electricsheepeurope/europe-ilo-emp-nifl-sex-ocu-geo-rt-informal-employment-rate-by-sex-occupation-and-rur

该数据集包含欧洲31个国家从2003年至2025年的非正规就业率数据，共有52,520个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为非正规经济。核心指标为EMP_NIFL_SEX_OCU_GEO_RT，即按性别、职业和城乡地区划分的非正规就业率（百分比）。数据集提供了详细的分类维度，包括性别（总计、男性、女性）、职业技能水平和地区类型（如全国）。数据经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义，并标注了数据源和质量状态（如暂定或不可靠）。数据集以表格形式组织，适用于表格分类、回归和时间序列预测等任务，可用于研究欧洲非正规就业趋势、性别差异和城乡分布。This dataset contains informal employment rate data for 31 European countries from 2003 to 2025, with 52,520 observations. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, focusing on the informal economy. The core indicator is EMP_NIFL_SEX_OCU_GEO_RT, which represents the informal employment rate by sex, occupation, and rural/urban areas (%). It includes disaggregation dimensions such as sex (total, male, female), occupation skill level, and area type (e.g., national). The data is harmonized using ICLS (International Conference of Labour Statisticians) definitions and annotated with source information and quality flags (e.g., provisional or unreliable). Organized in tabular format, it is suitable for tasks like tabular classification, regression, and time-series forecasting, enabling analysis of informal employment trends, gender disparities, and urban-rural distributions across Europe.

搜集汇总

数据集介绍

构建方式

国际劳工组织（ILO）作为全球劳动统计的权威机构，依托其集中统计数据库ILOSTAT，通过标准化流程构建了该数据集。数据源自ILOSTAT的REST API接口，针对指标代码EMP_NIFL_SEX_OCU_GEO_RT进行提取，并筛选欧洲ISO3国家代码，最终涵盖31个欧洲国家。原始调查微观数据经国际劳工统计学家会议（ICLS）定义统一协调，确保非正规就业定义的跨国可比性；来源信息以source.label列标注，保障了数据溯源能力。

使用方法

研究者可借助Hugging Face datasets库以单行代码加载数据，并转换为Pandas DataFrame进行灵活操作。典型用法包括筛选特定国家（如德国）的子集，或提取单一指标的时间序列以观察趋势；亦可通过透视表将数据重塑为国家与年份的矩阵，便于面板分析。数据中的分类维度与观测状态标志支持深入的异质性检验与数据质量评估，为劳动经济学、社会学及区域发展研究提供实证基础。

背景与挑战

背景概述

非正规就业作为全球劳动力市场结构性议题，长期困扰着社会保障体系与劳动治理实践。国际劳工组织（ILO）依托其中央统计数据库ILOSTAT，系统采集并调和各国劳动力调查微观数据，以国际劳工统计学家会议（ICLS）标准定义非正规就业。该数据集由Electric Sheep Europe于2025年重新封装发布，覆盖31个欧洲国家、2003至2025年间52,520条观测记录，按性别、职业及城乡地域细分非正规就业率。其核心研究问题在于揭示欧洲非正规就业的性别差异、职业分布与空间异质性，为劳动政策评估与SDG体面劳动目标监测提供实证基础，对比较劳动制度研究与区域社会政策制定具有重要参考价值。

当前挑战

非正规就业的跨国务度量面临概念操作化与数据可比性的根本难题，各国劳动力调查在抽样设计、问卷措辞及非正规部门界定上存在显著差异，ILOSTAT虽经 harmonisation 仍难免遗留断点与不可靠标记。构建过程中，原始数据源自多类型调查且时间跨度逾二十年，部分国家年份缺失、指标口径更迭频繁，classif1与classif2分类维度非均衡发布，加之城乡与职业交叉细分后样本稀疏导致估计值波动显著。此外，不同来源对同一国家—年份组合的观测值存在冲突，需依赖ILO优选源规则加以取舍，而obs_status标注的不确定性进一步制约了时间序列建模与跨国面板分析的稳健性。

常用场景

经典使用场景

在国际劳动经济学与非正规经济研究领域，该数据集构成了刻画欧洲劳动力市场结构性差异的核心量化基础。其最经典的使用场景在于，研究者以性别、职业类型与城乡地域为三重分类维度，系统性地测算并比较欧洲三十一国在二零零三年至二零二五年间的非正规就业率演变轨迹。借助这一数据集，学者能够构建跨国面板数据模型，揭示非正规就业在不同经济体制、福利模式与产业结构下的分布规律，从而为比较制度分析提供坚实的经验证据。

解决学术问题

该数据集有效回应了长期以来困扰学术界的若干关键问题，包括非正规就业的性别分化机制、职业技能层级与就业正规性之间的关联，以及城乡二元结构对劳动力市场边缘化的塑造作用。其标准化、跨国可比且时间跨度逾二十年的观测数据，使得研究者得以摆脱个案研究的局限，在统一框架下检验制度变迁、经济周期与政策干预对非正规就业的影响，进而为国际劳工组织推动体面劳动议程提供实证支撑，具有显著的学术价值与政策意义。

实际应用

在实际应用层面，该数据集为政府劳工部门、国际发展机构与社会政策智库提供了可靠的信息参考。政策制定者可据此识别非正规就业高发的人群与区域，精准设计社会保障扩面、职业技能培训与城乡就业促进等干预措施。同时，企业与社会组织亦可借助该数据评估不同市场的用工合规风险与劳动力供给特征，为投资决策与社会责任实践提供依据，彰显了数据驱动治理在劳动领域的具体价值。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集凭借其涵盖31个欧洲国家、跨越2003至2025年的52,520条观测记录，正成为探究非正规就业率性别与职业分化及城乡差异的前沿基石。当前研究方向聚焦于运用时间序列预测与面板回归方法，揭示经济转型、劳动力市场政策改革对非正规就业结构的动态影响，尤其关注女性在低技能职业中的非正规就业脆弱性以及城乡鸿沟的演变趋势。相关热点事件包括国际劳工组织推动的“向正规化过渡”倡议及欧盟对非标准就业的统计监测强化，这些均凸显本数据集在监测可持续发展目标（SDG 8）进展、支撑循证政策制定方面的关键价值。