electricsheepasia/asia-ilo-une-tune-sex-ocu-nb-unemployment-of-previously-employed-persons-by-sex

该数据集包含16,948个观测值，覆盖32个亚洲国家，时间跨度为1970年至2025年，主要指标为“按性别和先前职业划分的先前就业人员失业情况（千人数）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家，涵盖了失业数据的详细分类，包括性别和职业维度。数据集以表格形式存储，包含国家代码、国家名称、数据来源、指标代码、性别分类、时间、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据以年频率发布，并包含数据质量说明和使用示例。This dataset contains 16,948 observations of unemployment data across 32 Asia countries, spanning 1970 to 2025, with the main indicator being Unemployment of previously employed persons by sex and former occupation (thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asia countries. It includes detailed disaggregation by sex and occupation, stored in a tabular format with columns such as country code, country name, data source, indicator code, sex classification, time, observed value, etc. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, with annual frequency and data quality caveats provided.

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）的核心统计数据库ILOSTAT，通过其公共REST API接口直接提取指标代码为UNE_TUNE_SEX_OCU_NB的原始数据，随后依据ISO 3166-1 alpha-3国家代码筛选出32个亚洲经济体，时间跨度为1970年至2025年，最终形成16,948条观测记录。ILOSTAT平台本身依托各国劳动力调查、家庭收入调查及行政记录等多元数据源，按照国际劳工统计学家会议（ICLS）的定义进行标准化调和，数据中保留了来源标签与注释字段，以保障统计口径的可追溯性。

特点

数据集以表格结构组织，包含国家代码、来源信息、指标代码、性别分类、职业分类、年份及观测值等列，其中性别维度细分为总计、男性和女性三类，职业分类则反映既往职业的技能水平。观测值以千人为单位，部分记录附有数据状态标记（如临时性或不稳定），并包含系列断点、非标准职业定义等注释信息，有助于使用者辨识数据质量。数据集覆盖范围广泛，但年度频率与部分国家时间序列的不连续是其固有特征。

使用方法

研究者可通过Hugging Face的datasets库以一行代码加载数据集，并转换为Pandas数据框进行后续分析。可依据国家代码筛选特定经济体的数据，或针对单一指标提取时间序列并绘制趋势图。此外，通过透视表操作可将数据重构为国家与年份的矩阵形式，便于开展跨国比较或面板数据分析。该数据集适用于表格分类、回归及时间序列预测等任务，使用时应遵循CC-BY-4.0许可协议，并同时引用ILO原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）自1919年成立以来，始终致力于全球劳动统计的标准化与传播，其ILOSTAT数据库作为全球劳动统计的权威中枢，汇聚了200余个经济体的就业、失业及体面劳动指标。在此背景下，Electric Sheep Asia于2025年将ILOSTAT中‘按性别与既往职业分类的失业人员’指标进行系统化整理，覆盖32个亚洲国家、1970至2025年间共计16,948条观测记录。该数据集为探究亚洲劳动力市场中失业者职业流动的结构性特征提供了跨国、长时序的量化基础，对劳动经济学与区域就业政策研究具有重要参考价值。

当前挑战

该数据集所应对的核心领域问题在于刻画失业者既往职业与性别差异的交互模式，这要求对异质性极强的职业分类体系进行跨国可比化处理。构建过程中的主要挑战包括：ILOSTAT原始数据源自各国劳动调查与行政记录，采样口径与参考周期参差不齐，需依赖国际劳工统计学家会议定义进行协调；部分观测存在序列中断或方法修订标记，且不完整年份与不可靠状态值需在建模时审慎处理；职业分类的国别差异导致分类变量对齐困难，数据缺失机制复杂，对时间序列预测与跨国比较分析构成显著障碍。

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处，该数据集构筑了一个以性别与既往职业为双重视角的亚洲失业动态观测框架。其经典应用场景聚焦于纵向追踪既往就业者失业规模的演变轨迹，通过1970至2025年的时间序列数据，研究者可精确绘制三十二个亚洲国家在性别维度上的失业波动图谱，进而揭示不同职业背景群体在经济周期中的脆弱性差异，为理解亚洲劳动力市场结构性变迁提供实证基石。

衍生相关工作

依托该数据集，一系列衍生研究相继涌现。比较政治经济学领域出现了针对亚洲福利体制与失业持续期的跨国回归分析，劳动社会学则孕育了关于职业声望与再就业概率的路径建模，亦有学者将其与亚洲开发银行劳动力调查数据融合，构建失业预警指数。这些工作共同拓展了ILOSTAT数据在因果推断与预测建模中的应用边界，形成从描述统计到政策模拟的完整研究链条。

数据集最近研究

最新研究方向

在劳动经济学与性别研究交叉领域，该数据集为探究亚洲地区失业者职业流动的性别异质性提供了长时段、跨国别的微观基础。当前前沿研究聚焦于利用其按前职业与性别分层的时序数据，结合机器学习方法识别女性再就业的结构性壁垒，尤其关注技能错配与行业衰退的交互效应。伴随国际劳工组织对非标准就业统计的持续完善，该数据集支撑了关于经济周期中性别失业回弹差异的实证检验，并为评估亚洲各国职业培训与再就业政策的精准性提供了量化依据，推动了包容性劳动力市场治理的循证决策。