electricsheepasia/asia-ilo-luu-xlu3-sex-age-geo-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含亚洲27个国家从1999年至2025年的14,186个观测值，主要指标为失业率与潜在劳动力综合率(LU3)，按性别、年龄和城乡地区划分。数据来源于国际劳工组织(ILOSTAT)的官方数据库，涵盖了劳动力未充分利用的其他衡量指标。数据集以表格形式呈现，包含国家代码、指标代码、性别分类、年龄分类、观测年份、观测值等列，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。数据经过ILO的标准化处理，并标注了来源和质量状态。This dataset contains 14,186 observations across 27 Asian countries from 1999 to 2025, focusing on the Combined rate of unemployment and potential labour force (LU3) indicator, disaggregated by sex, age, and rural/urban areas. Sourced from the International Labour Organizations ILOSTAT database, it addresses other measures of labour underutilization. The data is presented in tabular format with columns for country codes, indicator codes, sex classifications, age classifications, observation years, and observed values, making it suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting. The data is harmonized by ILO and includes source and quality flags.

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，通过其REST API接口获取原始数据，并依据亚洲ISO3国家代码进行筛选。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对各国劳动力调查等微观数据进行标准化处理，确保指标跨区域可比性。数据集由Electric Sheep Asia重新打包发布，收录了1999年至2025年间27个亚洲国家的14186条观测记录，涵盖失业与潜在劳动力的综合比率（LU3），并按性别、年龄及城乡地域进行多维度分解。

使用方法

使用者可通过Hugging Face的datasets库加载数据集，转换为Pandas DataFrame进行灵活操作。典型应用包括筛选特定国家或指标的时间序列，绘制趋势图；或利用透视表功能构建国家与年份的矩阵，以分析失业与潜在劳动力比率的时空演变。该数据集适用于劳动力经济学、社会政策评估及区域发展研究，支持分类、回归和时序预测等机器学习任务。

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工作，其核心数据库ILOSTAT汇集了200余个经济体的劳动力调查数据。在此背景下，亚洲地区劳动力利用不足的综合测度长期面临数据碎片化与覆盖不均衡的困境，尤其缺乏将失业率与潜在劳动力（LU3）相结合的性别、年龄及城乡多维分解数据。该数据集由Electric Sheep Asia于2025年重新封装发布，覆盖27个亚洲国家1999至2025年的14,186条观测，旨在为劳动经济学与区域发展研究提供统一的机器学习就绪数据层。其核心研究问题在于揭示亚洲劳动力市场结构性闲置的时空演变规律，为SDG体面劳动目标监测提供实证基础。

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无法捕捉丧失信心劳动者与潜在劳动力群体，导致对劳动力闲置程度的系统性低估。构建过程中的挑战体现在：ILOSTAT原始微观调查数据须依循国际劳工统计学家会议（ICLS）定义进行跨国调和，各国调查频率、抽样设计与变量分类的异质性增加了协调难度；城乡分解维度在部分国家存在非连续年份观测，且来源标注中的系列断裂提示方法学修订对时序可比性的扰动；高维分类变量（性别、年龄、城乡）的非平衡覆盖进一步加剧了建模时的缺失值与样本偏倚风险。

常用场景

经典使用场景

在劳动经济学与区域发展研究领域，该数据集凭借其涵盖27个亚洲国家、跨越1999至2025年的14,186条观测记录，成为刻画劳动力未充分利用状况的经典数据资源。研究者常将其用于按性别、年龄组及城乡地域维度分解失业与潜在劳动力的复合比率（LU3），以识别青年群体、女性及农村地区在劳动力市场中的结构性劣势。时间序列分析则用于追踪亚洲各国劳动力市场动态变化，评估经济周期与政策干预对失业与潜在劳动力储备的差异化影响。

解决学术问题

该数据集有效回应了劳动力市场统计中长期存在的测量偏差问题。传统失业率仅覆盖积极求职者，忽略了潜在劳动力群体（如沮丧劳动者），导致对劳动力闲置程度的低估。LU3指标整合失业人口与潜在劳动力，为学术研究提供了更全面的劳动未充分利用测度。其标准化的人口分类与来源标注，支持跨国比较与长期趋势分析，有助于揭示亚洲地区劳动市场脆弱性的异质性及其与性别、年龄和城乡结构的关联，为劳动政策评估提供实证基础。

实际应用

在国际组织与政策制定层面，该数据集成为监测亚洲地区体面劳动目标进展的关键工具。国际劳工组织及各国劳工部门可利用其识别高LU3比率的弱势群体，设计针对性的就业促进与技能培训项目。城乡细分数据有助于优化农村劳动力转移政策与基础设施投资。金融机构与智库则借助该数据评估区域宏观经济稳定性与消费市场潜力，将劳动力未充分利用指标纳入社会风险与投资环境分析框架。

数据集最近研究

最新研究方向

随着国际劳工组织对劳动力未充分利用测度框架的持续深化，LU3指标作为融合失业与潜在劳动力队伍的综合度量，正成为亚太地区劳动力市场韧性评估的前沿焦点。当前研究前沿主要聚焦于性别与城乡维度下LU3的异质性演化，利用该数据集覆盖27个亚洲国家、1999至2025年的面板观测，学者们得以借助时间序列预测与面板回归方法，探究经济周期波动、结构性转型及突发公共事件对潜在劳动力吸纳能力的非对称冲击。该数据集亦为检验ILO统计标准在发展中国家适用性提供了经验证据，并支撑性别包容性就业政策与城乡劳动力市场一体化的循证决策，对实现体面劳动与可持续发展目标具有重要参考意义。