electricsheepasia/asia-ilo-emp-xtru-sex-age-geo-rt-time-related-underemployment-rate-by-sex-age-and-r

该数据集包含了亚洲25个国家从1996年至2025年期间的时间相关就业不足率数据，按性别、年龄和城乡地区进行分解。数据集包含13,834个观测值，覆盖一个核心指标：EMP_XTRU_SEX_AGE_GEO_RT，即按性别、年龄和城乡地区划分的时间相关就业不足率（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并经过重新打包，以Parquet格式提供，便于机器学习使用。数据集结构包括国家代码、年份、观测值、性别分类、年龄分类、地区类型等列，并包含数据来源和质量标志。This dataset contains 13,834 observations of time-related underemployment rates across 25 Asian countries from 1996 to 2025, disaggregated by sex, age, and rural/urban areas. It focuses on one indicator: EMP_XTRU_SEX_AGE_GEO_RT (Time-related underemployment rate by sex, age and rural/urban areas, in percentage). The data is sourced from ILOSTAT, the International Labour Organizations central statistics database, retrieved via its REST API, and repackaged by Electric Sheep Asia into a machine-learning-ready Parquet format. The schema includes columns for country codes, years, observed values, sex classifications, age classifications, area types, and metadata such as source and quality flags.

搜集汇总

数据集介绍

构建方式

本数据集依托国际劳工组织统计数据库（ILOSTAT）的官方数据接口构建，该数据库作为全球劳动统计的权威来源，汇集了各国劳动力调查、家庭收入调查及行政记录等多源微观数据，并依据国际劳工统计学家会议（ICLS）标准进行统一协调与规范化处理。数据经由ILOSTAT REST API直接抽取，并以亚洲ISO3国家代码为筛选条件进行地域限定，最终以Parquet格式重新封装发布，每条记录均保留source.label列以追溯原始调查来源，确保数据链条的可验证性。

特点

数据集涵盖二十五个亚洲国家自一九九六年至二零二五年的劳动统计观测值，总计逾一万三千条记录，聚焦于与时间相关的就业不足率单一指标，并依据性别、年龄组及城乡地域等多重维度进行交叉分类。数据以年度频率呈现，schema结构清晰完备，包含国家代码、来源标识、指标代码及观测状态标志等字段，且对方法论修订等情形设有专门注释标识，便于研究者辨识数据质量与序列断裂问题。

使用方法

研究者可通过HuggingFace的datasets库以load_dataset函数直接加载该数据集，并利用to_pandas方法转换为数据框进行后续分析。典型应用包括依据ref_area字段筛选特定国家子集，按indicator字段提取目标指标并依时间排序以构建时间序列图，或通过pivot_table方法将数据重塑为国家与年份的交叉矩阵，从而支持劳动经济学领域的时序预测、面板回归及跨国比较研究。

背景与挑战

背景概述

在国际劳工统计领域，时间相关就业不足率是衡量劳动力未充分就业的关键指标，反映劳动者的工作时间低于其意愿或能力。国际劳工组织（ILO）自二十世纪中叶起系统汇编全球劳动力数据，其ILOSTAT数据库为学界与政策制定者提供权威基准。该数据集由Electric Sheep Asia于2025年重封装，源自ILO的EMP_XTRU_SEX_AGE_GEO_RT指标，涵盖1996至2025年间25个亚洲国家的13,834条观测，按性别、年龄及城乡维度细分，为亚洲劳动力市场研究提供了细粒度的时间序列基础，推动了区域就业政策评估与不平等分析。

当前挑战

该数据集所应对的领域问题在于刻画亚洲各国时间相关就业不足的时空异质性，并支持跨性别、年龄与城乡维度的比较分析，这对监测可持续发展目标中的体面工作进展至关重要。构建过程中面临的挑战包括：各国劳动力调查方法差异导致指标口径不一，需依赖ILO的协调框架进行标准化；部分国家数据存在年份断裂或观测状态标记为不可靠，影响时间序列连续性；城乡与年龄分类的粒度随国家而异，造成面板数据不平衡；此外，高维分类变量与缺失值处理对建模构成技术难点。

常用场景

经典使用场景

在劳动经济学与就业政策研究领域，时间相关就业不足率是刻画劳动力未充分就业状态的关键指标。该数据集以亚洲25国为空间单元，以1996至2025年为时间跨度，按性别、年龄及城乡地域进行多维解构，为研究者提供了长时序、多国别的面板数据基础。经典使用场景包括构建国别就业不足率的时间序列趋势、开展性别与年龄组的交叉对比分析，以及检验城乡二元结构下就业质量的差异。其结构化表格形式直接适配计量经济学建模与机器学习预测，成为亚洲劳动力市场监测的基准数据源之一。

衍生相关工作

基于该数据集，已衍生出一系列聚焦亚洲劳动力市场的经典研究。学者利用其进行就业不足率的空间收敛性分析、性别差距的长期演变测度，以及城乡就业质量的多层模型建构。在方法层面，催生了针对缺失值与观测状态标志的稳健插补算法，以及融合时间序列与横截面特征的预测模型。Electric Sheep Asia的标准化封装亦推动了机器学习就绪型劳动统计数据的传播，为后续跨区域数据集的构建树立了范式。

数据集最近研究

最新研究方向

在全球劳动力市场经历深刻变革的背景下，时间相关不充分就业作为衡量劳动力利用不足的关键维度，日益成为劳动经济学与发展经济学的焦点议题。该数据集依托ILOSTAT权威框架，覆盖25个亚洲国家近三十年的性别、年龄及城乡多维 disaggregation，为刻画不充分就业的结构性异质性与时空演化提供了高粒度面板基础。当前前沿研究正借助该数据探索非标准就业形态扩张、数字化转型对工时不足的冲击，以及城乡与性别差距在脆弱经济中的传导机制。其与SDG体面工作目标的紧密关联，亦为政策评估与跨国比较研究提供了可复现的实证支撑。