electricsheepasia/asia-ilo-luu-xlu3-sex-age-edu-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含24,576个观测值，涉及“其他劳动力未充分利用指标”数据，覆盖33个亚洲国家，时间跨度为1999年至2025年，涵盖1个独特指标。具体指标为按性别、年龄和教育划分的失业率与潜在劳动力综合率（LU3）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，并以表格形式提供，包括国家、年份、性别、年龄组、教育水平等多维度分类信息。This dataset contains 24,576 observations of Other measures of labour underutilization data across 33 Asia countries, spanning 1999–2025, covering 1 distinct indicators. The indicator is the Combined rate of unemployment and potential labour force (LU3) by sex, age and education (%). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, harmonized, and provided in tabular format with dimensions such as country, year, sex, age group, and education level.

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LUU_XLU3_SEX_AGE_EDU_RT的原始数据，并依据ISO3国家代码筛选出亚洲地区33个国家的记录。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对各国劳动力调查等微观数据进行标准化处理，确保跨国可比性。数据经Electric Sheep Asia重新打包为HuggingFace数据集，保留来源标签与注释字段以支持全链路溯源。

特点

数据集涵盖1999至2025年间24,576条观测，聚焦亚洲33国的劳动力未充分利用综合指标（LU3），即失业率与潜在劳动力的合并比率。数据以性别、年龄和教育水平三个维度进行 disaggregation，提供年度频率的观测值及质量标志（如临时性、不可靠）。模式设计规范，包含国家代码、指标代码、分类变量及详细的注释字段，便于用户理解数据来源与方法论变更。

使用方法

用户可通过HuggingFace的datasets库加载数据集，利用pandas进行数据操作。典型应用包括筛选特定国家（如印度尼西亚）的记录、绘制单一指标的时间序列趋势图，或将数据透视为国家×年份矩阵以支持面板分析。该数据集适用于表格分类、回归及时间序列预测等任务，并为劳动力市场研究提供标准化输入。

背景与挑战

背景概述

国际劳工组织（ILO）自二十世纪中叶起持续推动全球劳动力市场统计的标准化，ILOSTAT作为其核心统计数据库，为监测体面劳动和可持续发展目标提供了关键数据支撑。该数据集由Electric Sheep Asia于2025年重新封装发布，汇集了1999至2025年间33个亚洲国家的24,576条观测记录，聚焦于失业与潜在劳动力合计率（LU3）这一劳动力未充分利用指标，并按性别、年龄和教育程度进行细分。其核心研究问题在于揭示亚洲地区劳动力市场结构性失衡的时空演变特征，为政策制定者和研究者提供跨国可比的实证基础，对劳动经济学和区域发展研究具有重要参考价值。

当前挑战

该数据集所面对的领域挑战源于劳动力未充分利用概念的多维性与测量复杂性，LU3指标需同时捕捉失业人口与潜在劳动力，其界定在不同国家统计实践中存在差异，且性别、年龄与教育维度的交叉分析对样本量和统计效力构成压力。构建过程中，数据来源于各国劳动力调查的异构微数据，ILO虽以国际劳工统计学家会议定义进行协调，但观测状态标注显示部分数据存在可靠性不足、序列断裂或方法修订等问题，跨国教育分类的非标准映射进一步加剧了可比性困境，亚洲地区统计能力的不均衡也导致时间序列覆盖参差不齐。

常用场景

经典使用场景

在劳动经济学与就业政策研究领域，该数据集最经典的使用场景在于刻画亚洲地区劳动力未充分利用的时序演变与国别差异。研究者依托LU3指标——即失业率与潜在劳动力之和——按性别、年龄及受教育程度进行多维交叉分析，可系统揭示不同人口群体在劳动力市场中的边缘化程度。借助面板数据结构的优势，该数据集支持跨国比较、趋势外推以及断点识别等分析范式，成为评估亚洲劳动力市场结构性失衡的核心工具。

衍生相关工作

围绕该数据集及其母体ILOSTAT体系，学界与政策研究机构衍生出丰富的经典工作。国际劳工组织定期发布的《世界就业与社会展望》系列报告即大量援引LU3指标进行全球失业趋势评估。多篇劳动经济学论文以此为基础构建劳动市场闲置指数，探讨教育错配与失业持续期的关联机制。Electric Sheep Asia的再包装版本更催生了一批机器学习驱动的就业预测模型，推动了劳动统计数据的可计算化与开放科学实践。

数据集最近研究

最新研究方向

在劳动力市场统计领域，国际劳工组织（ILO）提出的LU3指标（失业率与潜在劳动力合计比率）作为衡量劳动力未充分利用程度的关键标尺，正日益成为学术与政策研究的前沿焦点。该数据集覆盖33个亚洲国家、跨越1999至2025年，凭借其性别、年龄与教育程度的多维细分，为探究结构性失业与隐性劳动力闲置的交互机制提供了独特面板。近期研究借助机器学习与时间序列建模，着力识别教育错配与青年就业脆弱性对LU3的驱动效应，并评估数字经济转型与突发事件冲击下未充分利用率的动态演变。这一方向不仅深化了对亚洲劳动力市场韧性及不平等问题的理解，也为实现体面劳动与包容性增长目标提供了实证基石。