性别和年龄类别）。此外，数据采纳了ILO精心挑选的'最佳来源'，并标注了可能影响序列连续性的修订说明，体现了严谨的统计态度。数据集许可为CC-BY-4.0，便于学术研究与应用开发。

使用方法

使用者可借助HuggingFace datasets库以极简代码便捷加载数据，并将其转换为Pandas DataFrame进行深入分析。典型操作包括依据国家代码筛选特定国家（如印度尼西亚）的观测数据，或针对特定指标按时间排序绘制趋势线，从而观察指标随时间演变。更进一步，可通过透视表功能将数据重塑为'国家'乘以'年份'的矩阵形式，便于进行跨国家或跨时期的横向对比。数据集的列名设计清晰，指示符代码与标签并存，降低了使用者的理解成本，尤其适合从事劳动经济学、区域研究及政策分析的学者与数据科学家快速上手。

背景与挑战

背景概述

在全球劳动力市场日益复杂多变的背景下，传统的失业率指标已难以全面反映劳动力未充分利用的状况。为弥补这一缺口，国际劳工组织（ILO）开发了包含LU3在内的多项补充性劳动力未充分利用指标。该数据集由Electric Sheep Asia于2025年重新整理并发布，依托ILOSTAT数据库，系统汇集了1999至2025年间亚洲29个国家的LU3（失业与潜在劳动力合计比率）数据，并按性别、年龄及婚姻状况进行了细粒度分解，共计15,619条观测记录。该数据集的发布为亚洲区域劳动力市场研究提供了标准化、机器可读的高质量时间序列数据，在劳动经济学、社会政策评估及可持续发展目标监测等领域具有重要参考价值，有力地推动了跨国比较研究的开展。

当前挑战

该数据集所面临的挑战主要体现在两个方面。从领域问题来看，劳动力未充分利用的测量长期受制于概念界定与统计口径的差异，LU3指标虽整合了失业与潜在劳动力，但不同国家在数据采集、抽样设计及调查频率上的异质性仍对跨国可比性构成显著威胁，且传统失业率指标显著低估了实际劳动供给的萎缩程度。从构建过程来看，数据整合面临多重障碍：原始数据源自各国劳动力调查，需经由ILO进行统一调和以符合ICLS标准，其间涉及数据缺失、异常值标记以及‘最佳来源’筛选等复杂决策；此外，不同国家的时间覆盖不均、部分序列存在方法论修订导致的断裂，以及分类变量的稀疏性，均增加了数据清洗与格式化的难度，对数据质量的最终呈现提出了严峻考验。

常用场景

经典使用场景

该数据集源于国际劳工组织（ILO）的ILOSTAT数据库，聚焦亚洲29个国家1999至2025年间失业与潜在劳动力综合比率（LU3）的年度观测，涵盖15,619条记录，并按性别、年龄及婚姻状况进行精细分层。其典型应用场景在于劳动经济学领域的时间序列分析与面板数据建模，研究者可借此探究亚洲劳动力市场的结构性变迁，识别不同人口亚组在劳动参与上的异质性，进而预测区域就业趋势。数据的高频粒度与跨年跨度亦为评估宏观经济政策对劳动力吸纳效应提供了理想素材，常用于构建动态面板回归、状态空间模型或机器学习预测框架，以深化对隐性劳动力闲置现象的理解。

解决学术问题

该数据集有效回应了劳动力闲置度量中标准口径缺失与区域比较乏据的学术困境。在传统失业率难以全面反映劳动市场松弛度的背景下，LU3指标融合失业与潜在劳动力，为衡量劳动力未充分利用提供了更宽广的透镜。依托ILO的ICLS统一定义，数据跨越多国多年，使研究者得以规避问卷差异导致的测量偏误，进行跨国横向比较与纵向趋势剖析。它尤其助力于检验劳动力市场制度、人口结构转变及全球化冲击对就业质量的影响假说，为劳动经济学、发展经济学及政策评估研究奠定了坚实的数据基石，显著提升了实证结论的可信度与可推广性。

衍生相关工作

该数据集的规范整理催生了多重衍生性研究资产。其本身作为ILOSTAT旗舰指标的精简版本，常被整合进宏观劳动统计比较研究中，作为衡量劳动力市场健康度的核心变量。研究者多基于此构建劳动市场松弛度指数，或开发预测模型，探索不确定性（如经济危机、疫情）对就业结构的冲击。相伴随的，数据清洗流程与跨国可比性调试方法亦成为后续数据集构建的范式参考。在方法学上，该数据亦激发了有关贝叶斯层级模型、多变量时间序列聚类及机器学习特征工程在劳动力分析中应用的探讨，推动了量化社会科学的工具创新。