electricsheepeurope/europe-ilo-emp-pifl-sex-age-edu-nb-employment-outside-the-formal-sector-by-sex-age-an

该数据集包含欧洲35个国家从2003年至2025年的非正规经济部门就业数据，具体指标为按性别、年龄和教育程度划分的非正规部门就业（千人）。数据集共有119,747个观测值，涵盖1个核心指标（EMP_PIFL_SEX_AGE_EDU_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为欧洲国家。数据集采用表格形式，包含国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年龄分类、教育分类、观测年份、观测值、观测状态标志以及相关注释等列。数据以年频率发布，ILO根据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调处理。数据集适用于表格分类、回归和时间序列预测等任务，可用于分析欧洲非正规经济部门的就业趋势和模式。This dataset contains employment data outside the formal sector for 35 European countries from 2003 to 2025, specifically the indicator Employment outside the formal sector by sex, age and education (thousands). It includes 119,747 observations covering one core indicator (EMP_PIFL_SEX_AGE_EDU_NB). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered to European countries. The dataset is in tabular format, with columns such as country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), age classification, education classification, observation year, observed value, observation status flags, and related notes. Data is published at annual frequency, with ILO harmonizing raw survey microdata using International Conference of Labour Statisticians (ICLS) definitions. The dataset is suitable for tasks like tabular classification, regression, and time-series forecasting, enabling analysis of employment trends and patterns in Europes informal economy sector.

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中央统计数据库，通过其REST API直接拉取指标EMP_PIFL_SEX_AGE_EDU_NB的原始记录，并依据ISO3国家代码筛选出欧洲区域数据。ILOSTAT对各国劳动力调查、家庭收入调查等微观数据进行统一协调，采用国际劳工统计学家会议（ICLS）标准定义，确保跨国家可比性。经Electric Sheep Europe重新打包为Parquet格式，并保留来源标签以支持溯源，最终形成覆盖35个欧洲国家、时间跨度为2003至2025年的面板数据。

使用方法

研究者可通过HuggingFace的datasets库以一行代码加载数据集，并转换为Pandas数据框进行灵活操作。典型用法包括筛选特定国家（如德国）、提取单一指标的时间序列以绘制趋势图，或透视生成国家与年份的矩阵以进行跨国比较。该数据集适用于表格分类、回归及时间序列预测等任务，也可用于劳动经济学、发展研究和社会政策评估中的实证分析。使用时需注意年度频率、来源选择规则及分类变量仅在相应分解层级下非空的特性，并遵循CC-BY-4.0许可协议引用原始来源与再包装方。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计的标准化与可比性建设，其维护的ILOSTAT数据库乃全球劳动统计领域最具权威性的数据基础设施之一。在此背景下，Electric Sheep Europe对ILOSTAT原始数据进行系统性重封装，于2025年发布了涵盖35个欧洲国家、2003至2025年间非正规部门就业状况的专项数据集，共计119,747条观测记录。该数据集以性别、年龄与教育程度为多维分类轴心，依托国际劳工统计学家会议（ICLS）的定义框架对各国劳动力调查微观数据进行统一协调，为探究欧洲非正规经济中就业结构的异质性提供了关键的数据支撑，对劳动经济学、社会政策评估及可持续发展目标中体面劳动指标的监测具有显著的学术与政策影响力。

当前挑战

该数据集所回应的核心领域问题在于非正规部门就业的精细化测度：非正规经济因其游离于正式登记体系之外，长期面临覆盖不足与定义分歧的双重困境，性别、年龄与教育维度的交叉分类更增添了统计协调的复杂度。在构建层面，数据集面临来源异构性的严峻考验——各国劳动力调查、家庭收入调查与行政记录的方法论差异显著，ILO虽以'最佳来源'原则加以取舍，但观测状态标注（如暂定值、不可靠标记）及序列中断提示的存在，折射出跨国时间序列中不可忽视的数据质量参差与时序断裂风险，为后续建模分析与跨国比较研究带来方法论上的持续挑战。

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，该数据集最经典的使用场景为构建跨国面板数据模型，围绕非正规部门就业的性别差异、年龄分层与教育梯度展开量化分析。研究者依托2003至2025年间35个欧洲国家的119,747条观测记录，可按SEX_T、SEX_M、SEX_F三类性别维度与年龄、教育交叉分类变量进行长时序比较，刻画中东欧与西欧国家在非正规就业规模上的收敛与分化轨迹，亦可借助时间序列预测方法推演非正规就业比重的演变趋势。

解决学术问题

该数据集有效回应了比较劳动制度研究中长期存在的测度不一致与样本覆盖偏窄难题。ILO统计部门依据国际劳工统计学家会议定义对各国劳动力调查微观数据进行统一调和，使非正规就业在跨国、跨期比较中具备概念一致性与统计可追溯性，从而支撑关于非正规经济与正规经济周期性联动、教育回报在非正规部门的弱化效应、性别参与率差距的结构性成因等议题的实证检验，为相关学术争论提供了可复现的数据基础。

实际应用

在政策实践层面，该数据集为国际组织与欧洲各国劳动主管部门监测非正规就业规模、识别脆弱群体提供了量化依据。社会保障机构可据此评估非正规从业者在养老金、失业救济与工伤保险中的覆盖缺口，教育和就业部门可结合年龄与教育维度定位技能错配高发人群，工会与雇主组织亦可将其用于集体谈判中的基准比较，进而设计针对性的正规化激励与劳动力市场干预方案。

数据集最近研究

最新研究方向

在全球非正规经济就业规模持续扩张的背景下，该数据集凭借其跨越2003至2025年、覆盖35个欧洲国家、逾十万条按性别、年龄与教育程度细分的就业观测记录，为非正规部门就业的异质性研究提供了关键的经验基础。当前前沿研究聚焦于运用时间序列预测与面板回归方法，揭示教育分层和年龄结构如何塑造不同性别在非正规经济中的参与轨迹，并与欧洲劳动力市场转型、移民潮及后疫情时代就业极化等热点议题紧密关联。相关分析有助于评估国际劳工组织体面劳动议程的政策效力，推动对非标准就业脆弱性的精准识别，对完善社会保障体系具有重要参考价值。