electricsheepeurope/europe-ilo-emp-pifl-sex-eco-est-nb-employment-outside-the-formal-sector-by-sex-econom

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的27,609个观察值，涵盖4个欧洲国家（包括摩尔多瓦、波斯尼亚和黑塞哥维那、北马其顿和塞尔维亚），时间跨度为2003年至2025年。数据主题为非正规经济，具体指标为“按性别、经济活动和机构规模划分的非正规部门就业（千人）”。数据集提供了详细的细分维度，如性别（总计、男性、女性），并包括国家代码、来源、指标代码、观察值、年份和数据状态等列。数据经过ILO harmonization处理，适用于表格分类、回归和时间序列预测等任务。This dataset contains 27,609 observations from the International Labour Organization (ILO) ILOSTAT database, covering 4 European countries (including Moldova, Bosnia and Herzegovina, North Macedonia, and Serbia) from 2003 to 2025. The data focuses on the informal economy, with the specific indicator Employment outside the formal sector by sex, economic activity and establishment size (thousands). It includes disaggregation dimensions such as sex (total, male, female), and columns like country codes, sources, indicator codes, observed values, years, and data status. The data is harmonized by ILO and is suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

在非正规经济部门就业的测度长期构成劳动统计领域的核心挑战，国际劳工组织依托国际劳工统计学家会议（ICLS）标准，对各国劳动力调查等原始微观数据进行系统调和。本数据集即通过ILOSTAT REST API接口直接抓取指标EMP_PIFL_SEX_ECO_EST_NB，并筛选欧洲ISO3国家代码后重新封装而成。数据经Electric Sheep Europe流水线于2026年5月26日摄入，以Parquet格式发布，涵盖摩尔多瓦、波黑、北马其顿与塞尔维亚四国，时间跨度为2003年至2025年，共27,609条观测记录。

使用方法

使用者可借助HuggingFace datasets库以load_dataset函数直接加载数据，并转换为Pandas数据框进行后续分析。典型操作包括按ref_area列筛选特定国家子集，或针对单一指标按时间排序生成时间序列以观察演变轨迹，亦可利用透视表将数据重塑为国家与年份的交叉矩阵。指标代码列与标签列并存，便于程序化处理与可读性呈现兼顾，适用于表格分类、回归及时间序列预测等建模任务。

背景与挑战

背景概述

非正规部门就业的测度长期以来构成劳动统计领域的核心难题，国际劳工组织（ILO）依托国际劳工统计学家会议（ICLS）决议框架，持续推动各国非正规经济数据的标准化与可比化。该数据集由ILO统计部门通过ILOSTAT平台发布，经Electric Sheep Europe于2025年重新封装，覆盖摩尔多瓦、波黑、北马其顿与塞尔维亚四国2003至2025年间27,609条观测，按性别、经济活动及机构规模进行多维分解。其核心研究问题在于揭示欧洲转型经济体非正规就业的性别差异与结构特征，为体面劳动监测及非正规经济政策评估提供实证基础，对劳动经济学与区域发展研究具有重要参考价值。

当前挑战

该数据集所回应的领域问题在于非正规就业的精准识别与跨国可比，其难度源于各国劳动统计体系差异及非正规经济活动本身的隐蔽性，导致观测值常伴随不可靠或断点等质量标记。构建过程中，挑战集中于将ILOSTAT原始API数据按欧洲ISO3国家代码进行筛选与统一化，同时处理不同年份来源更替所引发的序列断裂、分类维度非全部年份可用以及机构规模分解层级不一致等问题。此外，部分国家仅覆盖有限年份，性别与经济活动的交叉分类亦存在缺失，这些因素共同制约了时间序列建模与跨国比较分析的稳健性。

常用场景

经典使用场景

在非正规经济部门的劳动统计研究中，该数据集凭借其按性别、经济活动和机构规模三维度分层的细化信息，成为刻画欧洲边缘劳动力市场结构的经典基础。研究者常以时序分析为手段，追踪摩尔多瓦、波黑、北马其顿和塞尔维亚四国非正规就业规模的年度波动，并据此比较性别差异与行业分布特征。其面板结构允许构建固定效应模型，用以识别经济转型、制度变迁与就业非正规化之间的动态关联，从而服务于劳动经济学与转型社会学的实证探索。

解决学术问题

该数据集有效回应了非正规就业统计中长期存在的度量口径不一致与资料碎片化问题。通过ILOSTAT统一协调的国际劳工统计学家会议定义，它提供了跨国可比的年度观测值，使学者得以在统一框架下检验非正规部门与正规部门之间的劳动力流动、性别隔离及经济周期敏感性等理论假设，进而深化对非正规经济在就业总量中角色的理解，为后续计量建模与政策评估提供了可靠的数据基石。

实际应用

在实际应用层面，该数据集为国际组织与各国劳工部门监测非正规就业趋势提供了直接工具。政策分析者利用它评估劳动法规改革、社会保障扩展及中小企业扶持措施对非正规就业规模的影响，并依据性别与行业细分识别脆弱群体。企业及非政府组织亦可参照其区域时序数据，设计有针对性的技能培训与正规化激励方案，从而支持体面劳动议程的落地与进展追踪。

数据集最近研究

最新研究方向

在全球非正规经济监测与体面劳动议程深化的背景下，该数据集为解析欧洲非正规就业的结构性差异提供了关键实证基础。当前前沿研究聚焦于利用其性别、经济活动与机构规模的多维细分，结合时间序列模型与因果推断，探究非正规就业的性别鸿沟、行业异质性及企业规模效应，并关联劳动力市场规制、社会保障覆盖等政策变量。伴随国际劳工组织对非正规经济统计标准（ICLS）的持续修订，该数据支撑着跨国比较与政策评估，为识别脆弱群体、设计靶向干预及追踪可持续发展目标8的实现进展提供量化依据，对促进包容性增长具有重要学术与政策意义。