electricsheepeurope/europe-ilo-emp-5tru-sex-age-rt-time-related-underemployment-rate-by-sex-and-age-1

该数据集包含欧洲33个国家从2014年至2025年的时间相关就业不足率数据，共3,068条观测记录。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，使用第19届国际劳工统计学家会议（ICLS）的定义进行标准化处理。核心指标为EMP_5TRU_SEX_AGE_RT，即按性别和年龄划分的时间相关就业不足率（百分比）。数据集提供国家代码、年份、观测值、数据来源、性别细分（总计、男性、女性）以及年龄分类等信息，适用于表格分类、回归和时间序列预测任务。数据以年度频率发布，经过ILO的最佳来源筛选，确保质量。This dataset contains 3,068 observations of time-related underemployment rates across 33 European countries from 2014 to 2025. It is sourced from the International Labour Organization (ILO) ILOSTAT database, harmonized using the 19th International Conference of Labour Statisticians (ICLS) definitions. The core indicator is EMP_5TRU_SEX_AGE_RT, representing the time-related underemployment rate by sex and age (%). The dataset includes country codes, years, observed values, data sources, sex disaggregation (total, male, female), and age classifications, suitable for tabular classification, regression, and time-series forecasting tasks. Data is published at annual frequency and filtered by ILOs best source selection for quality assurance.

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，专注于欧洲地区与时间相关的不充分就业率（按性别与年龄划分，基于第19届国际劳动统计学家会议定义）。数据通过调用ILOSTAT REST API直接获取指标EMP_5TRU_SEX_AGE_RT，并筛选至欧洲33个国家的ISO3代码范围。原始数据来源于各国劳动力调查、家庭收入调查、机构调查及行政记录，ILO负责对原始调查微观数据进行协调统一，确保遵循ICLS定义。Electric Sheep Europe团队将标准化后的数据重新打包为Parquet格式，并上传至HuggingFace数据集平台，以支持机器学习研究下的高效加载。

特点

数据集包含3,068条观测记录，覆盖2014年至2025年期间33个欧洲国家的时间相关不充分就业率指标。数据维度丰富，除核心观测值外，还提供按性别（总、男、女）和年龄（如15岁以上青年与成人）的细分分类，便于细颗粒度分析。数据集标注了数据来源代码及其标签，确保可追溯性。同时包含观测状态标识（如“不可靠”）以及系列断裂或方法论修订等注释信息，有助于用户准确评估数据质量。采用年度频率，并筛选ILO选定的最佳来源，增强了数据一致性。

使用方法

用户可通过HuggingFace Datasets库便捷加载数据，使用Python的`load_dataset()`函数直接获取训练集并转换为Pandas DataFrame。典型应用包括按国家代码（如ref_area）筛选特定国家的时序数据，对单一指标按时间排序进行可视化，以及利用pivot_table函数构建国家×年份的矩阵以支持面板数据分析。数据集适用于表格分类、回归及时间序列预测等机器学习任务，为研究欧洲劳动力市场中不充分就业现象的性别与年龄差异提供了标准化的结构化基础。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库构建，并由Electric Sheep Europe在HuggingFace平台上重新封装发布，专注于欧洲地区33个国家2014至2025年间依性别与年龄划分的时间相关不充分就业率。时间相关不充分就业是衡量劳动力市场闲置程度的关键指标，反映了劳动者虽有工作但工作时间不足的隐性失业现象，对于理解欧洲各国劳动力市场的结构性矛盾、性别差异以及青年就业困境具有重要研究价值。该数据集的发布为劳动经济学、社会政策分析与时间序列预测等领域的研究者提供了标准化的跨国家、跨年度面板数据，便于开展欧洲层面劳动力市场的比较研究与动态监测。

当前挑战

该数据集面临的挑战主要源于其所解决的领域问题与构建过程两方面。在领域问题层面，时间相关不充分就业率的统计依赖于国际劳工统计学家会议（ICLS）的严格定义，然而各国在劳动力调查的执行标准、数据采集周期及问卷设计上存在差异，导致同一指标在不同国家间可比性受限；此外，数据中标注的观测值状态（如“不可靠”）与断点说明（如方法论修订）增加了模型在处理时间序列时的噪声与不连续性。在构建过程中，ILOSTAT需从各国多种调查来源（如劳动力调查、家庭收入调查）中整合数据并进行人工协调与标记，这一步骤面临原始数据版本更新、来源标记缺失以及维度对齐等复杂性；同时，该数据集仅保留年度频率，而部分指标存在月度或季度序列，这种聚合可能掩盖短周期的波动模式，给高精度预测带来挑战。

常用场景

经典使用场景

该数据集收录了2014年至2025年间33个欧洲国家的与时间相关的不充分就业率数据，涵盖性别与年龄维度的精细划分。在研究劳动经济学与劳动力市场动态的领域中，数据集最经典的应用场景是用于时序预测与面板数据分析。研究者可利用其年度观测值，构建自回归移动平均模型或固定效应回归模型，以追踪欧洲各国在特定时间段内不充分就业率的变化轨迹。例如，通过将数据与国家宏观经济指标如GDP增长率、通货膨胀率相结合，可建立多变量预测框架，揭示经济周期与劳动力利用不足之间的内在关联。此外，该数据集支持按性别与年龄组进行分层分析，为探究青年就业脆弱性、性别就业差距等议题提供了坚实的经验基础。

解决学术问题

该数据集在学术层面有效解决了劳动统计领域数据碎片化与标准不统一的长期难题。国际劳工组织（ILO）依据第19届国际劳动统计学家会议（ICLS）的统一定义，对各国原始调查数据进行协调处理，构建了跨国家、跨时段的可比数据体系。这为研究者提供了标准化面板数据，以系统分析欧洲劳动力市场的结构性特征。数据集的核心学术价值在于支持对不充分就业率这一关键指标的跨国比较研究，帮助学者揭示制度差异、劳动力市场弹性及社会政策对劳动力利用效率的影响机制。其意义不仅在于填补了欧洲区域范围内高质量、细粒度劳动统计数据的空白，更推动了基于证据的劳动力政策研究，为优化就业促进策略与劳动法规提供了严谨的数据支撑。

衍生相关工作

基于该数据集，衍生了一系列具有影响力的学术研究工作与开源项目。在学术层面，研究者利用其时序与截面双重特征，构建了欧洲不充分就业率的贝叶斯层次模型，有效量化了国家间异质性对劳动力市场动态的影响。另一项经典工作是将此数据集与欧洲家庭收入与生活条件调查（EU-SILC）数据进行衔接，形成多维劳动力市场指标库，从而探究不充分就业与贫困风险、社会排斥之间的关联。在实践层面，Electric Sheep Europe团队对原始ILOSTAT数据进行清洗、归一化与Parquet格式重封装，打造了一个机器学习友好的标准化数据层，显著降低了研究者获取与处理多国劳动统计数据的门槛。这些衍生工作不仅拓展了数据集的应用边界，也为欧洲区域劳动力数据的开放科学实践树立了典范。