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

该数据集包含亚洲国家失业和潜在劳动力综合率（LU3）的统计数据，按性别、教育和城乡区域细分。数据来自国际劳工组织（ILO）的ILOSTAT数据库，涵盖了26个亚洲国家从1999年至2025年的8,386个观测值，涉及1个核心指标：LUU_XLU3_SEX_EDU_GEO_RT，即按性别、教育和城乡区域划分的失业和潜在劳动力综合率（百分比）。数据集经过重新打包，以表格形式呈现，包含国家代码、年份、指标值、性别分类、教育分类、城乡分类、数据来源和质量标志等列，适用于表格分类、回归和时间序列预测等机器学习任务。数据经过ILO harmonisation处理，确保统计定义的一致性，并标注了原始调查来源。This dataset contains statistical data on the composite unemployment and potential labor force rate (LU3) for Asian countries, disaggregated by sex, education, and urban-rural regions. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), covering 8,386 observations from 26 Asian countries spanning the years 1999 to 2025, and involves one core indicator: LUU_XLU3_SEX_EDU_GEO_RT, which refers to the composite unemployment and potential labor force rate (percentage) disaggregated by sex, education, and urban-rural regions. The dataset has been repackaged and presented in tabular format, with columns including country code, year, indicator value, sex category, education category, urban-rural category, data source, and quality flag, etc. It is applicable to machine learning tasks such as tabular classification, regression, and time series forecasting. The data has undergone ILO harmonisation processing to ensure consistency in statistical definitions, and the original survey sources are annotated.

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统计数据库，聚焦亚洲区域劳动力利用不足的度量，具体覆盖了1999年至2025年间26个亚洲国家的8,386条观测记录。数据通过ILOSTAT REST API直接提取，依据国际劳工统计学家会议（ICLS）的定义进行统一处理，并筛选出亚洲ISO3国家代码的子集。数据集包含一个核心指标——失业与潜在劳动力合计率（LU3），并按性别、教育水平和城乡地域进行细致分组，同时保留了来源标注与质量标记，确保信息的可追溯性与可靠性。

特点

该数据集的核心优势在于其精细的维度划分与地域聚焦性。它提供了按性别（总、男、女）、教育程度及地理区域（全国或城乡）等多重分类的观测值，使研究者能够深入剖析劳动力市场的结构特征。数据覆盖了近三十年，并包含26个亚洲国家的长期序列，为时间序列分析与跨国比较奠定了坚实基础。此外，每个观测值附带了来源标识与可靠性状态注释，便于用户评估数据质量，从而在劳动经济学、政策评估及社会发展研究中发挥重要作用。

使用方法

数据集以Parquet格式封装，可通过HuggingFace的`load_dataset`函数便捷加载，并可直接转换为Pandas DataFrame进行后续处理。用户可按国家代码（如`ref_area`）筛选特定经济体，或针对某一指标过滤后进行时间序列可视化。此外，通过数据透视功能，可将数据重塑为国家×年份的矩阵，便于进行面板数据分析或趋势预测。数据集适用于表格分类、回归及时序预测等任务，其标准化的数据卡和Schema设计降低了使用门槛，使科研人员与开发者能够快速集成至实际工作流中。

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，并经由Electric Sheep Asia于2025年重新整理发布，聚焦于亚洲地区劳动力利用不足的综合度量指标LU3（失业与潜在劳动力合计比率）。数据覆盖1999至2025年间26个亚洲国家，包含8386条观测记录，按性别、教育水平和城乡地域进行精细分层，为研究亚洲劳动力市场结构变迁与区域差异提供了宝贵的基础数据。作为ILOSTAT数据库的重要子集，该数据集严格遵循国际劳工统计学家会议（ICLS）定义，整合了各国劳动力调查等多元来源，其发布对于推动亚洲区域劳动力市场比较研究、追踪可持续发展目标（SDG）中体面工作指标的进展具有重要学术价值与实际应用意义。

当前挑战

该数据集所面临的挑战首先体现在劳动力度量领域本身的复杂性上，LU3指标旨在捕捉失业与潜在劳动力（即失业者与因各种原因未积极求职但愿意工作的人群）的综合比率，其定义与测算在不同国家间存在方法学差异，给跨国比较与时间序列分析带来一定难度。在数据构建过程中，挑战主要源于数据来源的异构性，各国家级数据需经ILO统一协调与标准化处理，涉及对不同调查口径、教育分类和地理覆盖范围的调和；此外，数据中存在观测状态标记（如不可靠数据），并伴随方法论修订导致的序列断裂，以及部分国家数据覆盖年份不连续或缺失，这些因素均需在使用时审慎处理，以确保分析结论的稳健性。

常用场景

经典使用场景

在劳动经济学与发展经济学领域，该数据集的核心应用在于开展亚洲各国劳动力闲置状况的跨国比较与时间序列分析。研究者常利用其涵盖1999至2025年间26个亚洲国家的LU3指标（失业与潜在劳动力合计比率），结合性别、教育程度及城乡分类维度，探究劳动力市场结构性差异的演变规律。该数据集亦为面板数据回归、脆弱性评估及区域劳动政策成效的量化工具有坚实数据基础。

解决学术问题

该数据集精准回应了传统失业率指标在衡量劳动力市场疲态时存在的信息遮蔽问题，为学界深入剖析非标准雇佣、潜在劳动力规模及技能错配等隐性维度提供了可靠数据源。通过纳入教育程度与地理区域等交叉分类，它解决了以往研究因数据维度单一而难以刻画劳动力闲置异质性的困境，进而推动了对亚洲发展中经济体劳动参与行为及性别鸿沟的实证探索。

衍生相关工作

依托此数据集，一系列衍生研究工作得以蓬勃开展。研究者可将其与ILOSTAT其他指标（如非正规就业率、工时数据）联结，构建综合性劳动力市场脆弱性指数；也可作为验证劳动力市场分割理论、性别歧视程度量化模型的基准数据集。此外，该数据常被用于训练时间序列预测模型，以预估短期失业波动，为宏观劳动经济学领域的机器学习应用提供了标准化训练样本。