electricsheepasia/asia-ilo-luu-xlu2-sex-age-edu-rt-combined-rate-of-time-related-underemployment-and

该数据集包含亚洲31个国家1996年至2025年期间的27,638条观测数据，聚焦于其他劳动力利用不足指标。具体指标为按性别、年龄和教育划分的时间相关就业不足和失业综合率（LU2）（ILOSTAT代码LUU_XLU2_SEX_AGE_EDU_RT），以百分比形式衡量劳动力市场中的未充分利用状况。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API直接获取，并过滤为亚洲国家。数据集包含结构化字段，如国家代码、数据来源、指标代码、性别分类（总计、男性、女性）、年龄和教育水平分类、观测年份、数值及数据质量标志。适用于表格分类、回归分析和时间序列预测等机器学习任务。This dataset contains 27,638 observations of Other measures of labour underutilization data across 31 Asia countries, spanning 1996 to 2025. The specific indicator is Combined rate of time-related underemployment and unemployment (LU2) by sex, age and education (ILOSTAT code LUU_XLU2_SEX_AGE_EDU_RT), measured as a percentage. Data is sourced from the International Labour Organization (ILO) ILOSTAT database, pulled via its REST API and filtered to Asia ISO3 country codes. The dataset includes structured columns such as country code, data source, indicator code, sex disaggregation (total, male, female), age and education classifications, observation year, value, and data quality flags. It is suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过其REST API接口直接拉取指标代码为LUU_XLU2_SEX_AGE_EDU_RT的原始数据，并依据ISO 3166-1 alpha-3国家代码筛选出亚洲31个经济体的记录。ILOSTAT采用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，数据经Electric Sheep Asia重新封装为Parquet格式，保留来源标签与观察状态标志，确保可追溯性与可复现性。

特点

数据集涵盖1996年至2025年间27,638条观测，聚焦亚洲地区按性别、年龄和教育程度分组的与时间相关的就业不足与失业综合率（LU2）。其变量结构包含多维分类字段，如性别（总计、男性、女性）、年龄组和教育层级，并附有详细的来源、注释和观察状态标识。数据以年频发布，部分指标存在多源选择与断点说明，为劳动市场分析提供了细粒度、跨时序的标准化面板数据。

使用方法

研究者可通过HuggingFace的datasets库以load_dataset函数加载数据集，并利用to_pandas方法转换为数据框进行灵活分析。典型操作包括按国家代码筛选特定经济体、提取单一指标的时间序列进行趋势可视化，或通过透视表构建国家×年份矩阵以开展横截面比较。数据支持表格分类、回归及时间序列预测等任务，使用时需注意引用ILO原始来源及Electric Sheep Asia的再封装工作。

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，ILOSTAT数据库即为其核心统计基础设施。该数据集由Electric Sheep Asia于2025年重新封装，源自ILOSTAT的LUU_XLU2指标，涵盖1996至2025年间31个亚洲国家的27,638条观测记录，以性别、年龄和教育程度为维度，衡量时间相关就业不足与失业的复合比率。其核心研究问题在于揭示亚洲地区劳动力未充分利用的多维结构，为政策制定者与研究者提供跨时空的可比数据。该数据集对监测可持续发展目标中的体面劳动议题具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，传统失业率指标难以捕捉时间相关就业不足现象，而LU2复合比率旨在更全面地量化劳动力未充分利用程度。构建过程中面临若干挑战：亚洲各国劳动力调查方法、教育分类及年龄分组标准存在异质性，ILO虽经国际劳工统计学家会议定义进行调和，但源数据仍存在序列中断、方法修订及观测值可靠性标注不一等问题；部分国家数据年份不连续或缺失，导致面板数据不平衡；此外，教育程度与年龄维度的交叉分类并非所有国家均予发布，限制了细分分析的完整性。

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，时间相关就业不足与失业的合并率（LU2）是衡量劳动力未充分利用程度的关键指标。该数据集以其覆盖亚洲31个国家、跨越近三十年的27,638条观测记录，为学者构建面板数据模型提供了坚实基础。研究者常利用其性别、年龄与教育维度的细分数据，开展跨国比较分析，探究不同人口群体在劳动力市场中的脆弱性差异，从而揭示经济周期波动与社会结构变迁对就业质量的深层影响。

实际应用

在政策制定与实务操作层面，该数据集为国际组织与各国劳工部门提供了动态监测工具。政策分析师可依据其国别时间序列，评估青年就业促进计划或教育扩张政策的干预效果；企业人力资源部门可借助分年龄与性别的LU2率，优化招聘策略与用工规划。此外，金融机构在评估主权信用风险时，亦可将该指标纳入社会稳定性分析框架，以预判劳动力市场失衡可能引发的经济波动。

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。例如，有学者利用其亚洲面板数据检验了奥肯定律在发展中经济体的适用性，发现LU2率对GDP波动的响应存在显著的国别异质性；另有研究基于教育维度分层，揭示了高等教育扩张与青年就业不足并存的悖论现象，推动了“学历通胀”理论的量化验证。这些工作不仅拓展了ILO统计数据的学术价值，也为后续构建多指标劳动力市场脆弱性指数奠定了方法论基础。