electricsheepasia/asia-ilo-une-tune-sex-dsb-nb-unemployment-by-sex-and-disability-status-thousand

这是一个关于亚洲国家按性别和残疾状况划分的失业人数（千计）的数据集，数据来源于国际劳工组织（ILO）的ILOSTAT数据库。数据集包含1,151个观测值，覆盖24个亚洲国家，时间跨度为1996年至2024年，聚焦于一个核心指标：UNE_TUNE_SEX_DSB_NB，即按性别和残疾状况划分的失业人数。数据以年度频率提供，包括国家代码、来源信息、指标代码、性别分类、观测年份、观测值等列，并经过ILO的标准化处理，以确保数据可比性和可追溯性。数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究人员和开发者提供机器学习就绪的亚洲劳动力市场数据。This dataset contains unemployment data by sex and disability status (in thousands) for Asian countries, sourced from the ILOSTAT database of the International Labour Organization (ILO). It includes 1,151 observations across 24 Asian countries from 1996 to 2024, focusing on one key indicator: UNE_TUNE_SEX_DSB_NB, which represents unemployment disaggregated by sex and disability status. The data is provided at an annual frequency and includes columns such as country code, source information, indicator code, sex classification, observation year, observed value, and more, with harmonization by ILO for comparability and traceability. It is suitable for tasks like tabular classification, regression, and time-series forecasting, and is designed to be machine learning-ready for researchers and developers working on Asian labor market analysis.

搜集汇总

数据集介绍

构建方式

在全球劳动力市场监测与残疾包容性就业政策分析的背景下，该数据集源自国际劳工组织统计数据库（ILOSTAT）的官方指标，通过ILOSTAT提供的REST API接口，以指标代码UNE_TUNE_SEX_DSB_NB进行程序化拉取，并依据ISO 3166-1 alpha-3国家代码筛选出亚洲区域24个国家的数据记录。原始调查微观数据经ILO统计局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，每条观测均标注来源代码，以确保统计口径的可追溯性与跨国可比性，最终由Electric Sheep Asia重新封装为机器学习就绪的数据集。

特点

该数据集涵盖1996年至2024年间亚洲24个国家的1151条年度观测记录，核心指标为按性别与残疾状况分类的失业人数（以千人为单位），并沿性别维度细分为总计、男性与女性三个类别。数据以表格形式组织，包含国家代码、来源标签、指标代码、性别分类、残疾状况分类、时间及观测值等字段，同时附有观测状态标志和分类注释，用以标识序列中断、非标准定义等数据质量信息，为失业率的性别差异与残疾状态交叉分析提供了结构化的多维数据基础。

使用方法

研究者可借助HuggingFace datasets库的load_dataset函数直接加载该数据集并转换为Pandas数据框，进而开展探索性分析与建模。典型操作包括按国家代码筛选特定经济体的记录、对单一指标按时间排序以绘制时间序列趋势图、以及通过透视表将数据重塑为国家与年份的二维矩阵，适用于表格分类、回归及时间序列预测等任务。使用时应遵循CC-BY-4.0许可协议，并在成果中同时引用国际劳工组织原始数据来源与Electric Sheep Asia的再封装工作。

背景与挑战

背景概述

伴随全球对体面劳动与包容性发展的持续关切，残疾人就业劣势的量化监测成为劳动经济学与公共政策的核心议题。国际劳工组织依托其权威的ILOSTAT数据库，自二十世纪中叶起系统汇编全球劳动力市场统计指标，并于近年将残疾状况纳入失业测度维度。该数据集由Electric Sheep Asia于2024年从ILOSTAT REST API抽取并重新封装，覆盖1996至2024年间24个亚洲国家的1151条观测，按性别与残疾状况细分失业人数。其核心研究问题在于揭示残疾与非残疾群体之间失业风险的异质性，为评估亚洲地区残疾人劳动市场融入的政策成效提供可比数据基础。

当前挑战

该数据集所回应的领域问题，在于传统失业统计长期忽视残疾维度，导致政策制定者难以识别残疾群体在劳动力市场中的结构性弱势地位，而残疾定义与调查口径的跨国差异进一步加剧了测度的非一致性。构建过程中的挑战同样显著：各国劳动力调查对残疾的界定标准不统一，部分观测存在序列断裂、非标准定义及可靠性不足等数据质量标记；亚洲地区残疾失业统计起步较晚，多国仅有个别年份数据，时空覆盖极不均衡，且残疾状况与性别交叉分类下的样本稀疏性对统计推断构成持续制约。

常用场景

经典使用场景

在劳动经济学与残障就业研究领域，该数据集最经典的使用场景是依托其按性别与残障状况交叉分类的失业人口统计，开展跨国别、跨年度的失业率差异分析。研究者可借此构建面板数据模型，考察亚洲24国在1996年至2024年间残障群体失业变动的时序特征，并通过性别维度的分解揭示劳动力市场中的多重结构性不平等。其千余条观测所支撑的回归与预测任务，尤为适合作为时间序列建模与表格分类任务的基准语料。

解决学术问题

该数据集直面的核心学术问题在于残障与性别双重边缘化如何影响就业结果，以及不同亚洲经济体在统计口径与数据可得性上的异质性。它弥补了发展中国家残障失业微观数据匮乏的缺陷，使研究者得以检验残障惩罚假说与性别交互效应，并借助来源标注与观测状态旗标评估数据质量。其意义在于推动残障就业研究从欧美中心向亚洲语境拓展，为国际劳工组织体面劳动议程提供可复现的实证基础。

衍生相关工作

围绕该数据集已衍生出若干典型工作，包括亚洲残障失业收敛性分析、性别与残障交互效应的分解研究，以及基于ILOSTAT多指标整合的跨国劳动市场比较平台。部分研究将其与教育程度、行业分类等ILO指标联结，构建多维脆弱性指数；亦有工作利用其时间序列特征开发失业预测模型。这些衍生成果共同拓展了残障统计在机器学习与社会政策交叉领域的应用边界。