electricsheepasia/asia-ilo-une-deap-sex-edu-dsb-rt-unemployment-rate-by-sex-education-and-disability

该数据集包含亚洲20个国家从1996年至2024年的失业率数据，按性别、教育程度和残疾状况分类。数据集共有4,590个观测值，主要指标为UNE_DEAP_SEX_EDU_DSB_RT（按性别、教育程度和残疾状况划分的失业率百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家代码。数据集提供年度频率的数据，包括国家代码、指标、分类变量（如性别、教育、残疾状况）、观测年份、观测值及其状态等信息。数据经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义，并标注来源以追溯。数据集适用于表格分类、回归和时间序列预测等任务，适用于研究亚洲劳动力市场和失业趋势。This dataset contains unemployment rate data for 20 Asian countries from 1996 to 2024, disaggregated by sex, education level, and disability status. It includes 4,590 observations with a primary indicator UNE_DEAP_SEX_EDU_DSB_RT (Unemployment rate by sex, education and disability status in percentage). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asian ISO3 country codes. It provides annual frequency data, covering columns such as country codes, indicators, disaggregation dimensions (e.g., sex, education, disability status), observation year, observed values, and status flags. The data is harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions, with source labels for traceability. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, useful for studying labor market and unemployment trends in Asia.

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中央统计数据库，通过其REST API直接提取指标UNE_DEAP_SEX_EDU_DSB_RT的原始数据，并筛选出亚洲地区的ISO3国家代码。ILOSTAT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标准化调和，以确保跨国可比性。Electric Sheep Asia在此基础上进行重新打包，将数据规范化为Parquet格式，保留原始来源标签以支持溯源，最终形成涵盖20个亚洲国家、1996至2024年间4590条观测记录的结构化数据集。

特点

数据集聚焦于亚洲地区失业率的多维 disaggregation，涵盖性别、教育程度与残疾状况三个核心维度，提供年度频率的观测值。其地理覆盖广泛，包括塞浦路斯、蒙古、亚美尼亚等20个国家，时间跨度近三十年，兼具截面与时序特征。数据中包含丰富的元数据列，如来源标签、分类注释、观测状态标志等，便于用户评估数据质量与可靠性。所有数据均遵循CC-BY-4.0许可，且以机器学习就绪的格式发布，适用于表格分类、回归及时间序列预测等任务。

使用方法

研究人员可通过Hugging Face的datasets库以一行代码加载数据集，并转换为Pandas DataFrame进行灵活分析。典型操作包括按国家代码筛选特定区域数据、提取单一指标的时间序列以绘制趋势图，或利用透视表生成国家×年份的矩阵视图。数据集结构清晰，支持按性别、教育等维度进一步细分，用户可结合obs_status等标志列进行数据清洗与质量过滤。该数据集适用于探究亚洲劳动力市场中失业率与社会人口特征的关联，为政策分析与机器学习建模提供基础。

背景与挑战

背景概述

劳动力市场中的失业率统计历来是劳动经济学与社会政策研究的基石，而按性别、教育程度与残疾状况交叉细分的失业数据，则为揭示结构性不平等提供了关键量化依据。国际劳工组织（ILO）依托其全球劳动统计数据库ILOSTAT，长期致力于协调各国劳动力调查数据，构建跨国可比的劳动指标。该数据集由Electric Sheep Asia于2026年从ILOSTAT REST API中抽取并重新封装，覆盖亚洲20个国家自1996年至2024年的4,590条观测记录，聚焦于残疾状况与教育水平交互作用下的失业率差异。其核心研究问题在于呈现弱势群体在劳动力市场中的边缘化程度，并为包容性就业政策提供实证基础。该数据集对亚洲区域劳动市场分析、残疾就业歧视研究以及教育回报异质性探讨均具有重要的参考价值。

当前挑战

该数据集所应对的领域问题在于，失业率本身受宏观经济周期、产业结构变迁与制度环境等多重因素交织影响，而按残疾状况与教育程度细分后，样本稀疏性与统计可靠性问题尤为突出，致使弱势群体的失业风险难以被精确识别与跨国比较。在构建过程中，数据整合面临显著挑战：各国劳动力调查对残疾的定义与测量标准存在系统性差异，教育分类体系亦不统一，ILO虽以国际标准加以协调，但部分观测值仍被标记为不可靠或存在序列断裂。此外，亚洲地区2000年代以前的数据覆盖极为有限，不同国家的时间跨度参差不齐，致使面板分析中的缺失值处理与趋势推断面临方法论上的严峻考验。

常用场景

经典使用场景

在劳动经济学与人口统计学的实证研究中，该数据集最经典的使用场景在于刻画亚洲地区失业率在性别、教育程度与残疾状态三重维度上的分布特征与演化轨迹。研究者借助1996至2024年间二十个亚洲国家的四千余条观测，构建跨国面板数据，用以考察不同受教育水平群体（如初等、中等与高等教育）的失业风险差异，并进一步识别残疾状态对劳动力市场边缘化的叠加效应。此类分析常以时间序列分解或面板回归的形式展开，揭示亚洲劳动力市场结构性失衡的长期趋势。

实际应用

在政策实践中，该数据集为国际组织与亚洲各国劳动主管部门提供了监测弱势群体就业状况的量化基准。依托国别与年份的细粒度记录，政策制定者可精准定位失业率异常升高的性别、教育或残疾群体，据此设计针对性的职业技能培训、反歧视立法与社会保障干预。同时，世界银行、亚洲开发银行等机构亦可将该数据纳入国别劳动力市场评估报告，辅助制定包容性增长战略，提升公共就业服务的靶向性与资源配置效率。

衍生相关工作

围绕该数据集，学界已衍生出一系列经典研究工作。部分文献将其与ILOSTAT其他指标（如劳动参与率、非正规就业率）合并，构建亚洲劳动力市场脆弱性指数；另有研究将该数据与各国教育财政支出、残疾人保障立法等宏观变量匹配，开展因果推断与政策评估。在方法论层面，该数据集亦被用于检验多重插补与面板断点回归等统计技术处理分类缺失问题的有效性。这些衍生工作持续拓展着ILOSTAT数据在比较劳动制度分析中的应用边界。