electricsheepasia/asia-ilo-eip-neet-sex-rt-share-of-youth-not-in-employment-education-or-trai

该数据集包含亚洲41个国家1970年至2025年期间关于青年非就业、非教育或非培训（NEET）比例按性别划分（%）的1,350条观察数据，属于其他劳动力未充分利用指标类别。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家，涵盖国家代码、年份、性别分类、观测值等字段，采用cc-by-4.0许可协议。This dataset contains 1,350 observations of Share of youth not in employment, education or training (NEET) by sex (%) across 41 Asia countries from 1970 to 2025, categorized under Other measures of labour underutilization. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for Asian countries, with fields including country codes, year, sex disaggregation, observed values, and licensed under cc-by-4.0.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Asia通过ILOSTAT官方REST API直接采集原始指标数据，并按照亚洲ISO3国家代码进行筛选过滤后整理而成。ILOSTAT作为国际劳工组织的核心统计数据库，其数据来源于各国劳动力调查、家庭收入调查、企业调查及行政记录，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集经过清洗与重打包，以Parquet格式存储，确保机器学习就绪。

特点

此数据集收录了1970年至2025年间亚洲41个国家的1350条观测记录，聚焦于青年未接受教育、就业或培训（NEET）的比例，并按照性别进行细分。数据不仅提供观测值，还标注了数据来源、观测状态及断点原因等元信息，便于用户评估数据质量。时间跨度长达55年，覆盖从印度尼西亚、土耳其到巴勒斯坦、柬埔寨等多样化的亚洲经济体，为区域比较与纵向分析提供了丰富素材。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数一键加载数据，并使用to_pandas方法将其转化为DataFrame进行后续操作。支持按国家代码筛选特定国家的数据，或针对单一指标进行时间序列分析，也可通过pivot_table构建国家-年份矩阵，便于进行面板数据分析。数据集兼容分类、回归及时间序列预测等任务场景，适合劳动经济学、社会政策等领域的研究人员快速调用。

背景与挑战

背景概述

在全球劳动力市场分析中，青年失业与教育脱节问题始终是国际劳工组织（ILO）关注的核心议题。该数据集由Electric Sheep Asia于2025年基于ILOSTAT官方API重新封装构建，聚焦亚洲41个国家和地区1970年至2025年间‘未参与就业、教育或培训的青年（NEET）’按性别划分的比例，共计1350条观测记录。其研究背景根植于联合国可持续发展目标（SDG）中关于体面劳动与经济增长的指标监测需求，旨在通过标准化、机器可读的表格形式，为跨区域劳动力利用不足的量化比较提供可靠数据支持。该数据集以CC-BY-4.0许可发布，凭借ILO在劳动统计领域的权威性，成为亚洲青年就业状况研究的重要基准资源。

当前挑战

数据构建面临多重挑战。在领域问题层面，NEET指标需精准反映青年劳动力市场的结构性困境，但亚洲各国统计口径、调查频率与数据质量参差不齐，例如部分早期或冲突地区数据存在断裂与缺失，影响跨时序分析的连续性。在构建过程中，从ILOSTAT API获取原始数据后需处理多源数据整合问题，包括选择同一国家同年份的ILO优选数据源、处理性别维度（总/男/女/其他）的间断性标注，以及协调因方法论修订导致的观测状态标志（如系列中断、临时数据）。此外，部分国家仅提供年度频率数据，缺失月度或季度细粒度的劳动力动态，限制了更精准的时空建模能力。

常用场景

经典使用场景

在劳动经济学与青年发展研究中，该数据集的核心价值在于量化亚洲41国青年群体中‘非在学、非就业、非培训’（NEET）的比例，并依据性别维度进行细致拆解。研究者可借助这一结构化面板数据，构建跨国家、跨时段的比较分析框架，系统评估不同经济体制、教育体系与社会政策环境下青年人力资本闲置的演化轨迹。其经典用法涵盖趋势追踪、性别差异剖析以及多国横向对比，为理解亚洲青年从校园向劳动力市场过渡的结构性障碍提供了坚实的数据基石。

实际应用

在实际应用层面，该数据集构成了国际组织、国家劳动部门及非政府组织制定青年赋能政策的关键决策依据。政策制定者可利用其中40余国五十余年的长时序数据，精准识别哪些国家、何种性别群体在特定历史时期面临最高的NEET风险，从而设计靶向性的职业培训计划、创业扶持方案或教育改革举措。此外，该数据集在可持续发展目标（SDG）监测框架中扮演重要角色，尤其是目标8（体面工作和经济增长）下关于降低青年NEET比例的全球承诺进展追踪，使得数据驱动的政策评估与资源分配成为可能。

衍生相关工作

围绕该数据集，学术界与政策分析领域衍生出一系列卓有影响的相关工作。基准模型方面，研究者常基于该数据构建针对NEET率的时间序列预测模型，如ARIMA、Prophet或LSTM，用以预判未来青年劳动市场的风险态势。亦有工作将其作为核心协变量，纳入分析全球化、自动化或宏观经济冲击对青年群体影响的计算社会科学模型。更深入的研究则结合微观调查数据，利用该宏观面板设定跨层回归框架，探讨个体与结构因素对NEET状态的交互效应，这些探索显著丰富了关于亚洲青年发展不平等的地理空间与社会时序叙事。