electricsheepeurope/europe-ilo-emp-xtru-sex-geo-nb-time-related-underemployment-by-sex-and-rural-urba

该数据集包含欧洲34个国家从1998年至2025年的时间相关就业不足统计数据，重点关注按性别和城乡地区划分的就业不足情况（以千人为单位）。数据集共包含6,048个观测值，核心指标为EMP_XTRU_SEX_GEO_NB（时间相关就业不足按性别和城乡地区统计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，涵盖国家代码、数据来源、性别分类、年份、观测值及数据状态等字段。数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究欧洲劳动力市场提供机器学习就绪的数据支持。This dataset contains time-related underemployment statistics for 34 European countries from 1998 to 2025, focusing on underemployment disaggregated by sex and rural/urban areas (in thousands). It includes 6,048 observations with a core indicator EMP_XTRU_SEX_GEO_NB (Time-related underemployment by sex and rural/urban areas). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and normalized, covering fields such as country codes, data sources, sex classifications, years, observed values, and data status. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, providing machine learning-ready data for European labour market research.

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接口直接提取指标EMP_XTRU_SEX_GEO_NB的原始记录，并依据ISO 3166-1 alpha-3国家代码筛选出34个欧洲国家。ILOSTAT采用国际劳工统计学家会议（ICLS）标准定义对各国劳动力调查等微观数据进行调和处理，数据提取后由Electric Sheep Europe以Parquet格式重新打包并统一模式，涵盖1998年至2025年共6,048条年度观测。

使用方法

研究者可通过HuggingFace datasets库的load_dataset函数加载该数据集，并转换为Pandas DataFrame进行后续分析。典型操作包括按ref_area字段筛选特定国家（如德国DEU），或按indicator字段提取单一指标并依时间排序以绘制时间序列图。利用pivot_table可生成国家×年份的矩阵，适配表格分类、回归及时间序列预测等任务，使用时需注意观测状态标志和来源标签以确保结果可靠。

背景与挑战

背景概述

在全球化劳动力市场监测与体面劳动评估的学术脉络中，国际劳工组织（ILO）统计数据库（ILOSTAT）长期扮演着权威数据枢纽的角色。该数据集由Electric Sheep Europe于2025年重新封装发布，源自ILO通过REST API提供的官方劳动力调查数据，涵盖1998至2025年间34个欧洲国家6,048条观测记录，聚焦于按性别与城乡地域分类的时间相关就业不足指标。其核心研究问题在于揭示劳动力未充分就业的性别差异与城乡空间分异，为劳动经济学、社会政策评估及可持续发展目标（SDG）中的体面劳动监测提供微观经验基础。该数据集的影响力在于将分散的国别劳动统计协调为跨国可比的年度面板，支撑时间序列预测与分类回归等多重分析范式。

当前挑战

该数据集所应对的领域问题，在于传统就业不足统计长期缺乏性别与城乡维度的精细解构，难以刻画劳动力市场中的结构性不平等。构建过程中遭遇的挑战尤为显著：各国劳动力调查在抽样设计、变量定义与数据采集频率上存在系统性异质性，ILO虽借助国际劳工统计学家会议（ICLS）定义进行协调，但源数据断裂、方法修订及临时性观测状态仍会导致时间序列不连续；城乡分类在不同国家的操作化标准亦不尽一致，部分国家仅发布全国汇总而缺失地域分解，致使面板数据存在结构性缺失，对跨国比较与因果推断构成实质性制约。

常用场景

经典使用场景

在劳动经济学与就业统计研究领域，时间相关不充分就业是衡量劳动力市场质量的关键指标，用以刻画劳动者因工时不足而被迫处于低效就业状态的广度与深度。该数据集凭借其涵盖三十四个欧洲国家、横跨近三十年的纵向面板结构，成为开展性别与城乡维度就业脆弱性比较分析的经典素材。研究者常以之构建多国时间序列模型，考察不同性别群体及城乡居民在时间相关不充分就业发生率上的动态演化轨迹，进而揭示劳动力市场结构性分割的时空特征。

解决学术问题

该数据集有效回应了劳动统计研究中长期存在的跨国可比性不足与细分维度缺失两大难题。通过国际劳工组织统一协调的标准化定义与数据编纂流程，其消解了各国劳动力调查在概念界定与采集口径上的异质性，使跨国比较得以在统一基准上展开。数据集对性别与城乡维度的系统分解，为探究就业不充分现象的性别差异与空间分异提供了可靠的经验基础，推动了关于劳动力市场边缘化机制的理论探讨与实证检验。

实际应用

在政策制定与劳动力市场监测的实务场域，该数据集为识别时间相关不充分就业的高发群体与重点区域提供了量化依据。国际组织与各国劳工部门可据此评估充分就业目标的实现进度，将有限的政策资源精准投放于性别或城乡维度上的脆弱群体。工会组织与就业服务机构亦能借助其时间序列信息，预判经济周期波动对工时不足问题的传导效应，从而设计更具前瞻性的就业保障与技能提升干预措施。

数据集最近研究

最新研究方向

在全球劳动力市场性别差距与城乡发展不平衡议题持续升温的背景下，该数据集凭借其覆盖34个欧洲国家、1998至2025年的6,048条观测，为时间相关不充分就业的性别与城乡维度研究提供了高分辨率面板基础。前沿方向聚焦于运用机器学习与时间序列预测方法，揭示经济周期、政策干预及结构性转型对不充分就业的异质性冲击，尤其关注女性与农村地区劳动者的脆弱性。热点事件如后疫情时代劳动力市场复苏不均衡、欧盟性别平等战略及乡村发展议程，均赋予该数据以实证价值。其意义在于推动精准化劳动政策制定，促进体面工作与包容性增长目标的实现，并为跨国比较研究设立可复现的基准。