electricsheepasia/asia-ilo-emp-xtru-sex-age-edu-nb-time-related-underemployment-by-sex-age-and-educat

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，专门关注亚洲地区的时间相关不充分就业情况。数据集涵盖了31个亚洲国家从1996年至2025年的年度观测数据，总计28,207个观测值。核心指标为EMP_XTRU_SEX_AGE_EDU_NB，即按性别、年龄和教育程度划分的时间相关不充分就业（以千人为单位）。数据通过ILOSTAT REST API获取，并过滤为亚洲国家，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集包含多个维度的细分，如性别（总计、男性、女性）、年龄组和教育水平，并提供了国家代码、数据来源、观测值、状态标志等详细列信息。该数据集旨在支持表格分类、回归和时间序列预测等机器学习任务，适用于劳动经济学、社会科学和政策研究领域。This dataset contains statistical data from the International Labour Organization (ILO) ILOSTAT database, focusing on time-related underemployment in Asia. It includes 28,207 annual observations across 31 Asian countries from 1996 to 2025. The core indicator is EMP_XTRU_SEX_AGE_EDU_NB, which measures time-related underemployment by sex, age, and education (in thousands). Data is sourced from the ILOSTAT REST API, filtered to Asian countries, and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset provides disaggregation dimensions such as sex (total, male, female), age groups, and education levels, with detailed columns including country codes, data sources, observed values, and status flags. It is designed for machine learning tasks like tabular classification, regression, and time-series forecasting, and is suitable for labor economics, social science, and policy research.

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）官方统计数据库ILOSTAT为唯一数据源，通过其REST API接口（rplumber.ilo.org）直接提取指标EMP_XTRU_SEX_AGE_EDU_NB的原始记录，并依据ISO 3166-1 alpha-3国家代码筛选出31个亚洲经济体。ILOSTAT首先依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行标准化调和，再经Electric Sheep Asia团队重新封装为Parquet格式，保留来源标签与注释字段，最终形成28,207条观测记录。

使用方法

研究者可通过HuggingFace的datasets库以一行代码加载数据，并转换为Pandas DataFrame进行灵活操作。典型用法包括按国家代码筛选子集、提取单一指标的时间序列以绘制趋势图，以及透视生成国家×年份矩阵以支持跨国比较分析。数据集遵循CC-BY-4.0许可，使用时需同时引用ILO原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计的标准化与可及性，其ILOSTAT数据库汇集了200余个经济体的劳动力调查数据。在此背景下，Electric Sheep Asia于2025年对ILOSTAT原始数据进行重新打包，构建了专注于亚洲地区的时间相关不充分就业数据集。该数据集覆盖31个亚洲国家，时间跨度为1996至2025年，包含28,207条观测记录，按性别、年龄和教育程度进行多维分解，为探究亚洲劳动力市场中工时不足现象提供了精细化的数据基础，对劳动经济学与区域发展研究具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，时间相关不充分就业的跨国比较长期受制于定义差异与统计口径不一，ILO虽以国际劳工统计学家会议（ICLS）标准进行协调，但各国调查方法、覆盖范围和报告质量仍参差不齐。构建过程中的挑战则体现为：原始数据通过ILOSTAT REST API获取后，需进行国别筛选、分类变量对齐与缺失值处理；部分观测存在序列断点、方法修订或可靠性标记，且性别、年龄和教育维度的分解并非所有国家均完整发布，这些因素对数据清洗与建模应用构成了显著障碍。

常用场景

经典使用场景

在劳动经济学与就业政策研究领域，时间相关不充分就业是衡量劳动力市场质量的关键指标。该数据集最经典的使用场景在于构建亚洲地区跨国面板数据，以性别、年龄和教育程度为维度，系统刻画不充分就业的时序演变与结构差异。研究者常借助其时间序列特征，运用固定效应模型或合成控制法，评估经济周期、产业结构转型及劳动法规改革对不充分就业的异质性冲击，尤其关注青年群体与低学历劳动者的脆弱性。

解决学术问题

该数据集有效缓解了亚洲地区劳动统计碎片化与口径不一的研究困境。通过ILO统一协调的ICLS定义，它解决了跨国比较中不充分就业测量标准不统一的难题，使学者能够剥离制度差异，识别性别与教育维度的真实就业缺口。其长时段覆盖为检验结构性假说提供了可能，例如探究教育扩张是否真正转化为体面工作，抑或加剧了学历错配。研究意义在于为包容性增长与体面劳动议程提供跨国实证基础。

实际应用

在政策制定与商业决策层面，该数据集为国际组织、国家劳工部门及跨国企业提供了可操作的情报支持。国际机构可据此监测亚洲各国在可持续发展目标第八项下的进展，识别不充分就业高发国家与脆弱人群。国家政府能够借助分性别与教育程度的数据，精准设计职业培训、反歧视法规及青年就业补贴。企业人力资源部门则可参考区域趋势，优化东南亚供应链中的用工策略与人才配置。

数据集最近研究

最新研究方向

在全球劳动力市场结构性转型与体面劳动议程持续深化的背景下，亚洲地区时间相关就业不足问题日益成为劳动经济学与发展经济学交叉领域的研究焦点。该数据集覆盖31个亚洲国家、跨越近三十年的性别—年龄—教育三维度就业不足观测值，为厘清经济周期波动、产业结构变迁与人力资本积累对劳动时间利用效率的异质性影响提供了稀缺的跨国面板证据。当前前沿研究正依托此类高维分层数据，运用面板门限模型与机器学习因果推断方法，识别女性与青年群体在非自愿兼职与工时不足中的脆弱性集聚机制，并评估最低工资调整、非正规就业扩张等政策冲击的差异化效应。相关成果不仅拓展了ILO就业不足测度框架在亚洲语境下的适用性边界，亦为SDG8体面劳动目标的国别进展监测与精准干预策略设计提供了可复用的数据基础与分析范式。