electricsheepeurope/europe-ilo-luu-xlu3-sex-age-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含欧洲39个国家从1987年至2025年的失业和潜在劳动力综合率（LU3）按性别和年龄（%）的数据，共有40,357个观测值，覆盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题涉及劳动力未充分利用的其他衡量指标，具体指标为“Combined rate of unemployment and potential labour force (LU3) by sex and age (%)”。数据集经过Electric Sheep Europe重新打包，以表格形式提供，包含国家代码、年份、性别分类、观测值等字段，适用于表格分类、回归和时间序列预测等任务。--- 许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本规模： - 10000 < 样本量 < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT - 其他劳动力未充分利用衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 美观名称："按性别与年龄分组的失业与潜在劳动力综合率（LU3，%）| 欧洲（ILOSTAT）" --- # 按性别与年龄分组的失业与潜在劳动力综合率（LU3，%）| 欧洲（ILOSTAT） 🇪🇺 **40,357条观测值** · **39个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*  行数量：40,357（蓝色徽章）  国家数量：39（绿色徽章）  时间跨度：1987–2025（橙色徽章）  指标数量：1（紫色徽章）  许可证：CC BY 4.0（浅灰色徽章） ## TL;DR 本数据集包含覆盖39个欧洲国家、时间跨度为1987至2025年的**40,357条“其他劳动力未充分利用衡量指标”**观测数据，仅包含1个独特指标。 ## 关于数据源 **ILOSTAT**是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，是全球领先的劳动力统计权威来源。其收录的指标涵盖就业、失业、薪酬、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（SDG）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、机构调查及行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计部门负责数据的标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU3_SEX_AGE_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：其他劳动力未充分利用衡量指标 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=LUU_XLU3_SEX_AGE_RT`拉取原始数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的数据。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协调；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 共覆盖39个欧洲国家，以下为按行数量排序的前15个国家示例： | 国家 | 行数量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 1,745 | 1987 | 2025 | | `GBR` | 1,260 | 1998 | 2025 | | `AUT` | 1,260 | 1998 | 2025 | | `ESP` | 1,252 | 1998 | 2025 | | `PRT` | 1,236 | 1998 | 2025 | | `DEU` | 1,215 | 1998 | 2024 | | `FIN` | 1,215 | 1998 | 2024 | | `NOR` | 1,215 | 1998 | 2024 | | `EST` | 1,215 | 1998 | 2024 | | `HUN` | 1,215 | 1998 | 2024 | | `IRL` | 1,212 | 1998 | 2024 | | `NLD` | 1,197 | 1998 | 2024 | | `FRA` | 1,189 | 1998 | 2024 | | `DNK` | 1,187 | 1998 | 2024 | | `CHE` | 1,140 | 1991 | 2025 | | ... | 其余24个国家 | | | ## 指标示例 - `LUU_XLU3_SEX_AGE_RT` — 按性别与年龄分组的失业与潜在劳动力综合率（LU3，%） ## 数据架构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `LUU_XLU3_SEX_AGE_RT` | | `indicator.label` | `string` | 英文指标名称 | `Combined rate of unemployment and pot…` | | `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` | 维度说明 | `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` | 分类变量说明 | `年龄（青年、成人）：15岁及以上` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位请参照指标定义） | `10.196` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `不可靠` | | `note_classif` | `string` | 分类变量注释 | `C6:2316` | | `note_classif.label` | `string` | 注释说明 | `非标准年龄组：排除特定年龄范围` | | `note_indicator` | `string` | 指标注释 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `序列断点：方法学修订` | | `note_source` | `string` | 数据源注释 | `R1:3513` | | `note_source.label` | `string` | 注释说明 | `存储库：ILO统计-微观数据` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集为年度频率数据，部分指标同时发布月度或季度序列，但未包含在本数据集中。 - 当同一国家×年份的同一指标存在多个数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-luu-xlu3-sex-age-rt-combined-rate-of-unemployment-and-potential-labour") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "LUU_XLU3_SEX_AGE_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LUU_XLU3_SEX_AGE_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "LUU_XLU3_SEX_AGE_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_luu_xlu3_sex_age_rt_combined_rate_of_unemployment_and_potential_labour_2025, title = {按性别与年龄分组的失业与潜在劳动力综合率（LU3，%）| 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU3_SEX_AGE_RT}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-xlu3-sex-age-rt-combined-rate-of-unemployment-and-potential-labour}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的欧洲数据构建统一、适合机器学习的标准化数据层。我们从权威开源数据源拉取数据，统一数据架构，以Parquet格式打包发布，并采用统一的数据集卡片规范，使研究人员与开发者仅需通过`load_dataset()`即可在数秒内启动数据使用工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU3_SEX_AGE_RT_

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，聚焦于欧洲39个国家的劳动力未充分利用状况，以失业与潜在劳动力合并比率（LU3）为核心指标。数据通过ILOSTAT REST API直接采集，并依据ILO统计学家国际会议（ICLS）定义对原始调查微观数据进行标准化处理，再过滤至欧洲ISO3国家代码范围内。最终整合为包含40,357条观测记录、时间跨度1987至2025年的结构化表格，涵盖按性别和年龄分层的数据维度。

使用方法

数据集以HuggingFace Datasets格式发布，兼容主流机器学习工作流。研究者可通过`load_dataset()`一行代码加载至Python环境，并转换为Pandas DataFrame进行探索。实际应用中，可针对特定国家代码（如DEU）筛选子集开展国别时间序列分析；亦可按指标列透视（pivot）构建国家×年份的矩阵，便于面板数据建模或可视化。其结构化特征既适用于表格分类与回归任务，也能直接用于时间序列预测，为劳动经济学与社会科学量化研究提供可靠数据基础。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下的ILOSTAT数据库创建，并由Electric Sheep Europe于2025年重新整理发布，聚焦欧洲39个国家在1987至2025年间失业与潜在劳动力综合率（LU3）的性别与年龄别统计数据。作为全球劳动统计领域的权威来源，ILOSTAT通过对各国劳动力调查数据的统一协调，提供了衡量劳动力利用不足情况的核心指标。该数据集收录了逾四万条观测记录，覆盖了欧洲地区长时序、多维度的劳动力市场动态，为研究欧洲劳动力市场结构性变化、性别差异及代际不平等提供了精密的数据基础，在劳动经济学、公共政策评估与时间序列建模等领域具有重要影响力。

当前挑战

该数据集所要解决的领域问题在于量化劳动力利用不足的复杂形态——传统的失业率指标无法充分反映隐性失业与潜在劳动力群体，而LU3综合率通过整合失业者与边缘劳动力，更完整地刻画了劳动力市场的真实弹性。构建过程中面临的主要挑战包括：来自不同国家的原始调查数据在采样方法、年龄分组标准及时间频次上存在显著异质性，ILOSTAT虽通过国际标准进行了统一协调，但部分观测值仍被标注为不可靠或不完整，且历史数据中存在方法论修正导致的序列断裂，这些因素均在注解字段中被详细记录，以提示使用者注意数据质量的边界与局限性。

常用场景

经典使用场景

该数据集聚焦于欧洲39个国家1987至2025年间劳动力未充分利用的综合指标LU3，即失业与潜在劳动力合计比率，并按照性别与年龄进行细化分层。经典使用场景包括构建时间序列预测模型，以捕捉不同地域和人口群体的劳动市场动态变化趋势；同时亦可用于分类与回归任务，探讨宏观社会经济变量与劳动力市场健康状况之间的关联。通过ILOSTAT提供的标准化且经过验证的观测数据，研究者能够将LU3作为核心标签，对欧洲各国的就业结构变迁进行精准建模与跨时期对比。

解决学术问题

在学术研究层面，该数据集有效回应了如何精细化测量劳动力市场疲软程度的长期难题。传统的失业率指标往往忽略了被动失意求职者与潜在劳动力群体，导致对就业压力的低估。LU3指标凭借其更广阔的统计口径，使得研究者能够更准确量化结构性失业、隐性失业以及劳动力参与率波动对经济的真实冲击。这一数据资源为劳动经济学、社会政策学以及国际比较研究提供了坚实的数据基础，推动了对欧洲各国劳动市场韧性及周期性波动成因的深层审视，并为修正与完善劳动力利用理论模型提供了可复用的经验证据。

实际应用

实际应用中，该数据集可作为政府决策与跨国机构开展劳动力市场监测与预警的关键工具。政策制定者能够借助LU3指标的分性别与分年龄维度，识别出遭受就业排斥最为严重的脆弱群体，从而针对性地设计技能培训、社会保障及就业促进方案。同时，该数据对于国际组织如国际劳工组织和欧盟委员会而言，是评估《欧洲就业战略》执行效果、追踪可持续发展目标中体面工作进展的核心参照。企业人力资源规划与区域经济分析也可借此数据库评估不同国家与时期的劳动力供给弹性，进而优化投资布局与人才引进策略。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲劳动力市场中的隐性失业与潜在劳动力综合测度（LU3），在前沿研究中被广泛用于剖析后疫情时代与地缘政治动荡下欧洲各国劳动力利用不足的结构性变化。结合ILOSTAT标准化方法论与近四十年时序数据，研究者得以从性别与年龄维度精细刻画失业与潜在劳动力的交织关系，尤其关注青年群体和非标准就业形态对整体劳动力弹性的影响。伴随欧盟绿色转型与数字革命对劳动力技能需求的冲击，该数据集为构建政策模拟模型与劳动力市场预警系统提供了关键支撑，推动了劳动经济学从宏观失业率向多维劳动力利用指标的范式迁移。