electricsheepeurope/europe-ilo-emp-xtru-sex-dsb-rt-time-related-underemployment-rate-by-sex-and-disab

该数据集包含关于欧洲31个国家时间相关不充分就业率的统计数据，涵盖2004年至2025年期间，共有3,348个观察值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为按性别和残疾状况划分的时间相关不充分就业率（百分比）。数据集包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、残疾状况分类、观察年份、观察值、观察状态标志以及相关注释列。数据以年度频率发布，经过ILO的标准化处理，并包含数据质量说明和分类维度。该数据集由Electric Sheep Europe重新打包，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains 3,348 observations of time-related underemployment rate data across 31 Europe countries, spanning 2004 to 2025, covering 1 distinct indicator. The data is sourced from ILOSTAT, the ILOs central statistics database, with the topic of time-related underemployment rate by sex and disability status (%). It includes columns such as country codes, country names, source codes, indicator codes, sex disaggregation, disability status classification, observation year, observed values, observation status flags, and related notes. The data is annual, harmonized by ILO, and includes data quality caveats and disaggregation dimensions. Repackaged by Electric Sheep Europe, it is suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队从国际劳工组织（ILO）的ILOSTAT数据库中精心提取并重新封装而成。原始数据通过ILOSTAT的REST API获取，筛选出欧洲31个国家的相关指标，时间跨度覆盖2004年至2025年，共计3348条观测记录。数据集严格遵循国际劳工统计学家会议（ICLS）的定义，对各国调查微观数据进行统一协调处理，确保数据口径的一致性。每个观测值均标注了来源、性别、残疾状态等分类属性，并附带详细的数据质量注释，便于追溯与验证。

特点

数据集的核心特色在于其聚焦于时间相关的不充分就业率，并细分为性别与残疾状态两个维度，提供了极具针对性的劳动力市场分析视角。其覆盖范围广泛，涉及31个欧洲国家，时间序列长达二十余年，为纵向研究提供了丰富素材。数据接口规范，字段定义清晰，包含国家代码、指标代码、来源标签等多元信息，且兼容多种分类维度，便于用户灵活筛选与个性化分析。此外，数据遵循CC-BY 4.0许可，保证了使用的开放性与透明性。

使用方法

该数据集可直接通过Hugging Face的datasets库加载，用户只需调用load_dataset函数即可获得格式统一的数据表格。借助pandas等工具，可轻松实现数据清洗与变换，例如按国家过滤、按时间排序进行时序分析，或通过透视表构建国家×年份的矩阵，以支持数据可视化与建模任务。鉴于其表格分类、回归及时间序列预测的兼容性，适用于多种机器学习与统计分析场景。使用时建议结合数据质量注释（如obs_status）进行数据筛选，并引用原始ILO来源及Electric Sheep Europe的重新打包版本以示致谢。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，并于2025年由Electric Sheep Europe重新封装发布，聚焦于欧洲31国2004至2025年间按性别与残疾状态划分的与时间相关的不充分就业率。作为全球劳动力统计的权威来源，ILOSTAT数据库基于各国劳动力调查等微观数据，依据国际劳工统计学家会议（ICLS）定义进行统一化处理，为研究劳动力市场中的结构性弱势群体提供了珍贵的时间序列证据。该数据集的问世填补了欧洲区域残疾人就业质量衡量方面的数据空白，对劳动力经济学、社会政策及可持续发展目标（SDG）监测具有重要推动作用。

当前挑战

该数据集所面临的挑战涵盖领域与构建双重维度。在领域层面，时间相关不充分就业率作为劳动力利用不足的关键指标，其跨国比较需克服各国对残疾状态定义的差异性、数据来源的异构性及调查方法学修订所带来的序列不连续性，同时需兼顾性别与残疾状况交叉维度的统计效力，这对揭示残疾人就业弱势地位的深层机制构成显著障碍。在构建层面，ILOSTAT需整合多源调查数据，甄别并优先选用各国'最优来源'，并处理非标准定义、数据标记（如不可靠或临时性）等质量问题，而本次欧洲重封装进一步要求对31国数据进行地域筛选与架构规范化，确保多指标、多年份的数据在时间序列与截面维度上的兼容性与可追溯性，这无疑增加了数据清洗与验证的复杂性。

常用场景

经典使用场景

该数据集汇集了31个欧洲国家2004年至2025年间按性别与残疾状况细分的时间相关就业不足率数据，源自ILOSTAT权威统计数据库。作为面板数据的典型代表，其核心应用场景集中于时间序列预测与回归分析，研究者可借此构建预测模型，探究欧洲劳动力市场中不同群体就业不足率的变化趋势。同时，该数据集的表格结构亦适用于分类任务，如根据历史特征对各国或各群体的就业不足状态进行归类，为劳动经济学领域提供了坚实的数据基础。

衍生相关工作

该数据集衍生出的相关工作不胜枚举，其中尤以构建欧洲劳动力市场动态监测模型、分析残疾群体就业不足的宏观经济影响因素，以及开发跨国家比较的统计可视化工具为代表。基于此类数据，已有研究聚焦于探索福利制度改革、经济周期与技术进步对弱势群体就业质量的交互影响，不仅丰富了实证文献，还为后续利用机器学习技术进行预测性分析铺平了道路，推动了数据驱动型社会科学研究的范式发展。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲范围内按性别与残疾状况细分的时间相关就业不足率，其前沿研究方向在于利用ILOSTAT标准化数据，结合机器学习与时间序列分析方法，探究劳动力市场中残疾群体的就业质量与障碍。当前热点包括评估后疫情时代包容性就业政策的成效，以及通过多国面板数据揭示社会保护体系与劳动力市场弹性的交互作用。该数据集的发布为跨区域比较研究提供了统一基准，支持可持续发展目标（SDG）中体面工作指标的监测，对推动残障人士就业平等政策制定具有重要参考价值。