electricsheepasia/asia-ilo-eip-wdis-sex-age-nb-discouraged-job-seekers-by-sex-and-age-thousands

该数据集包含亚洲36个国家从1999年至2025年期间按性别和年龄划分的沮丧求职者（单位：千）统计数据，共14,411个观测值，涵盖1个独特指标（EIP_WDIS_SEX_AGE_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API提取并过滤为亚洲国家代码，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集以表格形式呈现，包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、观测值、观测状态等列，适用于表格分类、回归和时间序列预测等任务。license: CC BY 4.0（知识共享署名4.0许可） language: - en（英语） task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语（monolingual） size_categories: - 10K<n<100K（样本量介于10,000至100,000之间） tags: - 表格数据（tabular） - 亚洲（asia） - 国际劳工组织统计数据库（ilostat） - 劳动力未充分利用的其他测度指标（other-measures-of-labour-underutilization） - 国际劳工组织（ilo） - 劳动力（labour） - 就业（employment） pretty_name: "按性别和年龄划分的灰心求职者（千人）| 亚洲（ILOSTAT）" --- # 按性别和年龄划分的灰心求职者（千人）| 亚洲（ILOSTAT） 🌏 **14,411条观测值** · **36个亚洲国家** · **1999–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理*      ## 核心摘要（TL;DR） 本数据集包含**14,411条观测值**的`劳动力未充分利用的其他测度指标`数据，覆盖**36个亚洲国家**，时间跨度为**1999–2025年**，仅包含**1个唯一指标**。 ## 数据来源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，是全球领先的劳动力统计数据源。其收录的指标覆盖就业、失业、工资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标体面工作目标等领域，数据来源于全国劳动力调查、家庭收入调查、机构调查和行政记录。该数据库覆盖200余个经济体，数据的标准化协调工作由国际劳工组织统计司负责。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_WDIS_SEX_AGE_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：劳动力未充分利用的其他测度指标 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EIP_WDIS_SEX_AGE_NB`拉取，并筛选出亚洲地区的ISO3国家代码对应的数据集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化处理；数据来源信息将在`source.label`列中标记，以确保可追溯性。 ## 地理覆盖范围 36个亚洲国家，下表按观测行数排序展示前10个国家： | 国家 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `TUR` | 1,167 | 2000 | 2024 | | `IDN` | 1,112 | 2000 | 2023 | | `JPN` | 1,104 | 2002 | 2025 | | `PHL` | 1,048 | 2001 | 2023 | | `MNG` | 738 | 2003 | 2024 | | `ISR` | 733 | 2009 | 2024 | | `CYP` | 726 | 1999 | 2024 | | `VNM` | 707 | 2007 | 2024 | | `KOR` | 698 | 2000 | 2025 | | `PSE` | 587 | 2011 | 2025 | | `KGZ` | 572 | 2009 | 2023 | | `ARM` | 519 | 2008 | 2018 | | `GEO` | 513 | 2009 | 2024 | | `SGP` | 465 | 2009 | 2024 | | `LKA` | 434 | 2009 | 2024 | | ... | _另有21个国家_ | | | ## 指标（示例） - `EIP_WDIS_SEX_AGE_NB` — 按性别和年龄划分的灰心求职者（千人） ## 数据架构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_WDIS_SEX_AGE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Discouraged job-seekers by sex and ag…` | | `sex` | `string` | 性别细分维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `135.254` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C6:1634` | | `note_classif.label` | `string` | — | `非标准年龄组：包含以下年龄段…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO-STATISTICS - 微观数据…` | ## 数据细分维度 以下列提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份的指标存在多个来源时，将采用国际劳工组织选定的“最优来源”数据。 - 细分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-eip-wdis-sex-age-nb-discouraged-job-seekers-by-sex-and-age-thousands") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EIP_WDIS_SEX_AGE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_WDIS_SEX_AGE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_WDIS_SEX_AGE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_eip_wdis_sex_age_nb_discouraged_job_seekers_by_sex_and_age_thousands_2025, title = {Discouraged job-seekers by sex and age (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_WDIS_SEX_AGE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-eip-wdis-sex-age-nb-discouraged-job-seekers-by-sex-and-age-thousands}} } ## 许可协议 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 原始数据 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始来源与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，旨在为HuggingFace平台上的亚洲地区数据提供统一、适配机器学习的数据集层。我们从权威开放数据源获取数据，对数据架构进行标准化处理，打包为Parquet格式，并发布为格式统一的数据集卡片，以便研究人员与开发者仅需通过`load_dataset()`即可在数秒内开始使用数据。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据来源记录：2026年5月27日通过Electric Sheep管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_WDIS_SEX_AGE_NB_

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数据库，通过其REST API接口直接抓取指标'Discouraged job-seekers by sex and age (thousands)'的原始数据，并依据亚洲地区ISO 3166-1 alpha-3国家代码进行地理筛选与过滤。ILOSTAT作为全球劳动统计的权威枢纽，对各国劳动力调查、家庭收入调查及行政记录中的微观数据，依据国际劳工统计学家会议（ICLS）定义进行标准化整合与清洗。Electric Sheep Asia团队在此基础上完成数据重包装，将原始数据整理为统一的Parquet格式，并保留`source.label`列以追溯数据来源，确保每一步处理皆有迹可循。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数一键加载，并借助`to_pandas()`方法快速转换为Pandas DataFrame进行后续分析。典型应用包括：利用`ref_area`字段按国家筛选子集，实现单国时序探索；按`indicator`代码过滤后结合`time`列排序，绘制沮丧求职者人数的时间序列曲线；或通过`pivot_table`构建国家×年份的观测值矩阵，以支持跨国面板回归与聚类分析。数据集中标准化的分类编码与完整的时间戳，为经济学家和社会政策研究者提供了低门槛、高适用性的劳动市场建模基础。

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，经Electric Sheep Asia于2025年重新整理并发布于HuggingFace平台，旨在为亚洲地区劳动力市场研究提供高质量的结构化数据。其核心研究问题聚焦于“丧失信心的求职者”这一劳动利用率不足指标，按性别和年龄分层，覆盖1999年至2025年间36个亚洲国家，共计14,411条观测记录。作为ILOSTAT数据库的子集，该数据集整合了各国劳动力调查、家庭收入调查及行政记录等来源，经国际劳工统计学家会议（ICLS）定义统一标准化，为追踪亚洲非典型就业形态、劳动力结构性闲置及其与宏观经济波动的关联提供了前所未有的时空跨度支撑。其系统化的元数据标注（如数据来源、观测状态标志）和开放式许可协议（CC-BY 4.0）显著提升了区域劳动统计的可复现性与跨国比较分析的可靠性。

当前挑战

该数据集面临的核心领域挑战在于：准确度量隐性劳动闲置（如丧失信心的求职者）本身具有概念模糊性和测量敏感性，此类群体通常被排除在标准失业统计之外，但在经济下行期可能被低估或混淆于长期失业与非经济活动状态，导致政策干预缺乏精准靶向。构建过程中遭遇的技术挑战包括：跨国家间调查设计差异（如问卷措辞、参考期长度）、年龄分组标准不统一（如“成年”定义差异）、以及不同时期方法论修正（如系列中断标志）造成的纵向可比性折损。此外，年度频率数据无法捕捉季度或月度波动，且多源竞争择优机制（最佳源选取）可能掩盖微观数据异质性，而部分国家观测数稀少（如仅十余年记录）限制了面板分析的稳健性。

常用场景

经典使用场景

在劳动经济学与社会政策研究领域，‘Asia-ILO-EIP-WDIS-Sex-Age-NB-Discouraged-Job-Seekers-by-Sex-and-Age’数据集以其精细的性别与年龄分层特征，成为剖析亚洲劳动力市场隐性失业现象的经典量化工具。该数据集覆盖1999至2025年间的36个亚洲国家，汇聚了超过1.4万条观测记录，聚焦于‘沮丧求职者’这一测度劳动利用不足的核心指标。研究者常利用其丰富的分类维度，如性别（男性、女性、总计）与年龄组别，来追踪不同群体在特定经济周期中的退出劳动行为，从而揭示传统失业率数字背后隐藏的人力资本闲置状况。该数据集的标准表格结构及时间序列属性，使其在面板数据分析和分类与回归任务中展现出无可替代的基准价值。

解决学术问题

该数据集首要回应了劳动经济学中关于‘劳动利用不足’测度与跨性别、跨年龄差异的学术难题。传统失业指标往往忽略因长期求职失败而放弃搜寻的群体，这一‘隐性失业’现象在亚洲发展中国家尤为突出。通过提供系统化的沮丧求职者数据，该资源使研究者能够实证检验劳动力市场刚性、社会保障覆盖不足以及宏观经济波动如何以非对称方式影响不同性别与年龄层级的劳动参与意愿。其跨国家、跨年度的面板结构，有力支撑了制度经济学比较研究，帮助学界识别导致不同就业框架下劳动力退出机制的根本驱动力，弥补了现有ILO全球统计数据在亚洲区域细粒度分析与学术复现上的关键空白。

实际应用

在实际应用层面，该数据集为亚洲各国劳动政策制定与国际组织评估提供了直接的数据支撑。官方统计机构可借此量化分析经济衰退后女性或青年群体是否更易因失望而退出劳动力市场，从而设计更具针对性的就业激活计划或职业再培训项目。国际发展机构与劳工权益组织则能依据各来源数据标识（如劳动调查与行政记录），横向比较不同国家治理劳动利用不足的策略效能，为ILO的体面劳动目标监测提供区域性佐证。此外，数据集中附带的观测状态与注释信息（如方法论变更或异常标记），能够辅助使用者审慎解读指标波动，确保在跨国公司多元化用工决策或学者构建经济预测模型时，所引用的基础数据具备高度的可溯源性与可靠性。

数据集最近研究

最新研究方向

当前，围绕ILOSTAT框架下亚洲地区劳动力利用不足的隐性形态，尤其是“丧失信心的求职者”这一群体，研究重心正转向性别与年龄维度的精细化解构。借助该数据集长达二十余年（1999–2025）覆盖36国的面板数据，前沿工作聚焦于揭示后疫情时代亚洲结构性失业的深层演化，特别是女性与青年在劳动参与率中呈现的“隐性退场”现象。通过将ILO统一标准化的观测值与各国劳动力调查源数据相链接，研究者得以量化经济波动对特定亚群体的非对称冲击，并为SDG体面劳动目标提供实证依据。这一方向不仅呼应了亚洲新兴经济体在产业转型与人口红利消退背景下的政策痛点，更通过时间序列建模与分类回归技术的结合，推动了对劳动力市场“灰犀牛”事件的预警能力，其方法论与数据资产的融合正成为跨国比较劳动经济学的前沿范式。