electricsheepasia/asia-ilo-une-3eap-sex-age-stu-rt-youth-unemployment-rate-by-sex-age-and-school-atte

该数据集包含亚洲36个国家1970年至2025年期间的青年失业率数据，共有13,750个观测值，聚焦于一个核心指标：UNE_3EAP_SEX_AGE_STU_RT，即按性别、年龄和上学状态划分的青年失业率（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，涵盖国家代码、年份、性别（总计、男性、女性）、年龄组（15-29岁青年）、上学状态等维度，并提供观测值、数据来源、质量标志（如可靠性）和备注信息。数据集适用于表格分类、回归和时间序列预测等任务，旨在为亚洲劳动力市场研究提供机器学习就绪的数据支持。This dataset contains youth unemployment rate data for 36 Asian countries from 1970 to 2025, with 13,750 observations, focusing on one core indicator: UNE_3EAP_SEX_AGE_STU_RT, which represents the youth unemployment rate by sex, age, and school attendance status (%). Sourced from the International Labour Organization (ILO)s ILOSTAT database, the data is harmonized and includes dimensions such as country codes, years, sex (total, male, female), age groups (youth 15-29), school attendance status, along with observed values, data sources, quality flags (e.g., reliability), and notes. It is suitable for tasks like tabular classification, regression, and time-series forecasting, providing machine learning-ready data for labor market research 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统计数据库，通过REST API直接抽取青年失业率指标（UNE_3EAP_SEX_AGE_STU_RT），并依据亚洲国家ISO3代码进行地理过滤。数据经过ILO依据国际劳工统计学家会议（ICLS）定义进行统一化处理，原始调查微观数据来自各国劳动力调查、家庭收入调查及行政记录，并在source.label列中标注数据来源以确保可追溯性。最终整合了1970年至2025年间36个亚洲国家的13,750条观测记录，形成结构化时序数据。

特点

本数据集聚焦于亚洲区域青年失业率的精细化解构，涵盖性别（男、女、合计）、年龄组（如15-29岁青年段）及在校状态等多维分类变量，同时保留了数据质量标记（如obs_status标识不可靠观测值）和系列断裂注释（note_indicator.label），为研究者评估数据可靠性提供依据。数据集具有较高的时空覆盖密度，其中印度尼西亚、土耳其、塞浦路斯等国的记录数均超过800条，且时间跨度长达55年，适合进行长周期面板分析或跨国家比较研究。

使用方法

用户可通过HuggingFace Datasets库中的load_dataset()函数一键加载数据，并将其转换为Pandas DataFrame以便进一步处理。典型操作包括按国家代码（ref_area）筛选特定国家子集、按指标代码排序以提取青年失业率时间序列，或利用pivot_table将数据重塑为国家×年份的矩阵形式用于计量分析。数据集支持分类、回归及时间序列预测等任务，其标签字段（如sex.label、classif1.label）为多维度分组聚合提供了便利，可直接应用于劳动力市场动态建模与政策评估场景。

背景与挑战

背景概述

青年失业问题作为劳动力市场健康程度的核心指标，长期受到国际发展机构与学术界的密切关注。该数据集由国际劳工组织（ILO）统计司发布，经由Electric Sheep Asia重新整合后于2025年上线，聚焦于亚洲36个国家的青年失业率，涵盖1970至2025年间共13,750条观测记录。其核心研究问题在于厘清性别、年龄与就学状态如何塑造青年群体的就业脆弱性，为亚洲新兴经济体的劳动政策制定提供数据基础。凭借ILOSTAT在国际劳动统计领域的权威地位，本数据集已被广泛应用于劳动力市场研究、可持续发展目标监测及区域比较分析，对理解亚洲结构性就业失衡具有重要推动作用。

当前挑战

该数据集所解决的领域挑战主要源于青年失业率在性别、年龄与教育维度上的多重交互效应，传统总括型指标难以揭示亚群体之间的显著差异，例如女性和低学历青年往往面临更高失业风险。构建过程面临的首要挑战是数据来源的不一致性，ILO需从各国劳动力调查、家庭收支调查及行政记录中融合数据，并通过国际劳动统计学家会议（ICLS）标准进行统一协调处理。此外，部分国家在特定年份的数据存在方法学修订或观测值可靠性不足的问题，数据集中以标志位标注的'provisional'或'unreliable'状态项即反映了这一局限性，需要在分析前进行审慎筛选与处理。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇点上，该数据集以其精细的粒度成为探究亚洲青年就业困境的基石工具。经典使用场景聚焦于对36个亚洲国家跨越半个世纪（1970至2025年）的青年失业率进行纵向与横向比较分析。研究者可借助其涵盖性别、年龄组别及在校状态的分类标签，精准剖析不同社会群体在劳动力市场中的结构性差异，例如评估教育参与对青年就业韧性的缓冲效应，或揭示女性青年在特定文化背景下面临的就业壁垒。

实际应用

在实际应用层面，该数据集是国际劳工组织、国家统计局及政策智库制定靶向干预策略的核心数据基石。决策者可利用其精细的年龄与在校状态分类，识别高危失业群体（如辍学青年或特定年龄段的女性），从而设计差异化的职业培训计划与就业缓冲方案。同时，该数据支持构建实时监测面板，用于评估宏观冲击如经济衰退或公共卫生事件对青年就业潜能的短期冲击，为劳动保护政策的动态调适提供了从经验直觉迈向数据驱动的睿智支撑。

衍生相关工作

围绕这一数据集，衍生出一系列以亚洲青年就业为核心议题的经典研究工作。一方面，学者将其与教育统计数据库或宏观经济面板联动，构建多水平模型用以分解个人、家庭与宏观制度对失业风险的叠加效应。另一方面，时间序列分析领域涌现出基于该数据的季节性调整模型与状态空间预测工具，旨在捕捉青年失业率的周期性波动与结构性突变。此外，该数据集亦催生了探讨非正规就业、性别工资差距与学校到工作过渡路径之间复杂关联的开创性实证文献，深化了对亚洲劳动力市场区隔现象的学理洞见。