electricsheepasia/asia-ilo-emp-xtru-sex-edu-mts-nb-time-related-underemployment-by-sex-education-and

该数据集是一个关于亚洲地区时间相关就业不足的统计数据集，由国际劳工组织（ILO）的ILOSTAT数据库提供，并经过Electric Sheep Asia重新打包。数据集包含10,066个观测值，覆盖29个亚洲国家（如伊朗、土耳其、越南等），时间跨度为1996年至2025年。核心指标为EMP_XTRU_SEX_EDU_MTS_NB，即按性别、教育水平和婚姻状况划分的时间相关就业不足人数（以千计）。数据集提供了详细的模式，包括国家代码、数据来源、指标代码、性别分类、教育水平和婚姻状况分类、观测年份、观测值及其状态等列。数据来源于ILOSTAT REST API，经过亚洲国家代码过滤，并遵循国际劳工统计学家会议（ICLS）的定义进行标准化。数据质量方面，为年度频率，使用ILO选择的最佳来源，且分类列仅在指标发布细分数据时非空。该数据集适用于表格分类、表格回归和时间序列预测等任务，可用于劳动力市场分析和研究。This dataset contains statistical data on time-related underemployment in Asia, sourced from the ILOSTAT database of the International Labour Organization (ILO) and repackaged by Electric Sheep Asia. It includes 10,066 observations across 29 Asian countries (e.g., Iran, Turkey, Vietnam) spanning the years 1996 to 2025. The core indicator is EMP_XTRU_SEX_EDU_MTS_NB, which measures time-related underemployment by sex, education level, and marital status (in thousands). The dataset features a detailed schema with columns such as country code, data source, indicator code, sex disaggregation, education and marital status classifications, observation year, observed value, and status flags. Data is pulled from the ILOSTAT REST API, filtered to Asian country codes, and harmonized using International Conference of Labour Statisticians (ICLS) definitions. Data quality notes include annual frequency, use of ILO-selected best source for duplicate entries, and non-null disaggregation columns only when breakdowns are published. It is suitable for tasks like tabular classification, regression, and time-series forecasting, supporting labor market analysis and 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）的中央统计数据库ILOSTAT，通过其REST API接口直接提取指标EMP_XTRU_SEX_EDU_MTS_NB的原始记录，并依据亚洲ISO3国家代码进行筛选，最终由Electric Sheep Asia重新封装发布。ILOSTAT在构建过程中，基于劳动力调查、家庭收入调查等微观数据，按照国际劳工统计学家会议（ICLS）的定义进行标准化调和，确保数据在跨国比较中的一致性与可追溯性，每条记录均标注来源标签以供核查。

使用方法

研究者可通过HuggingFace datasets库以load_dataset()函数直接加载数据集，并转换为Pandas DataFrame进行灵活操作。典型用法包括按国家代码筛选子集、提取单一指标的时间序列以绘制趋势图，或透视生成国家×年份矩阵以支持跨国比较。数据集同时适用于表格分类、回归及时间序列预测任务，使用时应遵循CC-BY-4.0许可协议，并引用ILO原始来源及Electric Sheep Asia的再封装工作。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计监测，其ILOSTAT数据库为就业、失业及体面劳动等议题提供权威数据支撑。在此脉络下，本研究聚焦亚洲地区与时间相关的就业不足现象，由Electric Sheep Asia团队基于ILOSTAT官方API进行规范化重封装，覆盖1996至2025年间29个亚洲国家的逾万条观测记录，以性别、教育程度和婚姻状况为多维分解变量。该数据集回应了亚洲发展中经济体在劳动力利用效率评估上的数据缺口，为探究教育禀赋与就业质量之间的关联提供了跨国可比的时间序列基础，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

该数据集所应对的核心领域问题在于刻画亚洲各国时间相关就业不足的异质性演变，并揭示性别、教育与婚姻状况多重维度下的结构性差异，此类议题长期受制于跨国统计口径不一致与细分数据稀疏的困境。构建过程中，来自不同国家劳动力调查的原始微观数据需经国际劳工统计学家会议定义的标准化调和，以消除方法学差异；部分年份或分组存在数据缺失、序列断裂及可靠性标注等问题，需借助来源标识与质量标记加以甄别。此外，非标准教育分类与婚姻状况汇总层级的处理亦对数据一致性构成持续挑战。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉领域，针对就业不足的量化研究长期依赖跨国可比的面板数据。该数据集汇聚亚洲29国1996至2025年间按性别、教育程度与婚姻状况细分的工时相关就业不足观测值，其经典使用场景在于构建多维分组的时间序列面板，用以刻画亚洲劳动力市场中就业不足的性别差异与教育梯度。研究者常将其用于固定效应模型、双重差分设计或趋势分解分析，以识别不同人口群体在宏观经济波动与结构性转型中的脆弱性差异。

解决学术问题

该数据集所应对的核心学术问题，在于既往研究多受限于国别数据的异质性口径与时间跨度不足，难以在统一框架下比较亚洲各国就业不足的演化轨迹。通过ILO基于国际劳工统计学家会议定义所进行的标准化调和，该数据集为检验教育扩张是否真正缓解了就业不足、婚姻状况是否调节了性别差距等假说提供了可复现的实证基础。其意义在于推动劳动市场分层理论从单一国家叙事走向区域比较，并为非标准就业的测量争议提供经验证据。

实际应用

在政策实践层面，该数据集可服务于亚洲各国劳工部门与国际组织的就业监测与预警体系。借助国别与年度的细分观测值，决策者能够识别就业不足高发群体，评估职业教育与技能培训政策的靶向效果，并为社会保障覆盖范围的扩展提供依据。国际机构亦可将其纳入可持续发展目标中体面劳动指标的进展评估，辅助设计针对女性与低学历劳动者的就业质量提升干预方案。

数据集最近研究

最新研究方向

在全球劳动力市场深刻变革的背景下，亚洲地区时间相关就业不足问题日益成为劳动经济学与发展研究的焦点。该数据集凭借其跨越近三十年、覆盖二十九国的长时序与多维度细分优势，为前沿研究提供了关键支撑。当前研究前沿聚焦于运用机器学习与因果推断方法，解析性别、教育程度与婚姻状况对就业不足的异质性影响，尤其关注女性与低教育群体在非标准就业中的脆弱性。热点事件如后疫情时代劳动力市场复苏不均衡、数字化转型对工作时间与就业质量的冲击，均推动该数据集被广泛应用于政策评估与可持续发展目标监测。其意义在于为亚洲各国制定精准就业政策、缩小性别与教育差距提供实证基础，并促进ILO体面劳动议程的区域实践。