electricsheepasia/asia-ilo-eip-dwap-sex-dsb-rt-inactivity-rate-by-sex-and-disability-status

该数据集包含亚洲20个国家从1996年至2024年的1,174条观测数据，涵盖1个具体指标：按性别和残疾状况划分的非活动率（%），属于劳动利用不足的其他衡量指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过调查和行政记录收集，并按照国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包括国家代码、年份、性别分类、残疾状态、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。This dataset comprises 1,174 observational records from 20 Asian countries spanning the years 1996 to 2024, covering one specific indicator: the inactivity rate (%) disaggregated by gender and disability status, which falls under the category of other metrics for labor underutilization. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), collected through surveys and administrative records, and standardized in accordance with the definitions set by the International Conference of Labour Statisticians (ICLS). The dataset includes fields such as country code, year, gender category, disability status, and observed values, and is applicable to tasks including tabular classification, regression, and time series forecasting.

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中央统计数据库，通过其REST API直接获取指标EIP_DWAP_SEX_DSB_RT的原始数据。在获取过程中，研究人员依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查的微观数据进行协调与标准化处理，并仅筛选出属于亚洲国家ISO3编码的样本。最终，数据集整合了来自20个亚洲国家、跨越1996年至2024年的共计1,174条观测记录，每条观测均包含丰富的元数据标签，如数据的来源调查及观察状态等，以确保数据的可追溯性。

使用方法

该数据集专为机器学习和时间序列分析设计，可通过Hugging Face的datasets库以一条简洁的指令快速加载为Pandas DataFrame格式。用户能够便捷地利用ref_area字段筛选特定国家进行聚焦分析，或基于indicator字段提取唯一指标进行时间序列的可视化与建模。对于跨国家横向比较，数据集支持通过pivot_table函数轻松构建以年份为行、国家为列的矩阵，适用于面板数据回归等统计任务。其标准化的列名与类型定义，使得从数据读取到模型训练或计量分析的整个工作流变得高效且可复现。

背景与挑战

背景概述

在全球劳动力市场的动态演变中，残疾人群体的经济参与状况长期被忽视，尤其在亚洲地区，系统性的数据稀缺严重制约了包容性政策的制定。为此，国际劳工组织（ILO）通过其核心统计数据库ILOSTAT，整合了来自各国劳动力调查的微观数据，并借助国际劳工统计学家会议（ICLS）的标准进行统一协调，构建了该数据集。该数据集由Electric Sheep Asia于2026年重新打包并发布，聚焦1996年至2024年间亚洲20个国家的性别与残疾状态细分的不活动率，涵盖1174条观测值，旨在揭示劳动力市场边缘群体的真实处境。作为ILOSTAT在区域尺度上的重要衍生资源，它为评估联合国可持续发展目标中体面工作的进展提供了关键实证基础，推动了劳动经济学与社会保障研究向更精细的交叉维度发展。

当前挑战

该数据集所应对的核心挑战在于劳动经济学领域中，残疾身份与性别交叉视角下的劳动力参与量化分析长期缺位，尤其是亚洲各国对残疾定义、调查方法与数据收集频率的高度不一致，使得区域间可比性极度脆弱。在构建过程中，ILO需从各国差异化的劳动力调查（如LFS、家庭收支调查）中提取指标，面临历史数据断裂（如方法论修订导致的序列中断）、源头质量标识复杂（如obs_status标志的非标准化）以及多重数据源的优选冲突等难题。此外，重新打包者须处理宽泛的细分维度（如性别与残疾状态的组合）、注释字段的多语言冗余，以及跨年度稀疏观测（如部分国家仅有27条记录）带来的插值偏差风险，最终在保证时间序列完整性的前提下实现结构化重塑。

常用场景

经典使用场景

该数据集最经典的用途在于进行基于性别与残疾状况的劳动力非活跃率跨学科分析。研究人员可借助其覆盖20个亚洲国家、跨度近三十年的时间序列观测值，构建面板数据模型，探究不同维度下劳动力市场边缘群体的参与模式变迁。其结构化架构支持运用分类与回归算法预测非活跃率的变化趋势，或通过时间序列方法刻画长期波动与结构性断点，从而揭示制度变迁与市场冲击对特定人群的影响机制。

解决学术问题

数据集在学术层面有效回应了劳动力市场包容性研究中长期存在的数据缺口问题。长期以来，由于缺乏可靠且跨国的微观汇总数据，关于残疾人群体的劳动参与行为及其性别差异的比较研究往往局限于单一国家或短期截面。本数据集提供的标准化指标可佐证政策干预效果、检验制度理论，并推动关于劳动力利用不足的潜在形式与边缘群体脆弱性的量化理解，其为可持续发展目标中体面工作指标的区域监测提供了实证根基。

实际应用

在实践层面，数据集直接服务于国际组织与国家统计部门的劳动力政策制定与评估流程。政策制定者可利用其中按性别与残疾状况分解的非活跃率数据，精准识别社会保护体系中的覆盖盲区，并调整就业促进项目以匹配弱势群体的实际需求。此外，非政府组织与学术智库可通过数据集追踪某一地区特定群落的劳动力边缘化演变趋势，从而设计针对性干预措施，推动更具包容性的劳动力市场体系建设。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区按性别和残疾状况分层的经济活动人口非参与率，为劳动经济学与包容性发展领域的交叉研究提供了关键数据支撑。当前前沿方向集中于利用时间序列建模与多尺度分解技术，解析1996至2024年间20个亚洲国家中残疾人群体的劳动市场边缘化动态，尤其关注新冠疫情冲击后非参与率的持久性变化。结合ILOSTAT对国际劳工统计会议定义的严格遵循，研究者可基于性别与残疾类型的交互效应，揭示传统失业指标所忽视的结构性就业障碍。该数据集与联合国可持续发展目标中体面工作议程的关联性，使其成为评估亚洲区域残疾包容政策成效、构建反事实反事实预测模型的重要基准资源，推动了从描述性统计向因果推断的范式跃迁。