electricsheepasia/asia-ilo-emp-pifl-sex-ste-nb-employment-outside-the-formal-sector-by-sex-and-st

该数据集名为按性别和就业状况划分的非正规经济就业（千人）| 亚洲（ILOSTAT），包含5,593个观测值，涵盖28个亚洲国家，时间跨度为2000年至2025年，涉及1个独特指标：EMP_PIFL_SEX_STE_NB（按性别和就业状况划分的非正规经济就业，单位：千人）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家代码，主题为非正规经济。数据集包括国家代码、来源、指标、性别分类、时间、观测值等列，并提供数据质量说明，如年度频率和最佳来源选择。Employment outside the formal sector by sex and status in employment (thousands) | Asia (ILOSTAT). This dataset contains 5,593 observations of Informal economy data across 28 Asia countries, spanning 2000–2025, covering 1 distinct indicators: EMP_PIFL_SEX_STE_NB. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered for Asia country codes, with a focus on informal economy. It includes columns such as country code, source, indicator, sex classification, time, observed value, and provides data quality notes like annual frequency and best source selection.

搜集汇总

数据集介绍

构建方式

在全球非正规经济统计体系中，国际劳工组织（ILO）始终承担着数据协调与标准制定的核心职能。本数据集依托ILOSTAT的REST API接口，直接提取指标EMP_PIFL_SEX_STE_NB的原始观测记录，并依据ISO3国家代码将范围限定于亚洲地区。原始微观调查数据经国际劳工统计学家会议（ICLS）定义体系进行统一调和，每一条记录均标注来源标签以保证可追溯性。最终由Electric Sheep Asia完成模式规范化与Parquet格式封装，形成覆盖28个亚洲国家、时间跨度为2000至2025年的年度面板数据。

使用方法

研究者可通过HuggingFace datasets库以load_dataset函数直接加载该数据集，并借助to_pandas方法转换为数据框进行后续分析。典型操作包括按ref_area字段筛选特定国家子集，或按indicator字段提取目标指标并按时间排序以构建时间序列图。对于跨国比较研究，可利用pivot_table方法将数据重塑为国家与年份交叉的矩阵形式。使用过程中需留意obs_status字段所标记的不可靠或临时性观测值，并在正式引用时同时标注国际劳工组织原始来源与Electric Sheep Asia的再封装工作。

背景与挑战

背景概述

非正规部门就业的统计测度长期构成劳动经济学与发展经济学交汇处的核心议题。国际劳工组织（ILO）依托其全球劳动统计数据库ILOSTAT，依据国际劳动统计学家会议（ICLS）标准，系统整合各国劳动力调查与住户调查的微观数据，构建了跨区域可比的非正规就业指标。该数据集由Electric Sheep Asia于2025年从ILOSTAT REST API抽取并重新封装，聚焦亚洲28国的非正规部门就业按性别与就业身份分类的观测值，时间跨度自2000年至2025年，共计5,593条记录。作为亚洲区域劳动市场结构变迁的量化镜像，该数据集为探究非正规经济规模、性别差异及就业身份构成提供了权威的跨国面板基础，对非正规就业政策评估与体面劳动议程的进展监测具有显著的实证价值。

当前挑战

该数据集所回应的领域问题在于，非正规就业的界定与度量本身充满争议，非标准就业身份分类的异质性、各国调查口径的历时变更以及部分国家数据的稀疏与缺失，均构成跨国比较的固有障碍。构建过程中，ILO虽已依据ICLS标准对原始微观数据进行协调，但不同来源调查的抽样设计、参考期与覆盖范围差异仍导致序列断裂与观测值不可靠等情形，数据集以obs_status与note字段予以标注。此外，性别维度下SEX_O类别观测稀少，分类变量仅在特定指标下非空，这些结构特征对时间序列建模与分类任务的鲁棒性提出了更高要求，使用者需审慎处理缺失机制与口径变动带来的偏误。

常用场景

经典使用场景

在非正规经济部门就业规模的量化研究中，该数据集构成了一项关键的基础性资源。其经典使用场景聚焦于按性别与就业身份对亚洲28国非正规部门就业人数进行时序比较与横截面分析。研究者可借助该数据集构建面板数据模型，刻画2000至2025年间不同国家非正规就业的演变轨迹，并识别性别差异与就业身份结构对非正规就业规模的调节效应。此类分析通常结合劳动经济学中的二元经济理论，探讨正规与非正规部门之间的劳动力配置动态。

解决学术问题

该数据集有效回应了非正规就业统计中长期存在的可比性与覆盖度难题。由于各国劳动力调查在非正规部门界定、就业身份分类及数据采集频率上存在显著异质性，跨国比较研究往往面临测量误差与口径不一致的困扰。ILOSTAT依据国际劳工统计学家会议（ICLS）标准对原始微观调查数据进行统一调和，并明确标注数据来源与修订信息，从而为学术研究提供了标准化、可追溯的跨国时序观测值。这为检验非正规就业与经济增长、性别不平等及社会保障覆盖面之间的理论假说奠定了实证基础。

实际应用

在政策制定与劳动力市场监测领域，该数据集具有广泛的实际应用价值。国际组织与各国劳工部门可利用其评估非正规就业的规模与结构变动，进而设计针对性的社会保障扩展策略与就业正规化干预措施。例如，通过追踪女性在非正规部门中的就业占比变化，政策制定者能够识别性别维度的脆弱性群体，并优化职业培训与微型企业扶持项目的资源配置。此外，该数据集亦可用于构建早期预警指标，辅助监测经济波动对非正规就业的冲击。

数据集最近研究

最新研究方向

在全球非正规经济持续扩张的背景下，该数据集为探讨亚洲地区非正规就业的性别差异与就业身份分化提供了关键支撑。当前研究前沿聚焦于利用长时序面板数据识别非正规就业的驱动机制，尤其是数字化转型、平台经济兴起以及疫情冲击如何重塑非正规就业的性别结构。该数据集覆盖28个亚洲国家、跨越2000至2025年，使研究者得以检验非正规就业与贫困、社会保障缺失之间的动态关联。相关热点还包括非正规就业对实现联合国可持续发展目标中体面劳动议程的阻碍，以及性别敏感型劳动政策的制定依据。该数据集推动了劳动经济学与发展经济学交叉领域的实证进展，为区域比较研究和循证政策评估奠定了数据基础。