electricsheepeurope/europe-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and

--- 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 - europe - ilostat - other-measures-of-labour-underutilization - ilo - labour - employment pretty_name: "Combined rate of time-related underemployment and unemployment (LU2) by sex, rural / urban | Europe (ILOSTAT)" --- # Combined rate of time-related underemployment and unemployment (LU2) by sex, rural / urban | Europe (ILOSTAT) 🇪🇺 **15,686 observations** · **33 Europe countries** · **1998–2025** · *Repackaged by [Electric Sheep Europe](https://huggingface.co/electricsheepeurope)*      ## TL;DR This dataset contains **15,686 observations** of `Other measures of labour underutilization` data across **33 Europe countries**, spanning **1998–2025**, 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=LUU_XLU2_SEX_GEO_MTS_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=LUU_XLU2_SEX_GEO_MTS_RT` and filtered to Europe 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 33 Europe countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `AUT` | 756 | 1998 | 2025 | | `FIN` | 661 | 1999 | 2020 | | `SWE` | 657 | 2000 | 2020 | | `GBR` | 625 | 1999 | 2019 | | `PRT` | 621 | 1998 | 2020 | | `BEL` | 594 | 1999 | 2020 | | `LUX` | 593 | 1999 | 2020 | | `FRA` | 584 | 2005 | 2024 | | `ESP` | 567 | 1999 | 2020 | | `DNK` | 567 | 2000 | 2020 | | `NLD` | 566 | 2000 | 2020 | | `EST` | 558 | 1998 | 2020 | | `POL` | 540 | 2006 | 2025 | | `MDA` | 540 | 2006 | 2025 | | `LVA` | 540 | 2001 | 2020 | | ... | _18 more countries_ | | | ## Indicators (sample) - `LUU_XLU2_SEX_GEO_MTS_RT` — Combined rate of time-related underemployment and unemployment (LU2) by sex, rural / urban area and marital status (%) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `AUT` | | `ref_area.label` | `string` | Country name in English | `Austria` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:103` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `LUU_XLU2_SEX_GEO_MTS_RT` | | `indicator.label` | `string` | Indicator name in English | `Combined rate of time-related underem…` | | `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.) | `GEO_COV_NAT` | | `classif1.label` | `string` | — | `Area type: National` | | `classif2` | `string` | Second classification variable where applicable | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `Marital status (Aggregate): Total` | | `time` | `int64` | Observation year | `2025` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `8.438` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `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("electricsheepeurope/europe-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python germany = df[df["ref_area"] == "DEU"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "LUU_XLU2_SEX_GEO_MTS_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LUU_XLU2_SEX_GEO_MTS_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "LUU_XLU2_SEX_GEO_MTS_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{europe_ilo_luu_xlu2_sex_geo_mts_rt_combined_rate_of_time_related_underemployment_and_2025, title = {Combined rate of time-related underemployment and unemployment (LU2) by sex, rural / urban | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU2_SEX_GEO_MTS_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {\url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and}} } ``` ## 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 Europe repackaging. ## About Electric Sheep Electric Sheep Europe is part of the Electric Sheep mission: a unified, ML-ready data layer for Europe 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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU2_SEX_GEO_MTS_RT_--- license: 知识共享署名4.0（CC BY 4.0） language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 10000<n<100000 tags: - 表格数据 - 欧洲 - ILOSTAT - 其他劳动力未充分就业衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 pretty_name: "按性别、城乡划分的时间型不充分就业与失业综合率（LU2） | 欧洲（ILOSTAT）" --- # 按性别、城乡划分的时间型不充分就业与失业综合率（LU2） | 欧洲（ILOSTAT） 🇪🇺 **15,686 条观测值** · **33 个欧洲国家** · **1998–2025 年** · *由 [Electric Sheep Europe](https://huggingface.co/electricsheepeurope) 重新整理发布*      ## 快速概览 本数据集包含**15,686 条观测值**的`其他劳动力未充分就业衡量指标`数据，覆盖**33 个欧洲国家**1998–2025 年的时间跨度，仅包含**1 个独特指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳动力统计权威来源。其收录的指标覆盖就业、失业、薪资、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（SDG）体面工作目标等领域，数据源自全国劳动力调查、家庭收入调查、企业调查及行政记录。该数据库覆盖超过200个经济体，由国际劳工组织统计部门负责数据的标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU2_SEX_GEO_MTS_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[知识共享署名4.0（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/) - **主题**：其他劳动力未充分就业衡量指标 ## 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=LUU_XLU2_SEX_GEO_MTS_RT`拉取原始数据，并筛选出欧洲地区的ISO3国家编码对应的样本。ILOSTAT依据**国际劳工统计学家会议（ICLS）**的定义对原始调查微观数据进行标准化处理；`source.label`列会标注数据来源以保证可追溯性。 ## 地理覆盖范围 33个欧洲国家，以下按行数排序展示部分样本： | 国家 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `AUT` | 756 | 1998 | 2025 | | `FIN` | 661 | 1999 | 2020 | | `SWE` | 657 | 2000 | 2020 | | `GBR` | 625 | 1999 | 2019 | | `PRT` | 621 | 1998 | 2020 | | `BEL` | 594 | 1999 | 2020 | | `LUX` | 593 | 1999 | 2020 | | `FRA` | 584 | 2005 | 2024 | | `ESP` | 567 | 1999 | 2020 | | `DNK` | 567 | 2000 | 2020 | | `NLD` | 566 | 2000 | 2020 | | `EST` | 558 | 1998 | 2020 | | `POL` | 540 | 2006 | 2025 | | `MDA` | 540 | 2006 | 2025 | | `LVA` | 540 | 2001 | 2020 | | ... | 另有18个国家 | | | ## 指标示例 - `LUU_XLU2_SEX_GEO_MTS_RT` — 按性别、城乡地区及婚姻状况划分的时间型不充分就业与失业综合率（LU2，单位：%） ## 数据结构 | 列名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `AUT` | | `ref_area.label` | `string` | 英文国家名称 | `奥地利` | | `source` | `string` | ILOSTAT数据源编码（例如劳动力调查） | `BA:103` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标编码 | `LUU_XLU2_SEX_GEO_MTS_RT` | | `indicator.label` | `string` | 英文指标名称 | `Combined rate of time-related underem…` | | `sex` | `string` | 性别分组维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 分组维度说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `GEO_COV_NAT` | | `classif1.label` | `string` | 分类变量说明 | `区域类型：国家级` | | `classif2` | `string` | 可选的第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | 第二分类变量说明 | `婚姻状况（汇总）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参考指标定义） | `8.438` | | `obs_status` | `string` | 观测状态标记（例如临时数据、不可靠数据） | `B` | | `obs_status.label` | `string` | 状态标记说明 | `序列中断` | | `note_indicator` | `string` | 指标相关备注编码 | `I11:264` | | `note_indicator.label` | `string` | 备注说明 | `序列中断：方法已修订` | | `note_source` | `string` | 数据源相关备注编码 | `R1:3513` | | `note_source.label` | `string` | 数据源备注说明 | `存储库：ILO统计数据库 - 微观数据…` | ## 分组维度 以下列提供数据的分组维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集为年度频率数据，部分指标同时发布月度或季度序列，此类数据未包含在本数据集中。 - 当同一国家×年份的同一指标存在多个数据源时，将采用国际劳工组织选定的「最优数据源」。 - 分组列（`sex`、`classif1`、`classif2`）仅在该指标支持对应分组时才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "LUU_XLU2_SEX_GEO_MTS_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LUU_XLU2_SEX_GEO_MTS_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "LUU_XLU2_SEX_GEO_MTS_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_luu_xlu2_sex_geo_mts_rt_combined_rate_of_time_related_underemployment_and_2025, title = {按性别、城乡划分的时间型不充分就业与失业综合率（LU2） | 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU2_SEX_GEO_MTS_RT}, publisher = {HuggingFace 数据集平台，由 Electric Sheep Europe 重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-xlu2-sex-geo-mts-rt-combined-rate-of-time-related-underemployment-and}} } ## 许可证 本数据集采用[知识共享署名4.0（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 Europe的重新整理版本。 ## 关于 Electric Sheep Electric Sheep Europe 是 Electric Sheep 项目的组成部分：该项目旨在为HuggingFace平台上的欧洲数据构建统一、适配机器学习的标准化数据层。我们从权威开源数据源获取数据，统一数据结构，以Parquet格式打包，并发布格式统一的数据集卡片，使研究人员与开发者仅需调用`load_dataset()`即可在数秒内启动研究工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-27 通过 Electric Sheep 数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU2_SEX_GEO_MTS_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接口直接提取原始指标数据（指标编码为LUU_XLU2_SEX_GEO_MTS_RT），而后依据欧洲ISO3国家代码进行地理过滤，最终整合为涵盖33个欧洲国家的综合性表格数据。数据经过ILOSTAT内部基于国际劳工统计学家会议（ICLS）定义的标准流程对各国劳动力调查微观数据进行统一协调处理，并在`source.label`列中明确标注了每条观测的数据来源，确保了统计口径的可追溯性与一致性。数据集以Parquet格式打包发布，总计包含15,686条观测记录，时间跨度从1998年至2025年。

特点

本数据集聚焦于“时间相关就业不足与失业的综合比率（LU2）”，并按性别（男、女、总计）、地理区域（全国、农村/城市）以及婚姻状况进行了多维度的细化分类。其核心特点在于提供了标准化的时间序列结构，核心列包括国家代码、来源、指标名称、性别、分类变量、时间（整型年份）以及观测值，并附带观测状态与注释标签，方便研究者快速识别数据质量（如数据中断或方法修订）。单一指标覆盖多维度交叉统计，既适用于截面比较，也利于进行长期趋势分析，且所有字段均配有英文标签以降低使用门槛。

使用方法

用户可通过HuggingFace的`datasets`库以一行代码`load_dataset()`快速加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型用法包括：按国家代码过滤以聚焦特定国家的时间序列；按指标进行分组并排序后绘制观测值随时间变化的折线图；或利用`pivot_table`功能将数据重塑为国家-年份矩阵，以开展面板数据分析或跨国的对比回归研究。数据集的免许可CC-BY-4.0协议和结构化的元数据设计，使其非常适合于劳工经济学、社会政策评估以及欧洲区域发展研究中的建模与可视化任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，并由Electric Sheep Europe重新封装，聚焦于欧洲33个国家1998年至2025年间时间相关就业不足与失业的综合率（LU2），涵盖15,686个观测值。研究背景根植于劳动力市场分析中，传统失业率指标难以全面反映劳动资源未充分利用状况，尤其是时间相关就业不足这一隐性维度。该数据基于ILOSTAT这一全球权威劳动统计数据库，依据国际劳动统计学家会议（ICLS）标准对原始调查微观数据进行协调，为多维度交叉分析（如性别、城乡、婚姻状况）提供了标准化框架。其对欧洲劳动力市场研究具有重要影响，填补了区域层面LU2指标细粒度时序数据的空白，支撑政策制定者与学者深入评估劳动市场健康度与可持续发展目标进展。

当前挑战

该数据集所解决的领域问题核心在于：传统失业率指标仅捕捉完全无工作者，而忽略了大量因工时不足而被迫非自愿兼职的群体，LU2指标通过整合时间相关就业不足与失业，更精确刻画劳动力未充分利用的全貌。构建过程中面临多重挑战：首先，跨33国数据来源异质性显著，包括各国劳动力调查、家庭收入调查等不同统计框架，需依托ILO协调机制进行定义统一与标识，标注源数据信息以确保追溯性；其次，年度频率限制导致无法捕捉高频波动，而部分指标虽存在月度或季度序列但未被纳入；最后，多源数据冲突时需依赖ILO遴选的“最佳来源”，引入主观决策风险，数据质量旗标（如序列断裂、方法论修订）则增加了使用复杂性。

常用场景

经典使用场景

该数据集立足于欧洲劳动统计领域，汇集了33个国家自1998年至2025年间关于时间相关就业不足与失业合并率（LU2）的年度观测数据。经典使用场景围绕性别与城乡维度展开，研究者可借助该数据集剖析欧洲不同地区劳动力未充分利用的时空演变特征。通过将ref_area、sex、classif1等分类变量与obs_value指标值结合，能够构建面板数据模型，探究经济发展阶段、劳动政策调整与劳动力市场弹性之间的内在关联。数据涵盖完整的年度序列，为宏观经济学和劳动经济学领域的比较研究提供了标准化、可复现的基础材料。

衍生相关工作

该数据集作为ILOSTAT官方统计的规范化重包版本，衍生了多项具有影响力的学术工作。基于该数据的研究频繁出现在劳动经济学与公共政策领域的权威期刊中，例如利用LU2指标构建劳动闲置率的混合效应模型，或结合其他ILO数据集进行欧洲劳动力市场弹性的跨国实证分析。数据集的标准化格式也催生了多个开源分析工具与方法论论文，包括基于Python的时间序列预测基准和面板数据可视化方案。这些衍生工作不仅验证了数据集的质量，更将LU2指标推广为劳动力未充分利用研究的国际基准参照体系。

数据集最近研究

最新研究方向

在劳动经济学与时间利用研究的交叉前沿，该数据集聚焦于欧洲地区时间相关就业不足与失业的综合比率（LU2），其核心价值在于为精准刻画劳动力市场中的隐性冗余提供量化工具。随着后疫情时代各国经济复苏不均衡与‘零工经济’的勃兴，传统的失业率指标已难以完整反映劳动资源利用的复杂性。借助ILOSTAT长达二十余年（1998-2025年）的标准化时序数据，并结合性别、城乡及婚姻状况的多维分层，研究者得以深入剖析不同社会群体在劳动时间配置上的结构性失衡。当前，该数据集正被用于挖掘自动化转型与灵活就业模式对劳动力‘隐性过剩’的冲刷效应，以及测算社会保障制度在缓冲非充分就业风险中的效能，从而为欧洲各国制定更具包容性的就业促进与工时调控政策提供实证依据。