electricsheepasia/asia-ilo-eip-rcar-sex-edu-rt-share-of-persons-outside-the-labour-force-due-to-c

该数据集名为因照顾责任而退出劳动力市场的人口比例（按性别和教育程度划分）| 亚洲（ILOSTAT），包含了关于其他劳动力未充分利用指标的数据。数据集共有1,864个观测值，覆盖24个亚洲国家，时间跨度为2000年至2025年，涉及1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，整合了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作目标等多个领域的指标。数据通过ILOSTAT REST API直接获取，并过滤为亚洲国家代码。数据集包含以下列：国家代码（ref_area）、国家名称（ref_area.label）、来源代码（source）、来源名称（source.label）、指标代码（indicator）、指标名称（indicator.label）、性别（sex）、性别标签（sex.label）、第一分类变量（classif1）、第一分类变量标签（classif1.label）、时间（time）、观测值（obs_value）、观测状态（obs_status）、观测状态标签（obs_status.label）等。具体指标为EIP_RCAR_SEX_EDU_RT，表示因照顾责任而退出劳动力市场的人口比例（按性别和教育程度划分）（%）。数据按年度频率发布，并提供了性别分解维度（包括总计、男性、女性和其他）。数据质量方面，当同一国家×年份有多个来源时，使用ILO选择的最佳来源。数据集适用于表格分类、表格回归和时间序列预测等任务，使用CC-BY-4.0许可证发布。The dataset is titled Share of persons outside the labour force due to care responsibilities by sex and educatio | Asia (ILOSTAT) and contains data on Other measures of labour underutilization. It includes 1,864 observations across 24 Asia countries, spanning the years 2000 to 2025, covering 1 distinct indicator. The data is sourced from ILOSTAT, the International Labour Organizations central statistics database, which is a leading global source for labour statistics, compiling indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. Data is pulled directly from the ILOSTAT REST API and filtered to Asia ISO3 country codes. The dataset schema includes columns such as ref_area (ISO country code), ref_area.label (country name), source (ILOSTAT source code), source.label (source name), indicator (ILOSTAT indicator code), indicator.label (indicator name), sex (disaggregation by sex), sex.label (sex label), classif1 (first classification variable), classif1.label (classification label), time (observation year), obs_value (observed indicator value), obs_status (observation status flag), obs_status.label (status label), among others. The specific indicator is EIP_RCAR_SEX_EDU_RT, which represents Share of persons outside the labour force due to care responsibilities by sex and education (%). Data is annual in frequency, with disaggregation dimensions including sex (with 4 unique values: SEX_T, SEX_M, SEX_F, SEX_O). For data quality, when multiple sources exist for the same country×year, the ILO-selected best source is used. The dataset is suitable for tabular classification, tabular regression, and time-series forecasting tasks, and is released under the CC-BY-4.0 license.

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数据库，聚焦于亚洲地区因照顾责任而退出劳动力市场的人口比例，并依据性别与教育程度进行分层统计。数据通过ILOSTAT REST API获取，指标代码为EIP_RCAR_SEX_EDU_RT，随后基于ISO 3166-1 alpha-3编码筛选出24个亚洲国家的观测值。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调统一，数据来源均在source.label字段中标注，确保了数据采集与处理过程的规范性与可追溯性。

特点

该数据集包含1,864条观测记录，时间跨度覆盖2000年至2025年，涵盖24个亚洲国家，核心指标为因照顾责任退出劳动力市场的人口比例（按性别与教育程度分类）。数据以年为单位呈现，提供性别（总、男性、女性、其他）及教育程度等维度的细分信息。数据质量方面，ILO优先选择“最佳来源”以处理同一国家与年份的多源数据问题，观测状态字段（obs_status）标注了如序列中断等异常情况，为使用者提供了透明且审慎的数据参考。

使用方法

该数据集主要通过HuggingFace Datasets库进行加载，用户可使用load_dataset()函数便捷获取数据，并转换为Pandas DataFrame以便进一步分析。典型应用包括按国家筛选特定观测值、针对单一指标绘制时间序列图，或通过透视表构建国家与年份的矩阵，从而开展区域间比较与趋势研究。该数据集适用于时间序列预测、表格分类与回归等任务，研究者可结合ILOSTAT定义的指标与细分维度，深入探讨亚洲劳动力市场中因家庭照料责任导致的劳动参与率差异及其演变规律。

背景与挑战

背景概述

在全球劳动力市场中，因家庭照护责任而被迫退出劳动队伍的群体是衡量劳动力利用不足的关键维度之一。国际劳工组织（ILO）通过其核心统计数据库ILOSTAT，系统收集并协调各国劳动力调查数据，以揭示这一隐形劳动参与障碍。该数据集由Electric Sheep Asia于2025年基于ILOSTAT官方API重新整理发布，聚焦亚洲地区，涵盖24个国家、跨越2000至2025年的1864条观测记录，核心指标为“因照护责任而脱离劳动力的人口比例（按性别与教育程度分）”。该数据集的构建旨在填补亚太地区在非传统劳动力利用指标上的数据空白，为研究性别不平等、教育异质性对劳动参与的影响提供标准化、跨国的可比较数据源，对推动联合国可持续发展目标（SDG）中体面工作的评估具有重要支撑作用。

当前挑战

该数据集面临的核心领域挑战在于，传统的失业率指标难以捕捉因家庭照护等非市场活动而完全退出劳动力市场的隐性劳动供给损失，这一群体尤其以女性为主，其规模与结构性特征常被主流劳动统计所忽视。在构建过程中，挑战主要源于跨国产出数据的高度异质性：不同国家的劳动力调查在调查频次（年度/季度/月度）、问卷设计、教育分类标准及数据质量标识（如序列断裂标记、临时性标识）上存在显著差异，ILOSTAT虽采用ICLS国际统计标准进行协调，但仍有部分观测值因方法修订或调查更替导致序列不连续。此外，数据覆盖存在明显的不平衡性，如伊朗和韩国观测记录较多，而部分东南亚国家仅覆盖近五年数据，限制了区域整体趋势的稳健推断与跨时间可比性。

常用场景

经典使用场景

该数据集聚焦于亚太地区因照护责任而退出劳动力市场的群体，按性别与教育程度进行精细划分，为劳动经济学和性别研究领域提供了标准化的时空面板数据。其经典使用场景之一是基于ILOSTAT方法论构建的纵向追踪分析，研究者可以借助该数据筛选特定国家或时间段内女性与男性在照护劳动负担上的差异，进而运用回归模型或时间序列方法揭示照护责任对劳动力参与率的抑制效应，尤其适用於探讨东亚、南亚及东南亚地区的劳动力闲置现象及其结构性成因。

衍生相关工作

该数据集衍生了一系列标志性学术工作。在计量经济学领域，学者利用其面板结构开发了考虑教育与性别交互项的固定效应模型，论证了教育水平提升对缓解照护型劳动力闲置的边际递减效应。在数据科学层面，其清晰的分级架构（国家、年份、性别、教育）催生了针对劳动统计的缺失值插补算法与多源数据融合框架。此外，基于该数据的时间序列特征，研究者构建了预测模型，用于预警亚太地区结构性劳动力错配风险，成果常发表于《国际劳动评论》与《劳动经济学》等权威期刊。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区因照顾责任而退出劳动力市场的人口比例，按性别和教育程度进行细分，为劳动经济学和性别研究领域提供了关键实证基础。基于ILOSTAT官方数据源，它覆盖24个亚洲国家2000至2025年的时间序列观测，可支撑多维面板分析。当前前沿研究方向包括：利用该数据探究亚洲照护经济对女性劳动参与率的结构性抑制效应，结合教育分层变量揭示人力资本积累与家庭照护负担之间的非线性关系；运用时间序列模型或机器回归方法预测各国非劳动力人口变动趋势，并评估生育政策、社会照护体系改革对劳动供给的干预效果。该数据集还为联合国可持续发展目标（SDG 5.4）中关于无偿照护劳动的量化监测提供了可靠指标，助力区域劳工市场的包容性政策制定。