electricsheepeurope/europe-ilo-ees-tees-sex-ifl-dsb-nb-employees-by-sex-informal-formal-job-and-disabilit

该数据集包含欧洲国家按性别、非正规/正规工作和残疾状况划分的雇员人数（以千人为单位）的统计信息，源自国际劳工组织（ILO）的ILOSTAT数据库。数据集涵盖2个欧洲国家（摩尔多瓦和塞尔维亚），时间跨度为2007年至2025年，共223个观测值，涉及一个核心指标（EES_TEES_SEX_IFL_DSB_NB）。数据经过ILO标准化处理，包括国家代码、数据来源、性别分类、年份、观测值及状态标志等列，适用于表格分类、回归和时间序列预测等任务。数据集采用CC-BY-4.0许可，由Electric Sheep Europe重新打包为机器学习就绪格式。This dataset contains statistical information on employees by sex, informal/formal job and disability status (in thousands) for European countries, sourced from the International Labour Organization (ILO) ILOSTAT database. It covers 2 European countries (Moldova and Serbia) from 2007 to 2025, with 223 observations and one core indicator (EES_TEES_SEX_IFL_DSB_NB). The data is standardized by ILO and includes columns such as country codes, data sources, sex classifications, year, observed values, and status flags. It is suitable for tasks like tabular classification, regression, and time-series forecasting. The dataset is licensed under CC-BY-4.0 and repackaged by Electric Sheep Europe for machine learning readiness.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队基于国际劳工组织（ILO）的ILOSTAT中央统计数据库重新封装而成，数据提取自ILOSTAT REST API接口，并依据欧洲ISO3国家代码进行筛选。原始数据经ILO统计局依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行统一协调，数据集保留了来源标识以确保可追溯性，最终以Parquet格式发布，便于机器学习应用。

特点

数据集覆盖2007至2025年间两个欧洲国家（摩尔多瓦与塞尔维亚）的223条观测记录，聚焦非正规经济领域中按性别、非正规/正规就业及残疾状况分类的雇员数量（千人）。数据以年度频率呈现，包含性别、就业性质、残疾状况等多维分类变量，并附有观测状态标记以标识数据的临时性或可靠性，整体规模精简但维度丰富。

使用方法

使用者可通过HuggingFace的datasets库以load_dataset函数直接加载数据，并转换为Pandas数据框进行后续分析。典型操作包括按国家代码筛选子集、针对特定指标提取时间序列并绘制趋势图，或构建国家与年份的透视表以比较跨国差异，适用于表格分类、回归及时间序列预测等任务。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计的标准化与可比性建设，其ILOSTAT数据库汇聚了200余个经济体的就业、非正规经济及社会保护等核心指标。本数据集由Electric Sheep Europe于2025年重新打包发布，源自ILOSTAT的EES_TEES_SEX_IFL_DSB_NB指标，涵盖摩尔多瓦与塞尔维亚两国2007至2025年间按性别、非正规/正规就业及残疾状况分列的雇员数据，共223条观测。该数据集为探究欧洲边缘经济体非正规就业中的性别差异与残疾歧视提供了稀缺的微观视角，对推动体面劳动议程和包容性劳动力市场政策研究具有重要参考价值。

当前挑战

该数据集所回应的领域问题在于：非正规就业与残疾状况的交叠如何在不同性别间呈现差异化分布，而传统劳动力统计往往忽视这一多重弱势群体的可见性。构建过程中，ILOSTAT需依托各国劳动力调查等多元来源进行数据协调，面临调查口径不一致、残疾定义跨国差异显著、非正规就业界定随ICLS标准修订而演变等固有难题；同时，部分观测被标记为“不可靠”，且数据仅覆盖两个欧洲国家、时间序列不均衡，这些因素共同制约了跨国比较的稳健性与推断效力。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集凭借对性别、就业正规性与残疾状况的三维交叉剖分，成为刻画欧洲边缘劳动力市场结构的经典素材。研究者依托其年度观测值，可构建非正规就业比例的时序趋势，或采用面板回归比较摩尔多瓦与塞尔维亚在残疾群体就业正规性上的差异，进而揭示制度转型对弱势群体劳动参与的影响机制。

衍生相关工作

围绕该数据集，后续研究衍生出多条经典工作脉络：一是将ILOSTAT指标与欧盟劳动力调查微观数据链接，检验残疾状态对就业正规性的因果效应；二是运用时间序列模型预测非正规就业规模并评估政策干预；三是将其纳入更广泛的欧洲社会指标看板，推动残疾就业统计标准化，为全球南方国家的数据建设提供方法参照。

数据集最近研究

最新研究方向

在全球非正规经济与残障就业议题持续升温的背景下，该数据集为探究性别、就业形态与残障状态三者交织下的劳动市场不平等提供了稀缺的跨国观察窗口。当前前沿研究正借助此类微观劳动统计，识别非正规就业中残障群体的系统性边缘化机制，并检验社会保障覆盖的性别差异。依托国际劳工组织标准化框架，该数据支持时间序列预测与面板回归，助力评估包容性就业政策在转型经济体中的实效。其意义在于推动残障包容从正规部门向非正规经济延伸，为实现可持续发展目标中体面工作与减少不平等提供实证基础。