electricsheepasia/asia-ilo-emp-pifl-sex-age-ins-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含关于亚洲地区非正规经济就业的统计信息，具体指标为“按性别、年龄和公共/私营部门划分的非正规部门就业份额（%）”。数据集由国际劳工组织（ILO）的ILOSTAT数据库提供，涵盖了26个亚洲国家从2006年至2025年的年度数据，总计16,163个观察值。数据通过ILOSTAT REST API获取，并经过标准化处理，以确保一致性和可追溯性。数据集包含多个维度，如国家、性别、年龄分类和机构部门，并提供了数据来源、观察状态和注释等元数据。该数据集旨在支持劳动力市场分析、非正规经济研究和政策制定，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 statistical information on informal economy employment in Asia, specifically the indicator Share of employment outside the formal sector by sex, age and public/private sector (%). It is sourced from the ILOSTAT database of the International Labour Organization (ILO), covering 26 Asian countries with annual data from 2006 to 2025, totaling 16,163 observations. The data is retrieved via the ILOSTAT REST API and harmonized for consistency and traceability. The dataset includes multiple dimensions such as country, sex, age classification, and institutional sector, along with metadata on data sources, observation status, and notes. It is designed to support labor market analysis, informal economy research, and policy-making, suitable for machine learning tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

在国际劳工组织体面劳动议程与可持续发展目标对非正规就业监测需求日增的背景下，该数据集依托ILOSTAT中央统计数据库构建。数据经由ILOSTAT REST API直接拉取指标EMP_PIFL_SEX_AGE_INS_RT原始记录，按亚洲ISO3国家代码筛选，并由Electric Sheep Asia重新打包发布。原始调查微数据依据国际劳工统计学家会议定义进行统一协调，来源信息以source.label列标注，确保从国家劳动力调查至区域汇总的全程可追溯。

特点

该数据集以亚洲非正规就业为核心，覆盖26个国家、2006至2025年间共16163条观测，按性别、年龄及公共/私营部门多维分解。时间跨度长且国别多样，兼具年度时序与横截面属性，适合刻画非正规就业的动态演变。各列均提供标准编码与英文标签，并附观测状态、方法修订等注释字段，便于质量控制与跨源比较，为劳动经济学和区域发展研究提供细粒度证据。

使用方法

使用者可借助HuggingFace datasets库以load_dataset()直接加载，并转换为Pandas数据框开展分析。通过ref_area与indicator列可筛选特定国家或指标，按time排序可绘制单指标时序曲线，利用pivot_table可重塑为国家×年份矩阵以支持面板建模。数据适用于分类、回归及时间序列预测任务，使用时需留意obs_status等标记，并遵循CC BY 4.0许可同时引用ILO原始来源与Electric Sheep Asia的再封装工作。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计体系建设，其旗舰数据库ILOSTAT为监测非正规经济中的就业形态提供了权威基准。在此背景下，Electric Sheep Asia于2025年对ILOSTAT原始数据进行标准化封装，发布了覆盖亚洲26国、2006至2025年间16,163条观测记录的就业非正规部门占比数据集。该数据集聚焦按性别、年龄及公共/私营部门分类的非正规就业比例，为探究亚洲发展中经济体非正规就业的结构性差异与演变趋势提供了高颗粒度面板数据，对劳动经济学、社会保护政策评估及可持续发展目标监测具有重要支撑价值。

当前挑战

既有劳动统计体系长期面临非正规就业界定标准不一、跨国可比性不足的困境，该数据集所聚焦的非正规部门就业占比指标直接回应了非正规经济规模测度这一劳动经济学核心难题。构建过程中，原始调查微数据在各国抽样设计、问卷口径及参照期上存在显著异质性，ILO虽依国际劳工统计学家会议决议进行调和，但部分国家序列仍存在方法修订导致的断点，加之性别与年龄维度下细分单元样本量不足致使估计值稳定性受限，数据中保留的观测状态标志与来源注释亦提示使用者需审慎处理时序连续性与跨群组比较问题。

常用场景

经典使用场景

在国际劳动统计学的分析框架中，该数据集最为经典的运用场景在于对亚洲地区非正规部门就业占比进行跨国家、跨时间的比较研究。研究者可依托其涵盖26个亚洲国家、2006至2025年间共16163条观测记录，按性别、年龄组及公共/私营部门维度系统考察非正规就业的分布特征与演变轨迹。借助时间序列建模与面板数据分析，能够揭示不同国家在正规化进程中的异质性路径，以及性别与年龄结构对非正规就业风险的调节效应。

解决学术问题

该数据集有效回应了劳动经济学与发展经济学中关于非正规经济规模测度及其决定因素的长期学术争论。传统研究常受制于跨国数据口径不一、时间断点频仍等瓶颈，而此数据集依托国际劳工组织统一协调的ICLS定义体系，并借助来源标注机制保障了可追溯性，从而为检验正规化政策效果、剖析结构性不平等与非正规就业之间的关联提供了可靠的经验基础，显著提升了比较研究的内部效度与外部效度。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的研究工作。部分学者将其与世界银行发展指标及性别不平等指数进行融合，构建了多层次非正规就业脆弱性评估框架；另有研究利用其面板结构检验了贸易开放、城镇化与技术变迁对非正规部门规模的非线性影响。此外，若干机器学习驱动的预测模型亦以此为基础，探索亚洲各国非正规就业占比的未来演化趋势，推动了劳动统计与计算社会科学的交叉融合。