Data-Gouv-FR/inscrits-a-france-travail-donnees-communales-trimestrielles-brutes

该数据集包含法国就业局（France Travail）注册人数的市镇级别季度原始数据，覆盖10年滚动时间内的第四季度数据。数据按性别、年龄组和市镇（基于2024年1月1日的官方地理代码）分类，涵盖A、B、C类注册者。数据为原始值，并四舍五入到5的倍数，因此分解数据之和与汇总系列之间可能存在轻微差异。年度变化需谨慎解读：在小市镇，四舍五入的影响可能较大，导致年度变化显著失真。年龄数据基于月末年龄（即注册者在考虑月份结束时的年龄）。地理范围包括法国本土（96个省）和法国全境（含海外省/地区，如马约特）。数据来源为法国劳动、就业和职业培训统计局（Dares）和法国就业局的月度劳动力市场统计文件。注意事项包括：数据可能受法规变化、程序调整或事件影响；2017年至2019年间，Sannerville和Troarn市镇合并为Saline市镇，2020年恢复，此期间数据需谨慎使用；马约特数据自2014年起纳入，导致法国总数高于Dares出版物数据（不含马约特）。

This dataset contains quarterly raw data on the number of registrants at France Travail at the municipal level, covering the fourth quarters over a rolling 10-year period. The data is categorized by gender, age group, and municipality (based on the Official Geographic Code as of January 1, 2024), including registrants in categories A, B, and C. The data is raw and rounded to the nearest multiple of 5, which may result in slight discrepancies between the sum of disaggregated data and the aggregated series. Annual changes should be interpreted with caution: in small municipalities, the rounding effect can be significant, leading to distorted annual variations. Age data is based on end-of-month age (i.e., the age the registrant will have at the end of the month considered). The geographical scope includes metropolitan France (96 departments) and all of France (including overseas departments/regions, such as Mayotte). The data source is the monthly labor market statistics files from the French Directorate for Research, Studies, and Statistics (Dares) and France Travail. Notes: Data may be affected by changes in regulations, procedures, or incidents; from 2017 to 2019, the municipalities of Sannerville and Troarn were merged into the new municipality of Saline and restored on January 1, 2020, so data for these municipalities during this period should be used cautiously; data for Mayotte has been included since 2014, making the total for France higher than that in Dares publications (which exclude Mayotte).

搜集汇总

数据集介绍

构建方式

该数据集源自法国就业研究中心（Dares）与法国劳工局（France Travail）联合编制的劳动力市场月度统计档案，汇集了按季度平均计算的A、B、C类求职者登记数据。数据以市镇为基本空间单元，依据2022年1月1日生效的官方地理编码进行划分，并细化为性别与年龄段维度。为确保统计保密性，原始数值已四舍五入至5的倍数，因此细分数据的加总可能与汇总序列存在轻微偏差。数据集覆盖法国本土及海外省（除马约特岛），时间跨度涵盖最近十年中的每个第四季度，同时标注了各市镇所属的大区与省份信息。

特点

该数据集的核心特色在于其精细的空间粒度与多维分类体系。以市镇为最小观测单位，结合性别与年龄分层，能够支持微观层面的劳动力市场异质性分析。数据经过四舍五入处理，虽在小样本市镇中可能导致年度演化率的较大误差，但也有效保护了个人隐私。此外，数据集的跨年度第四季度重复采样设计，为研究季节性稳定的长期就业趋势提供了可能。值得注意的是，该数据为原始值呈现，未经季节性调整，更适合用于描述性统计与对比分析而非复杂计量建模。

使用方法

使用者可通过Hugging Face数据集页面直接访问原始元数据，并链接至data.gouv.fr平台下载完整的CSV文件。由于该Hugging Face仓库仅为引用占位，实际数据需从官方来源获取。加载后建议对空值进行识别，并注意因四舍五入导致的聚合偏差。分析时可利用市镇代码（Code Officiel Géographique）与行政区划信息进行空间关联，或结合人口数据计算失业密度。对于涉及时间序列比较的研究，需谨慎对待因2017至2019年间部分市镇合并（如Sannerville与Troarn）而形成的断点，避免误读年度变化率。

背景与挑战

背景概述

该数据集由法国劳动部下属的统计机构Dares与法国就业服务机构France Travail联合创建，旨在提供法国各市镇层面按性别、年龄划分的失业登记人员季度统计数据。数据涵盖A、B、C类求职者，基于2022年1月1日的官方行政区划代码，并回溯呈现过去10年各第四季度的平均值。作为细化至市镇单元的就业市场公开数据资源，该数据集为地方政府、研究者及公众分析区域就业形势、制定精准就业政策提供了关键定量基础，尤其有助于揭示小微地域单元内的失业动态与人口结构特征。

当前挑战

构建该数据集面临的核心挑战包括：领域层面，如何克服小样本市镇统计数据的波动性问题——由于数据采用5的倍数进行四舍五入处理，小型市镇失业人数的微小变动可能被放大，导致年际变化率的计算失真；方法层面，需处理行政区划变动带来的历史数据连续性问题，例如Sannerville与Troarn合并及拆分导致的市镇代码更迭，需要建立精准的追溯映射规则。此外，多重外部因素（如福利政策调整、程序变更）对失业统计口径的干扰，也对数据的一致性解读构成了深层挑战。

常用场景

经典使用场景

该数据集在劳动经济学与公共政策研究领域中扮演着关键角色，其经典用途在于深入剖析法国本土及海外省（不含马约特）的就业市场动态。通过提供按性别、年龄段及市镇层面划分的A、B、C类求职者季度平均登记数据，研究者能够精细追踪不同地理单元与人口群体的失业演变趋势，为区域劳动力结构变化、政策干预效果评估及社会经济不平等研究奠定坚实的数据基础。

实际应用

在实际应用中，该数据集被广泛用于公共服务与地方治理的决策支持。法国各级政府部门可据此识别高失业率市镇，实施定向援助计划，并评估职业培训与再就业项目的有效性。此外，数据集服务于社会经济学研究，帮助分析城镇化进程中的就业变迁、通勤模式与居住地失业率关联。媒体与智库也依赖这些数据构建失业率可视化地图，提升公众对劳动力市场的认知透明度，从而推动基于证据的政策制定。

衍生相关工作

该数据集衍生了多项具有影响力的研究工作。例如，有学者基于市镇级失业数据与地理编码信息，构建了空间面板模型，揭示邻近地区失业率的交互溢出效应。另一经典工作结合人口普查与教育数据，深入探讨了青年失业的区位特征及其与技能错配的关系。此外，该数据还催生了预测短期失业动态的机器学习模型，通过整合季节性与政策性变量，为地方政府提供了早期预警工具，显著增强了对劳动力市场波动的适应能力。