electricsheepeurope/europe-ilo-emp-pifl-sex-mts-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集名为按性别和婚姻状况划分的非正规经济就业比例（%）| 欧洲（ILOSTAT），是一个关于欧洲非正规经济就业的表格数据集。数据集包含12,831个观测值，涵盖34个欧洲国家，时间跨度为2003年至2025年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，通过国家劳动力调查、家庭收入调查、机构调查和行政记录等收集数据。数据集仅包含一个指标：EMP_PIFL_SEX_MTS_RT，即按性别和婚姻状况划分的非正规经济就业比例（%）。数据按性别进行细分，包括总计（SEX_T）、男性（SEX_M）和女性（SEX_F）。数据集结构包括以下列：国家代码（ref_area）、国家名称（ref_area.label）、来源代码（source）、来源标签（source.label）、指标代码（indicator）、指标标签（indicator.label）、性别代码（sex）、性别标签（sex.label）、分类变量（classif1）、分类标签（classif1.label）、年份（time）、观测值（obs_value）、观测状态（obs_status）等。数据为年度频率，ILO在多个来源中选择最佳来源。数据集由Electric Sheep Europe重新打包，以Parquet格式发布，便于机器学习使用。许可证为cc-by-4.0。The dataset is named Share of employment outside the formal sector by sex and marital status (%) | Europe (ILOSTAT). It is a tabular dataset focusing on informal economy employment in Europe. It contains 12,831 observations across 34 European countries, spanning from 2003 to 2025. The data is sourced from ILOSTAT, the International Labour Organizations central statistics database, which compiles labour statistics from national labour force surveys, household income surveys, establishment surveys, and administrative records. The dataset includes only one indicator: EMP_PIFL_SEX_MTS_RT, representing the share of employment outside the formal sector by sex and marital status (%). Data is disaggregated by sex, with categories: total (SEX_T), male (SEX_M), and female (SEX_F). The schema includes columns such as country code (ref_area), country name (ref_area.label), source code (source), source label (source.label), indicator code (indicator), indicator label (indicator.label), sex code (sex), sex label (sex.label), classification variable (classif1), classification label (classif1.label), year (time), observed value (obs_value), observation status (obs_status), etc. The data is annual, and the ILO selects the best source when multiple sources exist. The dataset is repackaged by Electric Sheep Europe in Parquet format for machine learning readiness. The license is cc-by-4.0.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织统计数据库ILOSTAT的权威统计资源，通过REST API端点直接提取指标EMP_PIFL_SEX_MTS_RT的原始数据，并依据ISO3国家代码筛选欧洲区域记录。原始调查微观数据经国际劳工统计学家会议定义框架统一协调，确保跨国可比性，数据来源在source.label列中标注以保障可追溯性，最终由Electric Sheep Europe重新封装为机器学习就绪的Parquet格式。

特点

数据集覆盖34个欧洲国家，时间跨度为2003年至2025年，包含12,831条观测记录，以性别和婚姻状况为分类维度进行就业部门外占比的统计。数据结构涵盖国家代码、来源标识、指标编码、性别与婚姻状况分类、年份及观测值等字段，并配备观测状态标志和来源注释，规模适中且维度清晰，适用于表格分类、回归及时间序列预测等多类任务。

使用方法

研究者可通过HuggingFace datasets库以load_dataset函数直接加载数据，并转换为Pandas数据框进行灵活操作。典型分析路径包括按国家代码筛选特定区域、针对单一指标构建时间序列以观察趋势演变，以及利用透视表生成国家与年份的矩阵视图，从而支撑跨国比较与面板数据分析。

背景与挑战

背景概述

非正规经济就业的测度长期以来构成劳动统计领域的核心议题。国际劳工组织（ILO）依托国际劳工统计学家会议（ICLS）确立的界定标准，通过ILOSTAT数据库系统性地汇编全球劳动力调查数据，为监测非正规就业的规模与结构提供权威基准。该数据集由Electric Sheep Europe于2025年从ILOSTAT REST API抽取并重新封装，覆盖34个欧洲国家、2003至2025年间共计12,831条观测记录，以性别与婚姻状况为分类维度，刻画正规部门以外就业占比的时序演变。作为欧洲区域劳动市场非正规性研究的基础性数据资源，其为比较福利国家体制、性别分层与就业脆弱性等议题提供了跨国可比的量化支撑。

当前挑战

非正规就业统计面临概念界定与操作化之间的持续张力。ICLS标准虽提供统一框架，但各国劳动力调查的问卷设计、抽样方式及非正规部门识别策略存在显著差异，导致跨国可比性受限。数据构建过程中，部分国家观测年份不连续、分类维度覆盖不完整，且若干观测值被标记为不可靠或临时性，增加了时序分析与面板建模的不确定性。婚姻状况等社会分类变量在部分国家缺失，进一步制约了交叉维度分析的深度。如何在保持数据完整性的同时，妥善处理来源异质性与观测质量分层，构成该数据集应用中的关键方法论挑战。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集的经典用途在于刻画欧洲各国非正规部门就业份额的时序演变与性别、婚姻状况维度的异质性。研究者常以国家为面板单位，构建性别×婚姻状况的双重差分或固定效应模型，考察非正规就业比例随经济周期、劳动力市场制度变迁的波动轨迹。借助2003至2025年的长时序覆盖，该数据集亦被用于时间序列预测任务，如采用ARIMA或 Prophet 模型对特定国家非正规就业份额进行趋势外推，为政策评估提供基线情景。

实际应用

在政策实践层面，该数据集为国际组织与各国劳工部门监测非正规就业规模提供了量化依据。社会保障机构可据此识别非正规就业高发人群，如特定性别或婚姻状况群体，从而设计更具靶向性的参保激励与劳动监察方案。发展金融机构在评估欧洲边缘经济体劳动力市场韧性时，亦可将该指标纳入国别风险画像。此外，数据集的API接入方式便于实时更新，适用于构建非正规就业预警仪表盘。

衍生相关工作

基于该数据集，已衍生出一系列围绕欧洲非正规经济格局的比较研究。部分工作将非正规就业份额与GDP波动、移民流入、产业结构转型等变量结合，探讨非正规部门的缓冲器效应；另有研究利用其性别与婚姻状况细分，检验家庭劳动分工理论在转型经济体的适用性。Electric Sheep Europe 的标准化封装亦促进了机器学习社区在表格分类与回归任务中对社会经济指标的特征工程探索，推动了劳动统计数据的可复现研究。