electricsheepeurope/europe-ilo-emp-nifl-sex-ins-geo-rt-informal-employment-rate-by-sex-public-private-sec

该数据集包含1,371个观测值，涵盖3个欧洲国家（波斯尼亚和黑塞哥维那、摩尔多瓦、塞尔维亚），时间跨度为2003年至2025年。核心指标为EMP_NIFL_SEX_INS_GEO_RT，即按性别、公共/私营部门和城乡地区划分的非正规就业率（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家。数据集包含多个列，如国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、分类变量（如机构部门、地区类型）、年份、观测值、观测状态等，用于详细描述每个观测值。数据集适用于表格分类、回归和时间序列预测任务，语言为英语，规模为1K<n<10K，许可证为cc-by-4.0。This dataset contains 1,371 observations across 3 European countries (Bosnia and Herzegovina, Moldova, Serbia), spanning from 2003 to 2025. The core indicator is EMP_NIFL_SEX_INS_GEO_RT, which represents the informal employment rate by sex, public/private sector, and rural/urban areas (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to European countries. The dataset includes multiple columns such as country code, country name, data source, indicator code, sex classification (total, male, female), classification variables (e.g., institutional sector, area type), year, observed value, observation status, etc., providing detailed descriptions for each observation. It is suitable for tabular classification, regression, and time-series forecasting tasks, in English, with a size category of 1K<n<10K, and licensed under cc-by-4.0.

搜集汇总

数据集介绍

构建方式

国际劳工组织统计数据库作为全球劳动力统计的权威来源，其非正规就业指标通过整合各国劳动力调查、家庭收入调查及行政记录等微观数据，依据国际劳工统计学家会议定义进行标准化协调。该数据集由Electric Sheep Europe通过ILOSTAT的REST API接口直接抽取原始数据，并筛选出欧洲ISO3国家代码，经过模式规范化后以Parquet格式重新封装发布，覆盖波黑、摩尔多瓦和塞尔维亚三国，时间跨度为2003年至2025年，共1371条观测值。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数加载该数据集，并借助to_pandas方法转换为数据框进行灵活操作。针对具体分析需求，可依据国家代码列筛选特定国家子集，或对单一指标按时间排序绘制趋势图。利用透视表功能可将数据重构为国家与年份的矩阵形式，便于跨国比较或面板数据分析，从而服务于非正规就业动态的实证研究与建模。

背景与挑战

背景概述

非正规就业长期构成全球劳动力市场治理的核心议题，其测度关乎体面劳动议程的推进与社会保护政策的制定。国际劳工组织（ILO）依托国际劳工统计学家会议（ICLS）确立的统一定义，通过ILOSTAT数据库对各国劳动力调查与住户调查微观数据进行调和，构建了跨国可比的非正规就业指标。本数据集由Electric Sheep Europe于2025年重新封装发布，源自ILOSTAT官方API，覆盖波斯尼亚和黑塞哥维那、摩尔多瓦、塞尔维亚三国2003至2025年间1371条观测，按性别、公私部门与城乡区域细分非正规就业率。该数据集为转型经济体非正规就业的量化比较研究提供了标准化、可直接加载的数据基础，对劳动经济学与区域发展研究具有参考价值。

当前挑战

非正规就业的跨国测度面临概念界定与统计口径的双重难题，各国对非正规部门与非正规就业的界定差异导致跨国比较需依赖ICLS框架进行事后调和，而转型经济体劳动力调查覆盖范围有限、抽样设计不一，进一步加剧了数据可比性的不确定性。本数据集在构建过程中受限于仅涵盖三个欧洲国家，地理代表性不足，难以支撑更广泛的区域推断；部分年份观测值带有序列中断、方法修订等状态标记，且分性别、部门与城乡的细分维度存在非平衡缺失，增加了时间序列建模与分类回归任务的数据清洗与偏差校正难度。

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，该数据集凭借其按性别、公私部门及城乡地域三维解构的非正规就业率指标，成为刻画欧洲转型经济体劳动力市场非正规化图景的核心素材。研究者惯以之构建面板数据模型，考察波黑、摩尔多瓦与塞尔维亚三国在2003至2025年间非正规就业的性别差异与部门异质性，尤其适用于时间序列预测与跨国比较分析，借由年度观测值追踪非正规就业率的演变轨迹。

解决学术问题

该数据集为长期困扰学界的非正规就业度量难题提供了标准化、跨国可比且按人口学特征精细分层的经验证据。依托国际劳工组织基于国际劳工统计学家会议定义的协调方法，其有效缓解了转型经济体劳动力调查中非正规部门界定不一、性别与城乡维度缺失所引致的估计偏误，使学者得以严谨检验非正规就业的性别鸿沟、公共部门吸纳效应及城乡二元结构等经典命题，为包容性劳动市场政策的循证设计奠定数据基石。

实际应用

在政策实践层面，该数据集直接服务于国际组织与各国劳工部门的监测评估需求。政策分析师可借其识别非正规就业高发群体与区域，为社会保障扩展、正规化激励及性别平等干预提供量化靶向；发展机构则利用其时间序列特征评估结构性改革与危机冲击对非正规就业的动态影响，进而优化就业促进项目与劳动监察资源配置，推动体面劳动议程在东南欧地区的落地。

数据集最近研究

最新研究方向

在全球非正规经济监测与体面劳动议程深化的背景下，该数据集以国际劳工组织ILOSTAT的标准化框架为依托，聚焦欧洲三国按性别、公私部门及城乡地域细分的非正规就业率，为劳动经济学与非正规部门研究提供了高粒度、跨时段（2003–2025）的观测基础。当前前沿研究正由传统的描述性统计转向基于面板数据的因果推断与机器学习预测，例如利用梯度提升与时间序列模型识别性别鸿沟和城乡差异的结构性驱动因素，并结合制度变迁与危机冲击评估非正规就业的韧性。数据集的小样本、多维度特征亦推动了迁移学习与合成数据增强方法在劳动统计中的应用，为政策制定者设计包容性社会保障与正规化干预措施提供了实证依据，对实现可持续发展目标中的体面劳动具有重要参考价值。