electricsheepeurope/europe-ilo-emp-nifl-sex-ec2-rt-informal-employment-rate-by-sex-and-economic-activ

该数据集包含欧洲国家按性别和经济活动（ISIC 2级）划分的非正规就业率（百分比）数据，来源于国际劳工组织（ILO）的ILOSTAT数据库。数据集涵盖3个欧洲国家（波黑、塞尔维亚、北马其顿），时间跨度为2006年至2025年，共4,046个观测值。数据指标为EMP_NIFL_SEX_EC2_RT，即非正规就业率，按性别（总计、男性、女性）和经济活动类别进行细分。数据集以表格形式呈现，包含国家代码、年份、性别分类、观测值及数据质量标志等列，适用于表格分类、回归和时间序列预测等任务。数据通过ILOSTAT REST API获取，并经过和谐化处理，遵循国际劳工统计学家会议（ICLS）定义。This dataset contains informal employment rate data by sex and economic activity (ISIC level 2) in percentage for European countries, sourced from the International Labour Organizations ILOSTAT database. It covers 3 European countries (Bosnia and Herzegovina, Serbia, North Macedonia) from 2006 to 2025, with 4,046 observations. The indicator is EMP_NIFL_SEX_EC2_RT, representing the informal employment rate, disaggregated by sex (total, male, female) and economic activity categories. The dataset is presented in tabular format, including columns such as country code, year, sex classification, observed values, and data quality flags, suitable for tasks like tabular classification, regression, and time-series forecasting. Data is retrieved via the ILOSTAT REST API and harmonized following International Conference of Labour Statisticians (ICLS) definitions.

搜集汇总

数据集介绍

构建方式

非正规就业作为全球劳动力市场监测的核心议题，其量化测度依赖于跨国可比的数据体系。该数据集源自国际劳工组织统计数据库（ILOSTAT），通过REST API接口直接提取指标EMP_NIFL_SEX_EC2_RT的原始记录，并依据ISO3国家代码筛选出欧洲区域样本，最终整合为包含4046条观测值的结构化数据集。原始调查微观数据经国际劳工统计学家会议（ICLS）定义框架统一协调，各数据来源在source.label字段中予以标注，确保了从国家劳动力调查等原始采集到跨国汇总全流程的可追溯性。

使用方法

研究者可借助HuggingFace datasets库以load_dataset()函数直接加载该数据集，并通过to_pandas()方法转换为数据框以开展后续分析。针对具体研究问题，可利用ref_area字段筛选目标国家子集，或依据indicator字段提取特定指标的时间序列并借助sort_values()与plot()实现趋势可视化。若需构建跨国比较矩阵，则可运用pivot_table()方法将数据重塑为国家与年份的二维交叉表。数据以CC-BY-4.0协议开放，使用时须同时引用国际劳工组织原始来源与Electric Sheep Europe的再封装工作。

背景与挑战

背景概述

非正规就业构成全球劳动力市场的重要议题，国际劳工组织（ILO）依托ILOSTAT数据库持续监测其规模与结构。该数据集由Electric Sheep Europe于2025年从ILOSTAT REST API采集并标准化重封装，覆盖波斯尼亚和黑塞哥维那、塞尔维亚、北马其顿三个欧洲国家，时间跨度为2006至2025年，包含4046条观测，以性别和ISIC二级经济活动分类为拆分维度，记录非正规就业率。其核心价值在于将碎片化的劳动力调查数据转化为机器学习可直接调用的表格资源，为就业脆弱性分析、性别差异研究与非正规经济预测提供标准化数据基础。

当前挑战

非正规就业的界定与测度构成首要难题，该数据集所依托的领域问题在于如何依据国际劳工统计学家会议（ICLS）定义，对跨部门、跨性别的非正规就业率进行跨国可比且时序一致的度量，这直接关系到劳动市场脆弱性分析与体面劳动政策评估的可靠性。构建层面的挑战同样突出，原始微数据源自不同国家劳动力调查，存在口径不一致、系列断裂与来源异质等缺陷，部分观测值被标记为不可靠，且性别与经济活动分类并非持续汇报；将原始调查数据经统一编码、分类映射与质量标记后整合为建模就绪的表格格式，需在保留溯源信息与维护跨源可比性之间取得平衡。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集最为经典的应用场景在于刻画欧洲转型经济体非正规就业的性别分化与行业异质性。研究者依托ISIC二级经济活动分类与性别双维度，构建时间序列面板，考察2006至2025年间波斯尼亚和黑塞哥维那、塞尔维亚及北马其顿三国非正规就业率的演变轨迹，进而识别女性与男性在不同产业部门中非正规就业比重的结构性差异。

解决学术问题

该数据集有效回应了非正规就业测度中长期存在的跨国可比性不足与行业粒度粗疏两大难题。通过ILOSTAT统一协调的ICLS定义与ISIC二级分类，它为检验性别不平等理论、二元劳动力市场假说以及经济转型期非正规部门扩张机制提供了标准化经验素材，显著提升了欧洲转型经济体劳动力市场比较研究的实证精度与可复现性。

实际应用

在政策实践层面，该数据集可服务于国际组织与各国劳动部门的非正规就业监测、体面劳动目标评估及性别平等政策制定。依据行业与性别细分的非正规就业率，社会保障机构能够精准定位脆弱就业群体集中的经济部门，工会与雇主组织亦可据此设计针对性的正规化干预措施与职业培训方案，推动非正规就业向体面劳动转型。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集以其对波黑、塞尔维亚和北马其顿三国非正规就业率的性别与ISIC二级经济活动分类的精细刻画，正成为劳动经济学与发展研究领域的前沿分析素材。当前研究趋势集中于运用时间序列预测与面板回归方法，探究非正规就业的性别差异如何随行业结构变迁而演化，并结合劳动力市场制度、社会保障覆盖等宏观变量，评估非正规就业对性别收入差距和贫困脆弱性的长期影响。该数据集还为机器学习驱动的跨国比较研究提供了标准化、可复现的基准，有助于识别非正规就业转型的关键节点与政策干预窗口，对西巴尔干地区实现体面劳动与包容性增长具有重要的实证支撑意义。