electricsheepeurope/europe-ilo-emp-xtru-sex-age-rt-time-related-underemployment-rate-by-sex-and-age

该数据集包含34,165个观测值，涉及时间相关就业不足率按性别和年龄划分（%）数据，覆盖39个欧洲国家，时间跨度为1991年至2025年，包含1个独立指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是全球劳动力统计的主要来源，涵盖就业、失业、工资、工作时间、童工、非正规经济、社会保障、职业伤害和可持续发展目标体面工作目标等指标。数据通过ILOSTAT REST API直接获取，并过滤为欧洲ISO3国家代码。ILOSTAT根据国际劳工统计学家会议（ICLS）定义协调原始调查微观数据；来源在`source.label`列中标记以便追溯。数据集包含多个列，如国家代码、国家名称、来源、指标代码、指标名称、性别分类、年龄分类、年份、观测值、观测状态等。数据为年度频率，当同一国家×年份有多个来源时，使用ILO选择的最佳来源。分类列（如`sex`、`classif1`）仅在指标发布该细分时非空。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一的、适合机器学习的数据层。This dataset contains 34,165 observations of Time-related underemployment rate by sex and age (%) data across 39 Europe countries, spanning 1991–2025, covering 1 distinct indicators. The data is sourced from ILOSTAT, the ILOs central statistics database and a leading global source for labour statistics, which compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. Data is pulled directly from the ILOSTAT REST API and filtered to Europe ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. The dataset includes columns such as country code, country name, source, indicator code, indicator name, sex disaggregation, age classification, year, observed value, observation status, etc. Data is annual frequency, and when an indicator has multiple sources for the same country×year, the ILO-selected best source is used. Disaggregation columns (e.g., `sex`, `classif1`) are non-null only when the indicator publishes that breakdown. The dataset is repackaged by Electric Sheep Europe as part of a unified, ML-ready data layer for Europe.

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，由Electric Sheep Europe团队重新封装，聚焦于欧洲39个国家的时间相关不充分就业率（按性别和年龄分列）。构建过程通过ILOSTAT REST API直接抽取原始指标数据，依据国际劳工统计学家会议（ICLS）的定义进行统一规范，并依据ISO 3166-1 alpha-3标准筛选欧洲国家代码。数据涵盖1991年至2025年间的年度观测值，共计34,165条记录，每条记录均包含国家、性别、年龄组、观测值及来源等详细字段，并附有数据质量标识和注释信息，确保数据来源的可追溯性与方法论的一致性。

使用方法

数据集设计坚持机器学习就绪（ML-ready）理念，用户可通过HuggingFace的datasets库以一行代码加载，无缝转换为Pandas DataFrame，便于后续处理。在具体应用层面，用户可按国家代码（ref_area）筛选特定国家，或依据指标代码（indicator）提取相关时间序列，进行趋势绘图与异常检测。数据集亦支持透视操作，可构造国家×年份的宽表矩阵，适配于面板回归、聚类分析等计量经济学模型，或用于训练时间序列预测算法，探索劳动市场动态的潜在规律。

背景与挑战

背景概述

在劳动力市场研究中，时间相关未充分就业率作为衡量劳动力利用不足的关键指标，对理解就业质量与经济韧性具有重要意义。该数据集由国际劳工组织（ILO）统计部门基于其核心数据库ILOSTAT构建，经Electric Sheep Europe于2025年重新封装并发布至HuggingFace平台，覆盖39个欧洲国家、时间跨度从1991年至2025年，包含34,165条观测记录，按性别与年龄维度进行细致划分。数据集依托ILO对各国劳动力调查数据的统一调和，确保跨国可比性，为分析欧洲劳动力市场的时间相关未充分就业动态提供了权威、标准化的数据基础，对劳动经济学、社会政策制定及可持续性发展目标（SDGs）相关研究具有重要支撑作用。

当前挑战

该数据集面对的领域挑战在于准确捕捉并量化时间相关未充分就业这一复杂现象，该指标不仅受经济周期影响，还深刻反映劳动力市场的结构性特征，如兼职意愿、工时不足与技能错配等。构建过程中的挑战主要体现在数据异质性与可比性上，涉及不同国家统计口径的差异、调查方法的多样性以及数据质量的波动，如观测值可能带有'不可靠'或'方法论修订'等标志。此外，部分国家存在数据缺失或时间序列不连续的问题，需要依赖ILO的'最佳来源'选择策略进行调和，同时保证按性别与年龄分解时样本量的充足性。这些均要求数据集在保留原始元数据的同时，提供清晰的跟踪标志，以供使用者进行审慎分析。

常用场景

经典使用场景

该数据集可作为劳动经济学与时间利用研究领域中的基准数据源，广泛应用于欧洲各国时间相关就业不足率的横截面比较、时序分析及面板数据建模。研究者可借助其涵盖39国、跨越1991至2025年的长期观测，结合性别与年龄分组维度，展开劳动力市场弹性、就业质量演变及性别差异等议题的实证检验。其规范的表格结构便于直接导入计量模型，或作为机器学习任务中的特征工程基础，支持分类、回归及时间序列预测等多类学习范式。

解决学术问题

此数据集有效应对了欧洲范围内就业不足现象长期统计数据碎片化与口径不统一的学术难题。依托ILOSTAT基于ICLS定义的国际可比性标准，研究者得以突破国别数据异质性壁垒，系统考察就业不足率与宏观劳动力市场指标间的动态关联。其时间跨度之长与覆盖面之广，为探究经济周期波动、制度变迁及人口结构转型对非充分就业状态的影响提供了稀有的纵贯证据，进而推进对劳动力资源错配及隐性失业问题的理论诠释。

实际应用

在实际应用层面，该数据集为欧盟及各成员国的劳动力政策制定与效果评估提供了量化支持。劳动部门可借此监测各年龄段与性别群体的就业不足态势，精准识别受经济结构调整冲击较大的脆弱人群，从而优化积极劳动力市场政策与技能培训计划的靶向投放。此外，数据亦可服务于企业人力资源规划、区域经济发展诊断及社会包容性指标的构建，其机器可读格式更便于嵌入自动化决策支持系统，提升公共管理效率。

数据集最近研究

最新研究方向

该数据集依托ILOSTAT权威劳动力统计，聚焦欧洲39国1991至2025年间时间相关不充分就业率的性别与年龄异质性，为劳动经济学领域的前沿研究提供了精细化的面板数据支撑。当前研究热点集中于后疫情时代就业质量的多维评估、性别平等与年龄分层下的劳动参与困境，以及数字经济对非充分就业形态的深层影响。通过时间序列与横截面相结合的回归分析，学者们正揭示欧洲劳动力市场结构性矛盾，为政策制定者提供缓解区域就业失衡、推动体面劳动议程的实证依据。此数据集的高粒度与标准化表征使其在跨地域比较和动态监测中具有重要价值，亦为机器学习方法在宏观经济预测中的应用开辟了新路径。