electricsheepasia/asia-ilo-emp-xtru-sex-rt-time-related-underemployment-rate-by-sex

该数据集包含亚洲32个国家从1990年至2025年的时间相关就业不足率（按性别百分比）数据，共882个观测值，涵盖1个独特指标（EMP_XTRU_SEX_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤到亚洲国家。数据集提供了按性别（总计、男性、女性）细分的年度观测值，包括国家代码、国家名称、数据来源、指标代码、观测年份、观测值及相关注释列。数据经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义进行协调，并标注了数据来源和质量状态。This dataset contains 882 observations of time-related underemployment rate by sex (%) across 32 Asia countries, spanning from 1990 to 2025, covering 1 distinct indicator (EMP_XTRU_SEX_RT). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via REST API and filtered to Asia ISO3 country codes. It provides annual observations disaggregated by sex (total, male, female), including columns such as country code, country name, data source, indicator code, observation year, observed value, and related notes. The data is harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions and includes flags for data source and quality status.

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中央统计数据库，经由Electric Sheep Asia从ILOSTAT REST API接口直接采集原始数据，并依据亚洲ISO3国家代码进行筛选与重组。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查、住户收入调查等微观数据进行标准化调和，数据来源在source.label列中予以标注以确保可追溯性。最终形成覆盖32个亚洲国家、时间跨度为1990至2025年的882条观测记录，以Parquet格式封装发布，便于机器学习流程直接调用。

特点

数据集聚焦于亚洲地区与时间相关的就业不足率，按性别维度进行解聚，包含SEX_T、SEX_M、SEX_F三个类别。其核心特征在于时间序列的纵向可比性，涵盖从1990年至2025年的长时段观测，且每条记录附带来源代码、指标代码、观测状态标志及分类注释等元数据，为数据质量评估提供依据。数据以英文单语种呈现，体量精简（不足1K行），适合作为表格分类、回归及时间序列预测任务的轻量级基准资源。

使用方法

研究者可通过HuggingFace datasets库以load_dataset()函数加载数据集，并转换为Pandas DataFrame进行后续分析。典型用法包括按ref_area列筛选特定国家（如印度尼西亚），或针对单一指标（EMP_XTRU_SEX_RT）按时间排序绘制时间序列图。用户还可利用pivot_table方法将数据重塑为国家×年份矩阵，以支持跨国比较或面板数据分析。数据集遵循CC-BY-4.0许可协议，使用时需同时引用国际劳工组织原始来源及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监测，其ILOSTAT数据库汇集了200余个经济体的就业、失业与体面劳动指标。亚洲地区因劳动力市场结构多元、非正规就业普遍，时间相关不充分就业问题尤为突出。2025年，Electric Sheep Asia对ILOSTAT原始API数据进行了规范化重包装，发布了涵盖32个亚洲国家、1990至2025年、共882条观测值的时间相关不充分就业率数据集，按性别分列。该数据集为劳动经济学、性别研究与区域发展政策提供了长时段、可机读的量化基础，有助于揭示亚洲劳动力利用不足的时空演变与性别差异。

当前挑战

时间相关不充分就业的测度本身面临概念界定与跨国可比性难题：各国劳动统计口径、调查频率与年龄分组存在差异，ILOSTAT虽经国际劳工统计学家会议标准协调，但序列断裂、临时性估计及非标准年龄组仍频繁出现。区域数据集构建中，亚洲国家样本覆盖不均，部分经济体数据缺失严重，性别维度下女性观测值尤为稀疏；非年度频率序列被剔除，亦限制了对短期波动的捕捉。此外，源数据标注体系繁杂，来源选择与状态标志的异质性为建模带来额外不确定性，亟需在时序预测与分类任务中审慎处理。

常用场景

经典使用场景

在劳动经济学与就业统计研究中，时间相关不充分就业率是刻画劳动力利用不足的关键指标，该数据集汇聚了32个亚洲国家1990至2025年间按性别分列的年度观测值，天然适配时间序列分析与面板数据建模。研究者可借其开展跨国比较，追踪亚洲地区不充分就业的演变轨迹，并识别性别差异在就业质量维度上的结构性特征，亦可借助表格分类或回归任务预测未来走势。

衍生相关工作

以ILOSTAT原始数据为基础，该数据集催生了多项围绕亚洲劳动力市场性别差异与不充分就业趋势的实证分析，包括跨国面板回归、时间序列预测及就业质量指数构建等研究方向。Electric Sheep Asia的标准化重打包亦促进了机器学习社区在表格数据与时间序列任务上的应用探索，相关成果常被用于基准测试与教育演示，并启发了对南亚、东南亚次区域劳动力市场动态的深入比较研究。

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后疫情时代就业质量评估的双重背景下，亚洲地区工时相关不充分就业的性别差异已成为劳动经济学与发展研究的热点议题。该数据集依托ILOSTAT权威统计框架，覆盖32个亚洲国家1990至2025年的长时序观测，为刻画性别维度的就业不足动态提供了高粒度面板数据。当前前沿研究聚焦于运用时间序列预测与面板回归方法，识别经济周期波动、产业结构调整及突发公共卫生事件对女性工时不充分就业的异质性冲击，并借助可解释机器学习揭示教育水平、生育政策与社会保障覆盖等中介机制。相关成果可为SDG8体面劳动目标的性别平等监测、亚洲各国靶向劳动政策制定及跨国比较研究提供关键实证基础，对理解非标准就业形态的性别分化具有重要学术与政策意义。