electricsheepasia/asia-ilo-emp-xtru-sex-age-edu-rt-time-related-underemployment-rate-by-sex-age-and-e

该数据集包含亚洲31个国家从1996年至2025年的时间相关就业不足率数据，具体指标为按性别、年龄和教育程度划分的时间相关就业不足率（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并通过Electric Sheep Asia重新打包发布。数据集共有24,810条观测记录，涵盖1个主要指标。数据包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、教育分类、观测年份、观测值、观测状态等字段。数据经过ILO的标准化处理，基于国际劳工统计学家会议（ICLS）定义，并标注了数据来源和质量标志。数据集适用于表格分类、表格回归和时间序列预测等任务，主要用于劳动经济学、就业政策分析和区域研究。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - asia - ilostat - time-related-underemployment - ilo - labour - employment pretty_name: "按性别、年龄与受教育程度划分的时间型就业不足率（%）| 亚洲（ILOSTAT）" --- # 按性别、年龄与受教育程度划分的时间型就业不足率（%）| 亚洲（ILOSTAT） 🌏 **24,810条观测样本** · **31个亚洲国家** · **1996–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 核心摘要 本数据集包含覆盖**31个亚洲国家、时间跨度为1996至2025年**的**时间型就业不足（time-related underemployment）**相关数据，共计**24810条观测样本**，仅包含**1项专属指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，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、企业调查及行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计司负责数据的统一标准化处理。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_XTRU_SEX_AGE_EDU_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**：时间型就业不足 ## 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=EMP_XTRU_SEX_AGE_EDU_RT` 拉取原始数据，并筛选出亚洲地区的ISO 3国家代码子集。ILOSTAT依据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`字段中标记，以确保可追溯性。 ## 地理覆盖范围 31个亚洲国家 · 以下展示前10个按样本量排序的国家： | 国家代码 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `IRN` | 2,569 | 2005 | 2024 | | `CYP` | 2,339 | 1999 | 2024 | | `TUR` | 2,331 | 2004 | 2024 | | `VNM` | 1,805 | 2010 | 2024 | | `THA` | 1,539 | 2010 | 2024 | | `KOR` | 1,493 | 2012 | 2025 | | `KHM` | 1,370 | 1996 | 2023 | | `LKA` | 1,352 | 2010 | 2024 | | `PAK` | 1,238 | 2006 | 2025 | | `MNG` | 1,033 | 2010 | 2024 | | `IDN` | 949 | 2016 | 2023 | | `PSE` | 822 | 2015 | 2025 | | `BRN` | 741 | 2014 | 2024 | | `BGD` | 578 | 2013 | 2024 | | `GEO` | 539 | 2019 | 2024 | | ... | _另外16个国家_ | | | ## 指标（示例） - `EMP_XTRU_SEX_AGE_EDU_RT` — 按性别、年龄与受教育程度划分的时间型就业不足率（%） ## 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 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_XTRU_SEX_AGE_EDU_RT` | | `indicator.label` | `string` | 英文指标名称 | `Time-related underemployment rate by …` | | `sex` | `string` | 按性别拆分的维度（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `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` | — | `Age (Youth, adults): 15+` | | `classif2` | `string` | 可选的第二分类变量 | `EDU_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `Education (Aggregate levels): Total` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位参见指标定义） | `7.665` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C3:2620` | | `note_classif.label` | `string` | — | `Nonstandard education level: Includin…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3个唯一取值）：`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”。 - 拆分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才会填充非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-xtru-sex-age-edu-rt-time-related-underemployment-rate-by-sex-age-and-e") 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"] == "EMP_XTRU_SEX_AGE_EDU_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_XTRU_SEX_AGE_EDU_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_XTRU_SEX_AGE_EDU_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_xtru_sex_age_edu_rt_time_related_underemployment_rate_by_sex_age_and_e_2025, title = {按性别、年龄与受教育程度划分的时间型就业不足率（%）| 亚洲（ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_XTRU_SEX_AGE_EDU_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Asia重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-xtru-sex-age-edu-rt-time-related-underemployment-rate-by-sex-age-and-e}} } ## 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 Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia 是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台打造统一的、适用于机器学习的亚洲地区数据层。我们从权威开源数据源获取数据，对Schema进行标准化处理，封装为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者可通过`load_dataset()`函数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) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_XTRU_SEX_AGE_EDU_RT_

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接口直接提取指标EMP_XTRU_SEX_AGE_EDU_RT的原始观测记录，并依据ISO3国家代码筛选出亚洲地区31个国家的数据。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行标准化处理，确保跨地域可比性，数据经Electric Sheep Asia重新打包为HuggingFace数据集。

特点

数据集涵盖1996至2025年间24810条年度观测，涉及31个亚洲国家，包含性别、年龄和教育三个维度的细分变量，并提供数据来源、观测状态及分类注释等元信息。其特点在于时间跨度长、地理覆盖广、多维分解详尽，且附带源标签和注释列以增强可追溯性，支持表格分类、回归及时间序列预测任务。

使用方法

使用者可通过HuggingFace的datasets库加载数据集，转换为Pandas DataFrame后进行筛选、分组或透视操作。例如，按国家代码过滤获取特定区域数据，按指标排序绘制时间序列趋势图，或构建国家与年份的矩阵以分析跨国差异。数据亦可用于训练机器学习模型，预测失业率或探索性别、年龄和教育对就业不足的影响。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计的标准化与传播，其ILOSTAT数据库是涵盖就业、失业、工资与工时等指标的核心平台。在此背景下，Asia-ILO时间相关就业不足率数据集于2025年由Electric Sheep Asia从ILOSTAT REST API提取并重新打包，覆盖31个亚洲国家、1996至2025年间约2.5万条按性别、年龄与教育程度分组的观测值。该数据集聚焦于非自愿兼职与工时不足现象，为亚太地区劳动力市场监测和体面劳动议程提供了关键量化基础。

当前挑战

该数据集所对应的领域问题——时间相关就业不足率的跨国跨期比较——面临统计口径不一致、调查方法差异与数据稀疏的固有挑战，不同国家劳动力调查对工时门槛与就业不足定义的执行存在显著偏差。构建过程中，数据来源于ILOSTAT API的异构汇整，需过滤亚洲ISO3国家并处理多源冲突、观测状态标志（如不可靠标记）、序列中断与方法修订等复杂情况，同时按性别、年龄和教育维度进行非均衡分解，导致部分单元格缺失或可比性受限。

常用场景

经典使用场景

在劳动经济学与就业统计领域，时间相关就业不足率是衡量劳动力利用效率的关键指标，该数据集以性别、年龄与教育程度的三维分解为特色，成为分析亚洲地区就业质量时空演变的经典面板数据源。研究者常将其用于构建跨国比较的时间序列模型，考察不同人口群体在1996至2025年间就业不足率的动态轨迹，并借助年龄与教育维度的交叉分类，揭示青年与成年、不同学历层次劳动者在工时不足风险上的结构性差异，为区域劳动力市场一体化研究提供细粒度实证基础。

解决学术问题

该数据集有效回应了劳动经济学中长期存在的测量与比较难题，即如何以一致口径刻画发展中国家非自愿性工时不足现象。依托国际劳工组织对国际劳工统计学家会议定义的协调化处理，它解决了跨国调查中就业不足概念界定不一、年龄与教育分组标准参差等问题，使学者得以在统一框架下检验教育扩张是否真正缓解了高学历青年的就业不足，以及性别差距在经济周期中的演变规律。其意义在于为包容性增长与体面劳动目标的学术评估提供了可复现的量化依据。

衍生相关工作

围绕该数据集及其底层国际劳工组织统计框架，学界衍生出多类经典研究。比较劳动经济学文献常以其为基准，检验教育匹配理论与劳动力市场分割假说在亚洲情境下的适用性；计量方法研究则利用其面板结构开发处理缺失值与测量误差的稳健估计策略。此外，该数据集被纳入多个全球就业质量指数构建项目，并启发了关于非标准就业与工时不足交互作用的后续微观调查设计，推动了劳动统计从总量指标向交叉分类细化的范式演进。