electricsheepasia/asia-ilo-luu-xlu3-sex-edu-mts-rt-combined-rate-of-unemployment-and-potential-labour

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的其他劳动力利用不足指标数据，专门针对亚洲地区。数据集聚焦于一个核心指标：LUU_XLU3_SEX_EDU_MTS_RT，即按性别、教育和婚姻状况划分的失业率和潜在劳动力综合率（LU3）。数据集涵盖29个亚洲国家，时间跨度为1999年至2025年，共包含9,418个观测值。数据通过ILOSTAT REST API获取，并过滤为亚洲国家代码，确保地理覆盖的针对性。数据集提供了详细的模式（schema），包括国家代码、国家名称、数据来源、指标代码、性别分类、教育分类、婚姻状况分类、观测年份、观测值、观测状态标志等列。数据质量方面，数据为年度频率，ILO选择最佳来源处理多来源情况，且分类列仅在指标发布细分数据时非空。数据集旨在支持表格分类、回归和时间序列预测等任务，适用于劳动力市场分析和研究。This dataset contains labour underutilization indicators data sourced from the International Labour Organization (ILO) ILOSTAT database, with a specific focus on the Asian region. It centers on a core indicator: LUU_XLU3_SEX_EDU_MTS_RT, namely the combined rate of unemployment and potential labour force (LU3) disaggregated by sex, education, and marital status. The dataset covers 29 Asian countries, spanning the period from 1999 to 2025, and comprises a total of 9,418 observations. The data was retrieved via the ILOSTAT REST API, and filtered using Asian country codes to ensure targeted geographic coverage. It provides a detailed data schema, including columns such as country code, country name, data source, indicator code, sex category, education category, marital status category, observation year, observed value, and observation status flag. In terms of data quality, the data is annual-frequency; the ILO selects the best available source to address multi-source situations, and the classification columns are only non-empty when the indicator releases disaggregated data. This dataset is designed to support tasks such as tabular classification, regression, and time series forecasting, and is suitable for labour market analysis and research.

搜集汇总

数据集介绍

构建方式

本数据集基于国际劳工组织（ILO）的ILOSTAT中央统计数据库构建，专为亚洲区域劳动力市场分析而设计。数据通过ILOSTAT的REST API接口定向抽取，筛选出亚洲29个国家的ISO3代码，并聚焦于劳动力利用不足的综合性指标——失业与潜在劳动力合计比率（LU3）。原始数据源自各国劳动力调查、住户收入调查等权威来源，经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调与标准化，确保跨国的可比性与口径一致性。数据集以表格形式封装，涵盖1999年至2025年的年度观测值，总计9418条记录，并附带详细的来源注释与质量标记，为后续研究提供了透明可追溯的数据底座。

特点

该数据集的核心特色在于其多维度的细粒度划分与地理覆盖的广度。它按性别（总、男、女）、教育水平（总及细分）与婚姻状况（总及细分）进行交叉分层，使研究者能够深入剖析不同社会群体在劳动力市场中的潜在脆弱性。时间跨度长达27年，覆盖从塞浦路斯到越南的29个亚洲经济体，其中包括阿富汗、巴勒斯坦等数据稀缺地区，极大地丰富了区域比较研究的可能性。此外，数据附有观测状态标志（如'不可靠'）及系列中断等注释信息，为用户提供了严谨的数据质量评估依据，确保了分析结论的稳健性。

使用方法

数据集以HuggingFace Datasets格式发布，用户可借助datasets库的load_dataset()函数一键加载，并自动转换为Pandas DataFrame以进行灵活操作。典型的使用流程包括：通过'ref_area'字段筛选特定国家（如印度尼西亚），或依据'indicator'代码提取特定指标的时间序列，进而绘制趋势图或进行计量建模。数据中'sex'、'classif1'、'classif2'等维度列支持用户构造面板数据或汇总矩阵，例如利用pivot_table函数重塑为国家×年份的宽表，便于执行跨国的固定效应回归或聚类分析。需注意年度频率数据中部分月度或季度序列的缺失，以及不同来源间的'最佳来源'选择机制，恰当处理这些细节将提升研究结论的准确性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Asia重新整理并托管于HuggingFace平台，聚焦亚洲29个国家的劳动力利用不足综合指标（LU3），即失业与潜在劳动力合计比率，按性别、教育程度和婚姻状况进行细致分层。数据源自ILOSTAT数据库，该数据库作为全球劳动统计的权威来源，整合了各国劳动力调查等多元数据，时间跨度覆盖1999年至2025年，包含9,418条观测记录。此数据集的问世，为研究亚洲区域劳动力市场结构、性别差异及教育影响提供了高分辨率的时间序列数据，有力推动了劳动经济学与政策评估领域的量化分析，尤其在探究非标准就业与隐性失业问题上具有开创性价值。

当前挑战

该数据集所应对的领域挑战在于，传统失业率指标难以全面捕捉劳动力市场的闲置状况，LU3指标通过纳入潜在劳动力，为评估劳动资源错配提供了更全面的视角。构建过程中面临多重挑战：首先，需整合29国不同来源的劳动力调查数据，确保跨国的统计口径一致（遵循ICLS定义）；其次，处理因方法论修订或教育分类非标准化导致的序列间断（如注释中的'Break in series'标记）；再者，需在保证数据颗粒度（按性别、教育、婚姻分层）的同时，应对部分观测值标记为'不可靠'（如obs_status='U'）的质量问题，并协调多源数据冲突，最终选取ILO认定的'最佳来源'。这些努力共同保障了数据集的科学性与可用性。

常用场景

经典使用场景

该数据集基于国际劳工组织ILOSTAT数据库，聚焦亚洲29个国家1999至2025年间的劳动力利用不足综合指标（LU3），按性别、教育程度及婚姻状况细分，涵盖了逾九千条观测记录。其经典应用场景在于利用面板数据进行时间序列分析，探究亚洲各国劳动力市场结构性变化，揭示失业与潜在劳动力之间的动态关联，并支持构建多维度分类与回归模型，以预测劳动力市场波动趋势。

衍生相关工作

该数据集的衍生工作已催生了一系列关于劳动力市场不充分就业的前沿研究，例如基于机器学习的时间序列预测模型用于失业率预警，以及结合空间统计方法分析亚洲区域劳动力市场集聚与溢出效应。此外，它还被用于构建劳动力市场脆弱性指数，探讨教育与婚姻状况对就业质量的交互影响，为国际劳动组织的数据标准化与发布提供了实践范例，推动了开放数据在社会科学研究中的应用。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区劳动利用不足的综合度量，特别是失业与潜在劳动力结合率（LU3）的性别、教育及婚姻状况细分，为劳动力市场结构性失衡研究提供了精细化的时间序列证据。在当前全球劳动力市场复苏乏力、非标准就业形态扩张的背景下，该数据支撑了关于隐性劳动闲置、技能错配及性别差异的前沿探讨，尤其在新冠疫情后劳动参与率修复路径、女性劳动力边缘化以及教育回报率递减等热点议题上具有关键价值。结合ILOSTAT的统一统计框架，研究者得以跨国比较亚洲各国劳动利用不足的动态演变，为评估体面劳动目标（SDG 8）的进展、设计精准的就业促进政策提供了实证基础，亦推动了劳动力统计方法学与机器学习预测模型的融合发展。