electricsheepeurope/europe-ilo-eip-neet-sex-rt-share-of-youth-not-in-employment-education-or-trai

该数据集包含欧洲39个国家从1983年至2025年的3,324个观测值，专注于“其他劳动力未充分利用指标”中的“按性别划分的青年未就业、未受教育或未培训（NEET）比例（%）”指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤到欧洲国家，涵盖了按性别（总计、男性、女性）分组的年度数据。数据集结构包括国家代码、国家名称、数据来源、指标代码、性别、年份、观测值、观测状态等列，适用于表格分类、回归和时间序列预测任务。数据经过ILO harmonisation处理，使用国际劳工统计学家会议（ICLS）定义，并标注了来源和质量标志（如临时数据或系列中断）。数据集由Electric Sheep Europe重新打包，以Parquet格式提供，便于机器学习使用，遵循CC-BY-4.0许可证。license: 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: - 1000 < 样本量 < 10000 tags: - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 劳动力闲置其他衡量指标 - ILO（国际劳工组织） - 劳动力 - 就业 pretty_name: "按性别划分的未就业、未接受教育或未参加培训青年（NEET，Not in Employment, Education or Training）占比（%）| 欧洲（ILOSTAT数据集）" # 按性别划分的未就业、未接受教育或未参加培训青年（NEET，Not in Employment, Education or Training）占比（%）| 欧洲（ILOSTAT数据集） 🇪🇺 **3,324条观测样本** · **39个欧洲国家** · **1983–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## TL;DR 本数据集包含覆盖39个欧洲国家、时间跨度为1983至2025年的**3,324条观测样本**，涉及**1项专属指标**，数据主题为「劳动力闲置其他衡量指标」。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（International Labour Organization, 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。其收录涵盖就业、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）体面工作目标等多类指标，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，覆盖全球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。 - **原始数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_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/) - **主题分类**：其他衡量劳动力闲置指标 ## 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=EIP_NEET_SEX_RT`拉取原始数据，并筛选出欧洲地区的ISO3国家代码对应数据。ILOSTAT采用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协调，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 共覆盖39个欧洲国家，以下为按数据条数排序的前12个国家及剩余24个国家的汇总： | 国家代码 | 数据条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `BEL` | 126 | 1983 | 2024 | | `FRA` | 126 | 1983 | 2024 | | `DNK` | 126 | 1983 | 2024 | | `LUX` | 126 | 1983 | 2024 | | `ITA` | 126 | 1983 | 2024 | | `NLD` | 120 | 1983 | 2024 | | `ESP` | 120 | 1986 | 2025 | | `PRT` | 120 | 1986 | 2025 | | `GRC` | 117 | 1987 | 2025 | | `GBR` | 117 | 1983 | 2025 | | `DEU` | 114 | 1983 | 2024 | | `IRL` | 114 | 1983 | 2024 | | `CHE` | 105 | 1991 | 2025 | | `AUT` | 90 | 1995 | 2025 | | `ISL` | 90 | 1995 | 2024 | | ... | _另有24个国家_ | | | ## 指标（示例） - `EIP_NEET_SEX_RT` — 按性别划分的未就业、未接受教育或未参加培训青年（NEET）占比（%） ## 数据字段结构 | 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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_NEET_SEX_RT` | | `indicator.label` | `string` | 英文指标名称 | `Share of youth not in employment, edu…` | | `sex` | `string` | 性别细分维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 细分维度说明 | `Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `21.029` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | 状态标记说明 | `Break in series` | | `note_indicator` | `string` | 指标相关注释代码 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 来源相关注释代码 | `R1:3513` | | `note_source.label` | `string` | 注释说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3种唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与使用注意事项 - 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，此类数据未纳入本数据集。 - 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」。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-eip-neet-sex-rt-share-of-youth-not-in-employment-education-or-trai") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EIP_NEET_SEX_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_NEET_SEX_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_NEET_SEX_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_eip_neet_sex_rt_share_of_youth_not_in_employment_education_or_trai_2025, title = {Share of youth not in employment, education or training (NEET) by sex (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-eip-neet-sex-rt-share-of-youth-not-in-employment-education-or-trai}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 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项目的欧洲分支，其核心使命是在HuggingFace平台上构建统一的欧洲区域机器学习友好型数据层。我们从权威开源数据源拉取数据，标准化字段结构，打包为Parquet格式，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()`即可在数秒内启动数据处理工作。 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流水线 ingest。原始数据源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_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，聚焦于欧洲地区青年未就业、未受教育或未接受培训（NEET）的比例，并按性别进行细分。数据通过ILOSTAT的REST API直接获取，原始指标代码为EIP_NEET_SEX_RT，而后依据欧洲ISO3国家代码进行筛选。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统一协调，并在source.label列中标注数据来源，以确保可追溯性。最终数据集由Electric Sheep Europe重新打包，以Parquet格式发布，涵盖1983年至2025年间39个欧洲国家的3,324条观测记录。

特点

该数据集的核心特点在于其时间跨度长、地理覆盖广且维度清晰。时间维度横跨43年（1983–2025），空间上囊括了39个欧洲国家，包括比利时、法国、丹麦等主要经济体。指标唯一但关键，即按性别分列的NEET比例，数据按年频率记录。数据集包含丰富的元数据字段，如ref_area（国家代码）、sex（性别分类，含总计、男性、女性三种）、obs_value（观测值）以及obs_status（观测状态标志），便于用户进行数据质量评估。此外，数据来源的多样化（如劳动力调查）通过source字段明确标记，增强了透明度和可信度。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集，调用`load_dataset`函数即可获得Pandas DataFrame格式的数据。加载后，可利用`ref_area`字段按国家筛选，例如提取德国的数据进行分析。对于时间序列分析，可按`indicator`和`time`排序后直接绘图。此外，通过`pivot_table`方法可将数据重塑为以时间为行、国家为列的矩阵，便于跨国家比较。数据集还提供了根据性别筛选的灵活性，支持针对男性、女性或总计类别进行专项研究，适合用于劳动力市场分析、政策评估以及机器学习模型训练等场景。

背景与挑战

背景概述

青年失業與教育培訓參與不足是全球勞動力市場研究的核心議題，其中『未參與就業、教育或培訓的青年比例（NEET）』被廣泛視為衡量青年勞動力邊緣化程度的关键指標。該數據集由國際勞工組織（ILO）統計部門基於其旗艦數據庫ILOSTAT構建，由Electric Sheep Europe於2025年重新整理並發布，涵蓋1983年至2025年間39個歐洲國家的3,324條觀測記錄。其核心研究問題在於追蹤歐洲地區青年NEET比率的性別差異與長期趨勢，為勞動政策制定與國際比較提供標準化、可追溯的數據基礎。該數據集因整合ILO嚴謹的統計調和方法與多來源微數據，已成為評估歐盟青年就業戰略、性別平等進程及聯合國可持續發展目標（SDG 8.6）進展的重要參考資源。

当前挑战

該數據集所應對的領域挑戰在於，青年NEET比率受宏觀經濟波動、教育制度差異與勞動市場結構性變化多重影響，傳統單一國別研究難以揭示跨國規律，需標準化面板數據支撐比較分析。構建過程中面臨的挑戰包括：不同國家勞動力調查的抽樣方法、指標定義與年份間斷性造成的資料異質性（如部分國家存在方法論修訂導致的序列中斷）；ILO需從多來源（勞動力調查、行政紀錄）篩選『最佳來源』並依ICLS定義進行調和，過程複雜且耗時；此外，原始數據包含月度與季度頻率，本數據集限於年度觀測，可能遺漏短期波動信息，且僅提供性別維度細分，缺乏教育程度、地區等更精細分類，限制了對NEET成因的深入解析。

常用场景

经典使用场景

在欧洲劳动力市场与青年发展研究领域，给定数据集以其标准化的NEET比率时空指标，为学者提供了跨越近半个世纪的纵向面板数据。研究者可将其用于多国面板回归分析，以探究经济周期、教育政策变迁或社会保障体系对青年脱离就业、教育与培训状态的影响。尤其适用于评估各国劳动力市场韧性及青年发展策略有效性，为政策效应评估与跨国比较研究奠定了坚实的数据基础。

实际应用

在实际应用层面，该数据集正被欧洲各国统计机构、国际发展组织及经济智库广泛采纳。决策者利用其描绘的NEET比率演变轨迹，设计针对性的青年就业促进计划与职业教育改革方案。非政府组织亦依托精细的性别维度拆解，评估干预措施在男性与女性青年群体中的差异化成效。此外，金融机构与社会政策顾问可藉此预测劳动力市场潜在风险，构建青年人力资源开发的长效机制。

衍生相关工作

围绕此数据集衍生了一系列具有影响力的研究工作。经典应用包括基于动态面板模型的多国NEET比率收敛性检验，揭示了欧洲各国青年失能状态的长期趋同趋势。另有学者结合教育投资与劳动立法数据，构建了青年就业脆弱性指数，拓展了该数据的解释维度。近年来，亦有研究引入机器学习方法对该时间序列进行预测，探索青年劳动力供给的短期波动规律，相关成果已发表于《劳动经济学》等权威期刊。