electricsheepeurope/europe-ilo-emp-xtru-sex-geo-rt-time-related-underemployment-rate-by-sex-and-rural

该数据集名为时间相关就业不足率按性别和城乡地区划分（%）| 欧洲（ILOSTAT），是一个关于欧洲劳动力市场的表格数据集。它包含6,047个观测值，覆盖34个欧洲国家，时间跨度为1998年至2025年。核心指标为时间相关就业不足率按性别和城乡地区划分（%），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过处理以仅包含欧洲国家数据。数据集采用结构化表格格式，列包括国家代码（如AUT）、年份、观测值（如2.823）、性别分类（总计、男性、女性）等，并提供了数据来源、质量说明和使用示例。数据集主要用于表格分类、回归和时间序列预测任务，适用于劳动力市场分析和经济研究。The dataset is named Time-related underemployment rate by sex and rural / urban areas (%) | Europe (ILOSTAT) and is a tabular dataset focusing on the European labor market. It contains 6,047 observations across 34 European countries, spanning the years 1998 to 2025. The core indicator is Time-related underemployment rate by sex and rural / urban areas (%), sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to European country codes. The data is structured in a tabular format with columns such as country code (e.g., AUT), year, observed value (e.g., 2.823), sex disaggregation (total, male, female), among others, and includes information on data sources, quality caveats, and usage examples. The dataset is designed for tabular classification, regression, and time-series forecasting tasks, suitable for labor market analysis and economic 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ILOSTAT统计数据库，通过其REST API提取指标EMP_XTRU_SEX_GEO_RT，并以欧洲34个国家的ISO3代码为筛选条件，汇聚了1998年至2025年间的时间相关就业不足率数据。原始数据经由ILO依据国际劳工统计学家会议（ICLS）定义进行协调统一，涵盖性别及城乡区域等细分维度，共包含6047条观测记录，并以Parquet格式重新打包，便于机器学习应用。

使用方法

数据集可通过HuggingFace的datasets库便捷加载，并能无缝转换为Pandas DataFrame进行后续操作。用户可按国家（如德国）快速筛选数据，亦能针对特定指标绘制时间序列趋势图，或通过透视表构建国家×年份矩阵，便于进行跨国家、跨时期的横向对比与动态分析。该数据集特别适用于劳动经济学的时间序列分析、面板数据回归以及社会经济政策评估等研究场景。

背景与挑战

背景概述

该数据集由Electric Sheep Europe于2026年重新整理并发布，源自国际劳工组织（ILO）的ILOSTAT统计数据库，聚焦欧洲34个国家1998至2025年间的时间相关就业不足率，按性别及城乡区域细分，共包含6047条观测记录。时间相关就业不足率是衡量劳动力资源利用不充分的重要指标，反映了劳动者愿意且能够增加工作时长但受限于外部条件的状态，对于评估区域劳动力市场健康状况及制定就业政策具有关键意义。ILOSTAT作为全球劳动统计的权威来源，其数据基于各国劳动力调查，经由ILO统计部门统一标准化，为跨国比较研究提供了坚实基础。该数据集的发布填补了欧洲范围内该指标长期时序、多维度细分数据的空白，为劳动经济学、区域发展及政策评估等领域的研究者提供了便捷、可复现的数据支持，同时作为HuggingFace平台上统一格式的机器学习就绪数据集，显著降低了数据获取与预处理的门槛，促进了数据驱动型研究的开展。

当前挑战

该数据集构建过程及所服务的领域研究面临多重挑战。于领域问题而言，精准测度时间相关就业不足率涉及复杂的方法论，如对‘愿意增加工时’的主观判断依赖调查问卷设计，且不同国家及历史时期的劳动统计定义与调查方式存在差异，导致跨国及跨时可比性受损，恰如数据源中‘断点’标记所揭示的方法修订问题。于数据整理而言，原始ILOSTAT数据涉及多个来源及不同统计标准，构建时需筛选最优来源、统一数据结构，并处理大量非均匀分布的缺失值及分类维度（如性别、地区类型）的稀疏性问题，同时在确保数据时效性（更新至2025年）与历史序列完整性的平衡中，还需应对因调查频率不一导致的年度数据参差，以及部分国家早期数据的不可得性。凡此种种，要求数据集具备详尽的溯源标识与质量标注，以支持使用者在分析时作出审慎判断。

常用场景

经典使用场景

该数据集作为ILOSTAT欧洲地区时间相关不充分就业率的精细切分面板数据，其经典应用场景聚焦于劳动经济学中的多维度劳动力利用不足分析。研究者可基于性别与城乡分割的年度观测值，构建国家-年份-群体三维平衡面板，进而运用固定效应模型或面板分位数回归，剖析欧洲各国不充分就业率的时空演变规律。同时，该数据集的表格结构天然适配于传统机器学习流程，诸如梯度提升树、随机森林等监督学习算法可用于预测不充分就业率的动态趋势，或识别其社会经济决定因素，为劳动市场结构性特征的量化研究提供了坚实的数据基础。

解决学术问题

此数据集有效破解了欧洲比较劳动研究中长期存在的数据碎片化与口径不一难题。通过ILO标准化处理，数据统一遵循ICLS定义，廓清了各国劳动力调查在概念界定上的歧义，使得跨国时间序列的可比性大幅提升。它使学者得以精确估计性别差异与城乡鸿沟对不充分就业的影响，从而深入探究劳动力市场韧性与结构性失调。该数据集支撑了关于兼职就业质量、隐性劳动闲置及地区发展不平衡的实证检验，其丰富的分类维度与状态标记（如序列断裂）亦助力于方法论上的稳健性分析，显著推进了劳动统计指标精细化与面板计量经济学在宏观劳动力领域的应用。

实际应用

在政策评估与社会治理层面，该数据集是监测欧洲各国体面劳动目标进展的关键工具。国际组织与国家级智库可借此实时追踪不同性别及城乡群体间的不充分就业率波动，为就业促进政策与区域平衡发展战略提供动态数据支撑。其应用场景涵盖劳动力市场早期预警、社会包容性评估及欧盟结构基金投放效益的量化考核。对于企业人力资源规划与行业区位选择，该数据亦能揭示特定区域劳动供给的质量特征，辅助投资决策。此外，数据集的即用型设计降低了非专业用户的门槛，使得记者、社会工作者及公众能够便捷地获取权威劳动指标，促进数据驱动的公共讨论与透明治理。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲34国1998至2025年间按性别及城乡区域划分的时间相关不充分就业率，为劳动经济学中的不完全就业研究提供了细致入微的实证基础。当前研究前沿在于利用此类高分辨率面板数据，结合机器学习与时间序列预测模型，深入剖析劳动力市场中的结构性失衡与周期性波动，尤其关注性别差异与城乡分化在不充分就业中的动态演变。伴随欧洲后疫情时代就业形态的深刻转型及可持续就业目标（SDG）的推进，该数据成为评估政策干预效果、洞察区域劳动力韧性及预测未来就业趋势的关键工具，其细致的地理与时间维度为跨国比较研究及精准施策提供了无可替代的数据支撑，亦为探索灵活就业、非正规经济与性别平等交汇处的前沿议题开辟了崭新视野。