electricsheepeurope/europe-ilo-eip-dwap-sex-age-cct-rt-inactivity-rate-by-sex-age-and-citizenship

该数据集包含81,359条关于欧洲39个国家1991年至2025年期间按性别、年龄和公民身份划分的不活动率（%）的观测数据，涵盖1个核心指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为国际移民存量。数据集提供了详细的分类维度，包括性别、年龄和公民身份，以及观测值、时间、数据来源和质量标志等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 81,359 observations of Inactivity rate by sex, age and citizenship (%) data across 39 Europe countries, spanning 1991–2025, covering 1 distinct indicators. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, focusing on international migrant stock. It includes detailed disaggregation dimensions such as sex, age, and citizenship, along with observed values, time, source information, and quality flags, suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

本数据集基于国际劳工组织（ILO）的ILOSTAT数据库构建，通过调用其REST API接口（https://rplumber.ilo.org/data/indicator?id=EIP_DWAP_SEX_AGE_CCT_RT）直接提取原始数据，并依据欧洲国家ISO3代码进行地理范围过滤。数据涵盖1991年至2025年间39个欧洲国家的劳动参与相关指标，共计81,359条观测记录。ILOSTAT本身采用国际劳工统计学家会议（ICLS）的定义标准，对国家劳动力调查、住户收入调查、企业调查及行政记录等微观数据进行系统化整合与统一标注，确保跨国可比性。数据集中每一观测值均附有来源标识（source.label），便于用户追溯原始数据的出处与质量。

使用方法

用户可通过HuggingFace Datasets库轻松加载本数据集，调用`load_dataset("electricsheepeurope/europe-ilo-eip-dwap-sex-age-cct-rt-inactivity-rate-by-sex-age-and-citizenship")`即可获取训练集，并便捷转换为Pandas DataFrame进行后续处理。典型应用包括：按国家筛选（如`df[df["ref_area"] == "DEU"]`）以分析特定国家的历史趋势；按指标排序并绘制时间序列图，观察不活跃率随年份的演变；以及利用透视表构建国家×年份的数值矩阵，支持面板数据分析或跨国比较研究。数据集的年度频率与39国的广覆盖使其尤其适用于欧洲劳动力市场的长期纵向研究与计量模型构建。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT创建，并由Electric Sheep Europe重新封装发布，聚焦于欧洲39个国家在1991至2025年间按性别、年龄和国籍分类的非经济活动率（%）。ILOSTAT作为全球劳动统计的权威来源，基于各国劳动力调查等数据，旨在提供标准化、可跨国的劳动力市场指标。该数据集的核心研究问题在于揭示欧洲不同人口群体的劳动力市场参与状况，尤其是移民与非公民群体的经济非活动特征，为理解劳动力市场中的结构性不平等提供了关键量化依据。其影响力体现在为政策制定者、社会学家和经济学家提供了精细化的时空数据，支持移民融合、性别平等及老龄化社会等主题的实证研究。

当前挑战

该领域面临的首要挑战在于如何准确刻画非经济活动率这一复杂社会现象，其受政策、文化、经济周期等多重因素交织影响，单一指标难以全面反映个体退出劳动力市场的深层原因。构建过程中则遭遇若干难题：其一，各国劳动力调查的采样方法、问卷设计及定义标准各异，ILOSTAT虽通过国际劳动统计学家会议（ICLS）定义进行协调，但数据源差异仍可能导致跨国比较的偏差；其二，数据集标注了数据质量标志（如'不可靠'），且存在因方法修订导致的序列断裂（如指标准则变更），这增加了长期趋势分析的困难；其三，部分国家某些年份的数据源自不同调查，需选择'最佳来源'，但这一选择可能引入主观判断，影响数据的一致性。

常用场景

经典使用场景

在劳动经济学与社会政策研究中，该数据集被广泛用于分析欧洲各国不同性别、年龄及国籍群体的劳动市场非参与率。研究人员可借助其按性别、年龄组和公民身份细分的结构，精准刻画特定人群（如青年、女性或非本国公民）的经济不活跃状态，进而探讨结构性失业、劳动参与决策及社会保障体系的影响。该数据的时间跨度为1991年至2025年，覆盖39个欧洲国家，为纵向比较与国别分析提供了坚实的数据基础。

解决学术问题

此数据集有效解决了劳动经济学中长期存在的两大难题：一是移民群体与非移民群体在经济活动参与率上的差异量化，二是性别与年龄交织下劳动退出行为的动态演化。借助ILO统一标准化的定义，学者得以规避各国统计口径不一的问题，开展跨国的可比性研究。该数据的发布推动了关于“被动失业”、隐性劳动储备以及社会排斥机制的实证探索，为欧洲劳动力市场分层理论提供了经验支撑，也丰富了关于老龄化社会与移民融入议题的学术讨论。

实际应用

在实际应用中，该数据集被欧洲各国劳动部门、国际组织及智库用于监测劳动力市场的健康度与包容性。政策制定者通过分析特定人口群体的不活跃率，可评估就业扶助项目、职业培训及社会保障改革的效果。此外，该数据也为非政府组织提供了实证基础，用以倡导性别平等、移民权益及代际公平。社会企业可利用这些指标，识别并服务于最需要就业支持的边缘群体，从而优化公共资源的配置效率。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲劳动力市场中按性别、年龄及公民身份划分的不活动率，为探究移民融入、人口老龄化与劳动力参与之间的复杂关联提供了关键数据支撑。当前研究前沿正借助此类高分辨率面板数据，运用时间序列分析与机器学习方法，揭示不同公民身份群体在劳动力市场中的结构性排斥模式，以及性别与代际差异对经济活动参与度的深层影响。结合欧洲近年来的移民政策调整与劳动力短缺议题，这一数据集能够助力学者量化不活动率与社会保障依赖、技能错配等热点现象的内在联系，为构建更具包容性的就业战略与精准的社会干预措施提供实证依据。