electricsheepasia/asia-ilo-ged-xlu4-sex-hht-chl-rt-prime-age-composite-rate-of-labour-underutilizatio

--- 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 - other-measures-of-labour-underutilization - ilo - labour - employment pretty_name: "Prime-age composite rate of labour underutilization (LU4) by sex, household type and prese | Asia (ILOSTAT)" --- # Prime-age composite rate of labour underutilization (LU4) by sex, household type and prese | Asia (ILOSTAT) 🌏 **15,097 observations** · **22 Asia countries** · **2000–2025** · *Repackaged by [Electric Sheep Asia](https://huggingface.co/electricsheepasia)*      ## TL;DR This dataset contains **15,097 observations** of `Other measures of labour underutilization` data across **22 Asia countries**, spanning **2000–2025**, covering **1 distinct indicators**. ## About the source **ILOSTAT** is the ILO's central statistics database, the leading global source for labour statistics. It compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets — drawing on national labour force surveys, household income surveys, establishment surveys, and administrative records. Coverage spans 200+ economies, with the ILO's Department of Statistics responsible for harmonisation. - **Source:** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_RT) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Other measures of labour underutilization ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=GED_XLU4_SEX_HHT_CHL_RT` and filtered to Asia ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. ## Geographic coverage 22 Asia countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `CYP` | 1,967 | 2000 | 2020 | | `IRN` | 1,913 | 2008 | 2024 | | `PAK` | 1,431 | 2006 | 2025 | | `KHM` | 1,415 | 2003 | 2023 | | `LKA` | 1,313 | 2010 | 2022 | | `TUR` | 1,175 | 2004 | 2013 | | `VNM` | 1,047 | 2007 | 2024 | | `PHL` | 830 | 2017 | 2023 | | `THA` | 685 | 2016 | 2021 | | `MNG` | 675 | 2011 | 2017 | | `AFG` | 443 | 2014 | 2021 | | `ARM` | 432 | 2014 | 2017 | | `MMR` | 333 | 2018 | 2020 | | `BGD` | 234 | 2013 | 2017 | | `NPL` | 227 | 2008 | 2017 | | ... | _7 more countries_ | | | ## Indicators (sample) - `GED_XLU4_SEX_HHT_CHL_RT` — Prime-age composite rate of labour underutilization (LU4) by sex, household type and presence of children (%) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `AFG` | | `ref_area.label` | `string` | Country name in English | `Afghanistan` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:15715` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `GED_XLU4_SEX_HHT_CHL_RT` | | `indicator.label` | `string` | Indicator name in English | `Prime-age composite rate of labour un…` | | `sex` | `string` | Disaggregation by sex (SEX_T = total, SEX_M = male, SEX_F = female) | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | First classification variable (age, education, status, etc.) | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Household type: Total` | | `classif2` | `string` | Second classification variable where applicable | `CHL_AGET6_YES` | | `classif2.label` | `string` | — | `Presence of children under age 6: Yes` | | `time` | `int64` | Observation year | `2021` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `24.833` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (3 unique values): `SEX_T`, `SEX_M`, `SEX_F` ## Data quality & caveats - Data is annual frequency. Some indicators also publish monthly or quarterly series — those are not included here. - When an indicator has multiple sources for the same country×year, the ILO-selected 'best source' is used. - Disaggregation columns (`sex`, `classif1`, `classif2`) are non-null only when the indicator publishes that breakdown. ## Usage ```python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ged-xlu4-sex-hht-chl-rt-prime-age-composite-rate-of-labour-underutilizatio") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python indonesia = df[df["ref_area"] == "IDN"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "GED_XLU4_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_XLU4_SEX_HHT_CHL_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "GED_XLU4_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{asia_ilo_ged_xlu4_sex_hht_chl_rt_prime_age_composite_rate_of_labour_underutilizatio_2025, title = {Prime-age composite rate of labour underutilization (LU4) by sex, household type and prese | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {\url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ged-xlu4-sex-hht-chl-rt-prime-age-composite-rate-of-labour-underutilizatio}} } ``` ## License Released under [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/). Original data © International Labour Organization (ILO). When using this dataset, please cite both the original source above and the Electric Sheep Asia repackaging. ## About Electric Sheep Electric Sheep Asia is part of the Electric Sheep mission: a unified, ML-ready data layer for Asia on HuggingFace. We pull data from authoritative open sources, normalize the schemas, package as Parquet, and publish with consistent dataset cards so researchers and developers can use `load_dataset()` to start working in seconds. Browse the full collection: [huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_RT_--- license: 知识共享署名4.0（CC-BY-4.0）协议 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 样本量介于1万至10万条之间 tags: - 表格数据 - 亚洲 - ILOSTAT - 其他劳动力闲置衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 pretty_name: "按性别、家庭类型及子女状况划分的适龄劳动力综合闲置率（LU4）——亚洲地区（ILOSTAT）" --- # 按性别、家庭类型及子女状况划分的适龄劳动力综合闲置率（LU4）——亚洲地区（ILOSTAT） 🌏 **15097条观测数据** · **22个亚洲国家** · **2000–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新打包*      ## 简短摘要 本数据集包含22个亚洲国家2000至2025年间的15097条「其他劳动力闲置衡量指标」数据，涵盖1个独立指标。 ## 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）的中央统计数据库，为全球领先的劳动力统计数据来源。其整合了就业、失业、工资、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体面工作目标等各类指标，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，覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_RT) - **出版方**：国际劳工组织（ILO） - **许可证**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：其他劳动力闲置衡量指标 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=GED_XLU4_SEX_HHT_CHL_RT`拉取，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应数据。ILOSTAT依据**国际劳工统计会议（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`列中标记以保证可追溯性。 ## 地理覆盖范围 22个亚洲国家，以下按观测行数排序展示部分国家： | 国家 | 行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `CYP`（塞浦路斯） | 1967 | 2000 | 2020 | | `IRN`（伊朗伊斯兰共和国） | 1913 | 2008 | 2024 | | `PAK`（巴基斯坦） | 1431 | 2006 | 2025 | | `KHM`（柬埔寨） | 1415 | 2003 | 2023 | | `LKA`（斯里兰卡） | 1313 | 2010 | 2022 | | `TUR`（土耳其） | 1175 | 2004 | 2013 | | `VNM`（越南） | 1047 | 2007 | 2024 | | `PHL`（菲律宾） | 830 | 2017 | 2023 | | `THA`（泰国） | 685 | 2016 | 2021 | | `MNG`（蒙古国） | 675 | 2011 | 2017 | | `AFG`（阿富汗） | 443 | 2014 | 2021 | | `ARM`（亚美尼亚） | 432 | 2014 | 2017 | | `MMR`（缅甸） | 333 | 2018 | 2020 | | `BGD`（孟加拉国） | 234 | 2013 | 2017 | | `NPL`（尼泊尔） | 227 | 2008 | 2017 | | ... | 另有7个国家 | | | ## 指标（示例） - `GED_XLU4_SEX_HHT_CHL_RT` — 按性别、家庭类型及子女状况划分的适龄劳动力综合闲置率（LU4，单位：%） ## 数据结构 | 列名 | 数据类型 | 说明 | 示例 | |--------|------|-------------|---------| | `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来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `GED_XLU4_SEX_HHT_CHL_RT` | | `indicator.label` | `string` | 英文指标名称 | `Prime-age composite rate of labour un…` | | `sex` | `string` | 按性别划分的细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 维度对应中文名称 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状况等） | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量中文说明 | `Household type: Total` | | `classif2` | `string` | 第二分类变量（如适用） | `CHL_AGET6_YES` | | `classif2.label` | `string` | 分类变量中文说明 | `Presence of children under age 6: Yes` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标数值（单位详见指标定义） | `24.833` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态标记中文说明 | `Unreliable` | | `note_source` | `string` | 来源备注 | `R1:3513_S3:8` | | `note_source.label` | `string` | 备注中文说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下列提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，但本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个来源时，将采用国际劳工组织选定的「最佳来源」数据。 - 仅当指标支持该细分维度时，细分列（`sex`、`classif1`、`classif2`）才不为空值。 ## 使用方法 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepasia/asia-ilo-ged-xlu4-sex-hht-chl-rt-prime-age-composite-rate-of-labour-underutilizatio") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python # 筛选印度尼西亚数据 indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "GED_XLU4_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_XLU4_SEX_HHT_CHL_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "GED_XLU4_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ged_xlu4_sex_hht_chl_rt_prime_age_composite_rate_of_labour_underutilizatio_2025, title = {按性别、家庭类型及子女状况划分的适龄劳动力综合闲置率（LU4）——亚洲地区（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_RT}, publisher = {Hugging Face数据集，由Electric Sheep Asia重新打包}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ged-xlu4-sex-hht-chl-rt-prime-age-composite-rate-of-labour-underutilizatio}} } ## 许可证 本数据集基于[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/)协议发布。 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来源及Electric Sheep Asia的重新打包版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的组成部分，旨在构建一个统一的、可直接用于机器学习的亚洲地区数据层，托管于Hugging Face平台。我们从权威开源数据源获取数据，对数据schema进行标准化处理，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者通过`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27日通过Electric Sheep管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU4_SEX_HHT_CHL_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统计数据库，通过其REST API直接抽取了指标代码为GED_XLU4_SEX_HHT_CHL_RT的原始数据。数据采集后，依据亚洲ISO3国家代码进行筛选，最终汇集了来自22个亚洲国家的15,097条观测记录，时间跨度覆盖2000年至2025年。ILOSTAT遵循国际劳工统计学家会议（ICLS）的定义对各国调查微观数据进行统一协调，并在数据集中通过source.label列标注了原始数据来源，如劳动力调查等，以确保数据的可追溯性与标准化。

特点

该数据集聚焦于“其他劳动力利用不足衡量指标”，具体呈现了按性别、家庭类型及是否有6岁以下子女划分的壮年劳动力利用不足综合率（LU4）。数据以年度频率发布，涵盖“总计”、“男性”、“女性”三个性别维度，并包含家庭类型与子女情况等细分分类。值得注意的是，当同一国家同一年份存在多个数据来源时，数据集仅采纳ILO选定的“最佳来源”。此外，观测值附有状态标志（如不可靠），为研究者提供了清晰的数据质量参考。

使用方法

用户可通过HuggingFace的datasets库便捷加载数据，使用load_dataset()函数即可获取训练集并转换为Pandas DataFrame进行分析。示例操作包括按国家过滤（如ref_area为IDN提取印度尼西亚数据）、针对特定指标按时间排序绘制时间序列图，或利用pivot_table构建以年份为行、国家为列的矩阵，便于进行跨国家面板数据分析。该数据集以cc-by-4.0许可证发布，使用时需同时引用ILO原始来源及Electric Sheep Asia的再包装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司编制，并经Electric Sheep Asia于2025年重新封装发布，专注于亚洲22个国家2000至2025年间黄金年龄劳动力利用不足综合率（LU4）的统计，涵盖15,097条观测值。作为ILOSTAT数据库的核心组成部分，该数据旨在通过性别、家庭类型及是否有幼龄子女等维度，精细化刻画亚洲地区劳动力市场的非充分就业状况，为评估体面劳动目标、制定针对性就业政策提供关键依据。其发布填补了亚洲区域在劳动力利用不足复合指标上的标准化数据空白，推动了区域性比较研究与跨时序列分析的发展。

当前挑战

当前数据集面临的核心挑战包括：一是传统失业率指标无法全面反映隐性失业、非充分就业及劳动力市场边缘化群体，LU4指标需在数据稀缺、定义不统一的亚洲国家间实现跨文化、跨调查体系的精准测算；二是构建过程中需整合各国劳动力调查、入户收入调查及行政记录等异构数据源，协调ILO统计会议定义下的分类口径，处理年度频率与多来源“最佳源”的选取问题，同时确保对性别、家庭结构等细分维度缺失值的妥善处理，以维持数据的连续性与可比性。

常用场景

经典使用场景

该数据集聚焦于亚洲22个国家2000至2025年间，按性别、家庭类型及儿童照管情况细分的壮年劳动力利用不足复合率（LU4）。其经典使用场景在于为比较劳动经济学研究提供纵向面板数据，学者可借此剖析亚洲各国劳动力市场中隐性失业、时间相关就业不足等非传统失业形态的演变轨迹，尤其适合通过时间序列分析或分层模型，探究性别差异与家庭结构对劳动力利用不足的动态影响。

解决学术问题

数据集解决了传统失业指标（如失业率）难以捕捉的劳动力市场隐性问题，即所谓“其他劳动力利用不足”范畴。其核心学术价值在于使研究者能准确测度并比较亚洲各国壮年人群中的就业不足、潜在劳动力及与家庭照管相关的劳动力依附弱势，进而揭示性别不平等、育儿负担与劳动力参与脆弱性之间的深层关联，为修正标准失业统计的偏误提供了实证基础，推动了ILO对体面劳动议程的量化评估。

衍生相关工作

基于ILOSTAT标准框架，该数据集衍生出多项典范工作。ILO定期发布基于此类指标的《世界就业与社会展望》报告，其分析范式被OECD及世界银行的政策研究广泛借鉴；学术界则衍生出围绕“LU4”测度的跨国比较方法论论文，探讨其相对于U1-U3失业率的异质信息含量；此外，数据集的细粒度分类激励了关于家庭照护经济学、性别工资差距与隐性失业的因果推断研究，并催生了多个以ILOSTAT为数据源的机器学习预测模型，用于早期预警系统性劳动力危机。