electricsheepeurope/europe-ilo-emp-pifl-sex-age-mts-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含欧洲34个国家2003年至2025年间关于非正规经济的149,948个观测值，涵盖1个独特指标：按性别、年龄和婚姻状况划分的正式部门外就业比例（%）。数据来源于国际劳工组织（ILO）的中央统计数据库ILOSTAT，该数据库是全球劳动力统计的主要来源，整合了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作指标等方面的数据。数据集经过Electric Sheep Europe重新打包，以标准化模式提供，便于机器学习使用，包含国家代码、年份、观测值、性别、年龄组、婚姻状况分类以及数据来源和质量标志等列。This dataset contains 149,948 observations of informal economy data across 34 Europe countries, spanning 2003–2025, covering 1 distinct indicator: Share of employment outside the formal sector by sex, age and marital status (%). The data is sourced from ILOSTAT, the ILOs central statistics database and a leading global source for labour statistics, which compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. The dataset has been repackaged by Electric Sheep Europe into a normalized schema for ML-ready use, including columns for country codes, years, observed values, sex, age groups, marital status classifications, and data source and quality flags.

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统计数据库（ILOSTAT），通过其REST API接口提取指标EMP_PIFL_SEX_AGE_MTS_RT的原始数据，并依据ISO3国家代码筛选出欧洲区域记录，最终由Electric Sheep Europe进行重新打包与标准化处理。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行统一协调，数据中标注来源以确保可追溯性，涵盖2003至2025年间34个欧洲国家的非正规部门就业占比观测值。

特点

该数据集包含149,948条观测记录，覆盖34个欧洲国家逾二十年的年度数据，以表格形式组织，包含国家、来源、指标、性别、年龄、婚姻状况等多维度分类变量及观测值和质量标志。数据以单一指标为核心，提供性别（总计、男性、女性）和年龄、婚姻状况等交叉分类，支持时间序列分析与多国比较，并以Parquet格式发布，便于大规模机器学习任务中的表格分类、回归与时间序列预测。

使用方法

研究者可通过HuggingFace的datasets库以load_dataset函数直接加载数据集，并转换为Pandas数据框进行灵活操作。典型用法包括按国家代码筛选子集、针对特定指标提取时间序列并可视化、或将数据透视为国家与年份的矩阵以比较跨国趋势。数据字段如ref_area、time和obs_value分别标识国家、年份和观测值，用户可结合分类标签进行分组聚合或建模分析，从而探究欧洲非正规就业的性别与年龄差异。

背景与挑战

背景概述

非正规经济部门就业的测度长期构成劳动统计领域的核心议题，其规模与结构直接关系社会保障覆盖、税收基线与体面劳动监测。国际劳工组织依托国际劳工统计学家会议定义框架，系统整合各国劳动力调查与住户收入调查，构建了全球可比的非正规就业指标。该数据集由Electric Sheep Europe于2025年从ILOSTAT API规范化封装，覆盖欧洲34国、2003至2025年、逾14.9万条观测，按性别、年龄与婚姻状况多维分解，为 Europe 区域非正规就业的时序比较与跨国异质性研究提供了细粒度数据基础。

当前挑战

非正规就业的跨国产出比较面临定义非标准化的固有难题，各国对非正规部门与非正规就业的操作口径差异显著，数据集虽经国际劳工组织协调，仍存在来源标签不一、年龄分组非标准与观测状态不可靠等标注残差。时序维度上，部分国家起始年份较晚且存在数据缺失，人口加权与趋势外推易引入偏差。从建模视角看，多维交叉分解导致样本稀疏，高维类别组合下的回归与预测任务面临层级不平衡和序列非平稳性，对稳健统计推断与因果识别构成实质挑战。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集最经典的应用场景在于刻画欧洲34国非正规部门就业占比的时空演变格局。研究者借助其涵盖2003至2025年近15万条观测记录，可系统构建性别、年龄与婚姻状况多维交叉的时序面板，用以剖析非正规就业的性别鸿沟、代际差异及婚姻状态关联效应。通过将各国数据置于统一ICLS定义框架之下，该数据集为跨国比较研究提供了高度标准化的经验基础，尤其适用于探测转型经济体与发达经济体在非正规就业结构上的收敛或分化趋势。

解决学术问题

该数据集有效回应了非正规就业测量中长期存在的口径不一致与跨国可比性不足两大难题。ILOSTAT依据国际劳工统计学家会议决议对原始微观调查数据进行统一调和，使得不同国家、不同年份的观测值具备一致的概念边界与统计标准。这一贡献极大推进了关于非正规经济规模决定因素、劳动力市场二元结构演化以及社会保障覆盖缺口的实证研究，为检验制度理论、结构转型假说与性别分层理论提供了可靠的数据支撑，其意义在于将碎片化的国别调查整合为可复用的学术公共品。

衍生相关工作

围绕该数据集及其源指标体系，学界已衍生出若干经典研究方向。比较政治经济学文献利用此类数据检验非正规就业与工会密度、最低工资制度之间的关联；发展经济学研究则将其用于分析结构转型过程中农业部门收缩与非正规服务业扩张的联动机制。此外，ILOSTAT自身持续发布的非正规经济专题报告，以及基于该指标构建的全球非正规就业预测模型，均构成了该数据集衍生工作的重要组成部分，推动了劳动统计与机器学习方法在社会科学中的交叉融合。