electricsheepeurope/europe-ilo-eip-dwap-sex-mts-dsb-rt-inactivity-rate-by-sex-marital-status-and-disabili

该数据集包含欧洲32个国家在2002年至2025年期间按性别、婚姻状况和残疾状况划分的不活动率（Inactivity rate by sex, marital status and disability status (%)）数据，共46,892个观测值，涵盖1个独立指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并经过过滤和重新打包由Electric Sheep Europe发布。数据集采用表格格式，适用于表格分类、回归和时间序列预测任务，包括国家代码、年份、性别分类、观测值等列，并提供了数据质量说明和使用示例。This dataset contains 46,892 observations of Other measures of labour underutilization data across 32 Europe countries, spanning 2002–2025, covering 1 distinct indicator: Inactivity rate by sex, marital status and disability status (%). The data is sourced from the International Labour Organizations ILOSTAT database, pulled via the ILOSTAT REST API, filtered to Europe ISO3 country codes, and repackaged by Electric Sheep Europe. It is a tabular dataset suitable for tasks like tabular classification, regression, and time-series forecasting, with columns including country codes, years, sex disaggregation, observed values, and data quality flags.

搜集汇总

数据集介绍

构建方式

在劳动统计领域，准确衡量不同人群的劳动参与状态对于制定包容性就业政策至关重要。本数据集依托国际劳工组织（ILO）的ILOSTAT数据库构建，通过其REST API接口直接获取原始指标数据，并筛选出欧洲32个国家的观测记录。数据来源涵盖各国劳动力调查、家庭收入调查及行政记录等多元化渠道，经ILO依据国际劳动统计学家会议（ICLS）定义进行统一协调与标准化处理。此外，数据集中的每个观测值均附有来源标签，确保数据可追溯性与透明度。

特点

该数据集汇集了2002年至2025年间覆盖32个欧洲国家的46,892条观测数据，聚焦于劳动力利用不足的衡量指标——按性别、婚姻状况及残疾状况划分的不活跃率。数据以年度频率呈现，并提供了精细的分类维度，包括性别（总、男、女）以及婚姻状况和残疾状况的聚合分类，使得研究者能够深入剖析不同群体的劳动参与差异。此外，数据集包含了详尽的元数据字段，如观测状态标记及来源注释，为数据质量评估与筛选提供了便利。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载此数据集，利用`load_dataset()`函数即可将其转换为Pandas DataFrame进行后续分析。针对特定国家或指标的子集，可通过字段过滤实现定向研究。例如，筛选特定国家（如德国）的数据以开展国别分析，或选取特定指标代码进行时间序列的可视化与建模。数据集的结构化特性还支持通过数据透视表操作，将数据重塑为国家×年份的矩阵形式，便于进行跨国比较与面板数据分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，经Electric Sheep Europe重新打包后以HuggingFace数据集形式呈现，聚焦于欧洲32个国家在2002至2025年间按性别、婚姻状况和残疾状态划分的经济不活动率。作为衡量劳动力利用不足的重要指标，经济不活动率揭示了劳动年龄人口中既未就业也未失业的群体规模，其与性别平等、社会包容及残疾人就业政策紧密相连。数据集涵盖了46,892条观测值，依托ILO协调的劳动调查微观数据，遵循国际劳动统计学家会议（ICLS）定义，为研究欧洲劳动力市场结构性变化、政策评估和跨国比较提供了标准化、可复现的高质量数据源，尤其为分析残疾群体和不同婚姻状况人群的就业障碍奠定了实证基础。

当前挑战

该数据集面临的核心挑战在于准确刻画经济不活动率的复杂社会决定因素。首先，残疾状态的分类标准在欧洲各国间存在显著差异，部分国家采用主观自我报告，另一些则依赖医疗诊断，导致跨国比较时数据口径不统一。其次，婚姻状况与性别的交互效应难以剥离——例如，已婚女性的不活动率可能受传统家庭分工影响，而单亲父母则面临照护负担，这些结构性因素在聚合数据中常被掩盖。在构建过程中，挑战体现为ILOSTAT需从超过30种来源整合微观数据，语言障碍、调查周期差异及指标定义的非标准化（如‘不活动’是否包括求学或家庭主妇）要求复杂的协调与清洗。此外，时间序列中因方法修订或源变更导致的断点（如代码为'I11:264'的序列中断）需谨慎标注，以避免分析偏误，而部分观测值的‘不可靠’标记亦限制了高精度建模的适用性。

常用场景

经典使用场景

在劳动经济学与公共政策研究中，该数据集被广泛应用于分析欧洲32国2002至2025年间按性别、婚姻状况与残疾状态划分的劳动不活跃率。研究者可借助其时间序列特性追踪特定群体劳动参与率的长期演变轨迹，或利用分类维度揭示性别、婚姻与残疾状态对就业退出行为的叠加效应。典型的分析范式包括构建面板数据模型检验社会保障政策对残疾群体劳动供给的抑制作用，以及通过时序分解技术剥离经济周期与结构性因素对不活跃率的差异化影响。

实际应用

在实际应用层面，该数据集为欧盟及各国劳动部门评估包容性就业政策效果提供了关键数据支撑。政策制定者可依据性别与残疾状态的分层统计，精准识别劳动不活跃的高危人群，并据此优化社会保障申领条件或职业康复项目的资源分配。国际组织亦可利用该数据监测《2030年可持续发展议程》中关于充分就业与社会包容目标的区域进展，为跨国政策协调提供证据基础。

衍生相关工作

基于该数据集已衍生出一系列具有影响力的研究工作，包括利用差异中的差异方法评估《欧洲残疾人法案》实施对各国不活跃率的动态冲击效应，以及运用贝叶斯层次模型构建考虑婚姻状态异质性的劳动参与率预测框架。此外，部分学者将该数据与欧盟统计局收入数据衔接，构建了涵盖多维度脆弱性指标的劳动市场排斥指数，开创了劳动不活跃研究的交叉分析范式。