electricsheepasia/asia-ilo-luu-2lu2-sex-rt-combined-rate-of-time-related-underemployment-and

该数据集包含国际劳工组织（ILO）统计数据库（ILOSTAT）中关于亚洲地区劳动力未充分利用情况的模型估计数据，具体指标为按性别划分的时间相关就业不足与失业综合率（LU2）。数据集涵盖49个亚洲国家，时间跨度为2005年至2027年，共包含3,354条观测值。核心指标（LUU_2LU2_SEX_RT）以百分比形式表示，反映了劳动力市场中因工作时间不足和失业导致的综合未充分利用率。数据按性别（总计、男性、女性）进行细分，并通过标准化的模式（包括国家代码、指标代码、年份、观测值等字段）提供，适用于表格分类、回归和时间序列预测等任务。数据由Electric Sheep Asia重新打包，以支持机器学习应用。This dataset contains modeled estimates from the International Labour Organization (ILO) ILOSTAT database on labor underutilization in Asia, specifically the Combined rate of time-related underemployment and unemployment (LU2) by sex indicator. It covers 49 Asian countries from 2005 to 2027, with 3,354 observations. The core indicator (LUU_2LU2_SEX_RT) is expressed as a percentage, reflecting the combined rate of labor underutilization due to insufficient working hours and unemployment. Data is disaggregated by sex (total, male, female) and provided in a standardized schema including country codes, indicator codes, year, observed values, and other metadata. It is suitable for tabular classification, regression, and time-series forecasting tasks, and has been repackaged by Electric Sheep Asia for machine learning readiness.

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（ILO）的ILOSTAT中央统计数据库，通过直接调用其REST API接口，筛选出针对亚洲地区ISO3国家代码的劳工利用不足相关指标。数据抽取后，依据国际劳工统计学家会议（ICLS）的定义进行标准化处理，保留了来源标识以确保可追溯性。最终由Electric Sheep Asia进行重新封装，以Parquet格式发布，便于机器学习流水线的直接调用。

使用方法

用户可通过HuggingFace的`datasets`库调用`load_dataset()`函数直接加载数据，并转换为Pandas DataFrame进行后续处理。支持按国家代码筛选、按时间排序绘制时间序列图，或通过透视表构建国家×年份的矩阵进行分析。数据集中包含的元数据列（如来源、观测状态）可用于质量评估和模型诊断，适用于分类、回归及时间序列预测任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2026年创建，经Electric Sheep Asia重新打包后发布至HuggingFace平台，聚焦亚洲49个国家2005至2027年间“时间相关就业不足与失业综合率（LU2）”的性别细分数据。作为ILOSTAT统计体系的核心组成部分，该数据集旨在揭示亚洲劳动力市场中除传统失业指标外的隐性劳动力利用不足现象，为区域劳动政策制定、可持续发展目标（SDG）第八项体面工作议题的监测以及跨国民间就业质量比较提供了统一且可复用的数据基础。凭借ILO对各国劳动力调查微观数据的标准化处理和国际劳工统计学家会议（ICLS）定义的一致性保障，该数据集已成为亚洲劳动经济研究领域的重要公开资源，推动了从宏观失业率向多维劳动利用指标的范式拓展。

当前挑战

该数据集面临的核心挑战在于领域问题层面：传统失业率无法全面捕捉亚洲大量存在的非正规就业、季节性工作及被迫减少工时的隐性失业现象，而LU2综合率虽能更准确反映劳动力利用不足的真实程度，却因不同国家调查方法、收入统计口径及性别劳动参与模式的显著差异导致国际可比性受损。构建过程中，数据集需克服ILOSTAT对多源劳动力的调查数据（如家庭调查、企业记录）进行跨时间、跨国别数据清洗与归一的复杂性，尤其需处理不同来源在相同国家-年份组合下ILO“最佳来源”选择策略隐含的偏倚，同时确保性别细分维度的数据在缺失值处理和标识一致性上不破坏时间序列的连续性，从而维持49国2005-2027年长期面板分析的统计稳健性。

常用场景

经典使用场景

该数据集的核心应用场景在于对亚洲地区劳动市场不充分就业状态的跨时空比较与动态监测。LU2指标整合了时间相关不充分就业与失业两大维度，突破了传统失业率仅反映劳动力闲置的局限性，为分析隐性劳动闲置提供了更全面的量化工具。研究者可借助该数据集，在49个亚洲国家2005至2027年的长时序面板数据中，追踪劳动力利用不足率的演变轨迹，识别不同性别群体在劳动参与中的结构性差异，从而为劳动经济学中的不充分就业理论提供经验证据。

解决学术问题

在学术研究中，该数据集有效回应了关于劳动市场闲置测量方法论的争议。传统失业率常低估发展中国家普遍存在的非正规就业与工时不足问题，而LU2指标通过整合时间相关不充分就业，揭示了就业者隐性未被充分利用的劳动力资源。这一数据为探究性别不平等在劳动市场的表现、亚洲国家经济增长与就业弹性关系，以及劳动力结构转型等经典议题提供了实证基础，推动了劳动经济学从单一失业视角向多维劳动闲置视角的范式转换。

实际应用

在实际应用中，该数据集为国际组织与各国政策制定者评估劳动市场健康度提供了决策依据。ILO依据该数据集发布亚洲地区劳动不充分就业的监测报告，帮助政府识别弱势群体并设计有针对性的就业促进政策。例如，当女性的LU2率显著高于男性时，政策可聚焦提升女性劳动参与质量。此外，数据集还支持跨国比较研究，助力全球发展目标中体面劳动指标的跟踪，推动区域劳动力治理由经验判断转向数据驱动。

数据集最近研究

最新研究方向

在全球劳动力市场韧性评估与后疫情时代就业质量监测的前沿研究中，该数据集为分析亚洲地区时间相关不充分就业与失业的复合状况（LU2）提供了关键支撑。依托ILOSTAT统一口径与49国2005-2027年的长序列数据，研究者可突破单一失业率指标的局限，精准捕捉劳动力利用不足的隐性结构。近期热点聚焦于性别维度的不均衡分析——通过sex字段的细颗粒度拆分，诸多工作揭示了女性在非标准化就业恢复中的滞后性。结合时序预测任务，该数据更被用于构建亚洲经济体劳动力缓冲能力的动态模型，为国际劳工组织及各国制定包容性复苏政策提供了量化基准，其跨国的可比性亦推动了区域劳动力市场一体化的实证探索。