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

该数据集包含欧洲39个国家1983年至2025年期间青年未就业、未受教育或未培训（NEET）比例的数据，共9,773条观测值，聚焦于“其他劳动力未充分利用指标”主题。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并经过标准化处理，涵盖国家代码、年份、性别（总计、男性、女性）和年龄分组等细分维度。数据集适用于表格分类、回归和时间序列预测等机器学习任务，旨在为研究欧洲青年劳动力市场状况提供结构化、可分析的数据支持。license: CC-BY-4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 1000<n<10000 tags: - 表格数据 - 欧洲 - ILOSTAT - 劳动力未充分利用其他衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 pretty_name: "按性别和年龄划分的不就业、未受教育且未参与培训青年占比（%）| 欧洲（ILOSTAT）" # 按性别和年龄划分的不就业、未受教育且未参与培训青年占比（%）| 欧洲（ILOSTAT） 🇪🇺 **9773条观测数据** · **39个欧洲国家** · **1983–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖**39个欧洲国家**的**劳动力未充分利用其他衡量指标**相关数据，共计**9773条观测记录**，时间跨度为**1983–2025年**，仅包含**1项独立指标**。 ## 数据来源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（ILO）的官方统计数据库，也是全球领先的劳动力统计权威数据源。该库整合了就业、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体面工作目标等多类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查与行政记录。其数据覆盖超过200个经济体，由国际劳工组织统计部门负责数据标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_AGE_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**：劳动力未充分利用其他衡量指标 ## 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=EIP_NEET_SEX_AGE_RT`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家编码对应的记录。ILOSTAT采用**国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）**制定的定义对原始调查微观数据进行标准化处理；数据来源将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖39个欧洲国家，以下为按数据行数排序的部分国家及剩余国家汇总： | 国家（ISO 3166-1 alpha-3 编码） | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `BEL` | 378 | 1983 | 2024 | | `FRA` | 378 | 1983 | 2024 | | `DNK` | 378 | 1983 | 2024 | | `LUX` | 378 | 1983 | 2024 | | `ITA` | 378 | 1983 | 2024 | | `NLD` | 360 | 1983 | 2024 | | `ESP` | 360 | 1986 | 2025 | | `PRT` | 360 | 1986 | 2025 | | `GRC` | 351 | 1987 | 2025 | | `GBR` | 351 | 1983 | 2025 | | `DEU` | 342 | 1983 | 2024 | | `IRL` | 342 | 1983 | 2024 | | `CHE` | 315 | 1991 | 2025 | | `AUT` | 261 | 1995 | 2025 | | `HUN` | 261 | 1996 | 2024 | | ... | _其余24个国家_ | | | ## 指标（示例） - `EIP_NEET_SEX_AGE_RT` — 按性别和年龄划分的不就业、未受教育且未参与培训青年占比（%） ## 数据架构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国名 | `阿尔巴尼亚` | | `source` | `string` | ILOSTAT数据源编码（例如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标编码 | `EIP_NEET_SEX_AGE_RT` | | `indicator.label` | `string` | 英文指标名称 | `按性别和年龄划分的不就业、未受教育且未参与培训青年占比（%）` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_5YRBANDS_YGE15` | | `classif1.label` | `string` | — | `年龄（5年分段）：15岁及以上` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 指标观测值（单位因指标而异，请参考指标定义） | `21.029` | | `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` | — | `序列中断` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 微观数据……` | ## 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 - 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，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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应拆分维度时，拆分字段（`sex`、`classif1`、`classif2`）才不会为空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-eip-neet-sex-age-rt-share-of-youth-not-in-employment-education-or-trai") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 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_AGE_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_NEET_SEX_AGE_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_NEET_SEX_AGE_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_age_rt_share_of_youth_not_in_employment_education_or_trai_2025, title = {Share of youth not in employment, education or training (NEET) by sex and age (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_AGE_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-eip-neet-sex-age-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与Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Europe Electric Sheep Europe是Electric Sheep计划的一部分，该计划旨在构建面向欧洲地区的统一、可直接用于机器学习的标准化数据层，托管于HuggingFace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，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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep流水线获取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_NEET_SEX_AGE_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）的比例指标。数据通过ILOSTAT的REST API接口直接获取，以指标代码EIP_NEET_SEX_AGE_RT为查询参数，并依据欧洲ISO3国家代码进行区域过滤。ILOSTAT依据国际劳动统计学家会议（ICLS）的定义对原始调查微观数据进行统一协调处理，并在source.label列中标注数据来源，确保了数据的一致性和可追溯性。最终整合为包含9,773条观测值的结构化数据集，覆盖39个欧洲国家，时间跨度从1983年至2025年。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace Datasets库的load_dataset函数一键加载。加载后，数据以Pandas DataFrame格式呈现，便于后续分析。例如，可通过过滤ref_area列（如“DEU”）提取特定国家的数据子集，或按时间列排序以绘制单指标的时间序列图。利用pivot_table方法，用户还能轻松将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或跨国家比较。数据集支持表格分类、回归及时间序列预测等任务，为经济学、社会学及公共政策研究提供了灵活的数据工具。

背景与挑战

背景概述

在欧洲迈向知识经济与可持续发展的进程中，青年就业与教育参与已成为衡量社会包容性与劳动力市场韧性的核心指标。青年既不就业也不接受教育或培训（NEET）的比例，不仅是劳动力闲置的测度，更反映了青年在转型社会中所面临的结构性障碍。该数据集由国际劳工组织（ILO）通过ILOSTAT平台发布，由Electric Sheep Europe于2025年完成重封装，涵盖1983至2025年间39个欧洲国家的9,773条观测记录，聚焦于按性别与年龄分层的NEET比率。作为全球劳动统计领域的权威来源，ILOSTAT基于统一的方法论对各国劳动力调查数据进行标准化处理，为研究者提供了跨越四十余年的纵向比较基础。该数据集在劳动经济学、社会政策以及联合国可持续发展目标（SDG）监测中具有重要应用价值，尤其在青年脆弱性评估与政策干预效果分析方面扮演着关键角色。

当前挑战

该数据集所直面的核心领域挑战在于，NEET指标本身具有高度的动态性与多维度依赖特征，常受季节性就业波动、青年教育选择分流以及隐性失业等复杂因素影响，导致其难以作为单一静态指标进行精准建模与跨期比较。构建该数据集的过程中，挑战尤为显著：其一，数据来源涵盖各国劳动力调查及行政记录，各国在调查设计、样本覆盖范围及ICLS定义执行力度上存在差异，使得数据可比性面临严峻考验；其二，ILO需在存在多重来源时筛选最佳来源，且部分国家存在序列断裂与方法论修订，以`obs_status`与`note_indicator`字段中的非空值记录为例，揭示了历史序列的断续与口径变化；其三，时间粒度上仅保留了年度频率，而月度和季度子序列的缺失限制了高分辨率时序分析的潜力。

常用场景

经典使用场景

在劳动经济学与社会政策研究的交汇领域，该数据集作为衡量青年劳动力市场边缘化程度的核心指标——NEET率（未就业、未接受教育或培训的青年比例）——的标准化时空档案，被广泛用于跨国时序分析与面板数据建模。研究者可通过性别与年龄的维度解构，追踪1983至2025年间39个欧洲国家中青年群体的结构性就业困境，揭示经济周期、制度变迁与劳动力市场政策对青年脱离状态的差异化影响。其纵贯跨度长、国别覆盖广、指标定义统一的特点，使其成为评估欧洲各国青年保障体系有效性及欧盟就业战略成效的基石性数据资源。

解决学术问题

该数据集精准回应了欧洲青年就业研究中长期存在的两大难题：一是跨国数据在指标定义与统计口径上的碎片化，使得横向比较失真；二是时序数据不连续导致难以识别长期结构性趋势与短期政策干预效果。通过ILOSTAT统一采用国际劳工统计学家会议（ICLS）的规范化定义，并对多源调查数据进行严格的质量标识与断点标注，该数据集首次为学术界提供了长达四十余年、覆盖全欧39国的可比较、可复验的NEET率面板数据。这不仅填补了青年劳动参与不平等研究的系统性数据空白，更为因果推断模型（如双重差分、合成控制法）识别政策冲击效应提供了坚实的数据基座。

实际应用

在实际决策与公共服务层面，该数据集赋能欧洲各国劳动部门与国际组织构建动态监测预警系统。例如，政策制定者可依性别与年龄段细分的NEET变化趋势，精准定位需优先干预的脆弱群体，进而设计差异化的职业培训、青年保障计划或教育补助方案。欧盟委员会与欧洲统计局（Eurostat）常以此数据集作为《欧洲学期》国别报告及《青年保障计划》评估的定量依据；非政府组织亦可借助其中的长期演化轨迹，向公众与立法机构呈现青年劳动力排斥问题的地理分布与代际演变，推动基于证据的社会政策议程设置。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲青年既不就业、也不接受教育或培训（NEET）的比例，按性别与年龄维度进行精细化分解，是国际劳工组织（ILO）ILOSTAT数据库的核心指标之一。随着全球青年失业问题的持续恶化以及后疫情时代劳动力市场结构性变迁，NEET率已成为衡量青年边缘化与社会排斥的关键标尺。当前研究前沿集中利用此类高时间分辨率与跨国家面板数据，构建时序预测模型与因果推断框架，探究经济危机、教育政策变迁及数字转型对青年群体劳动参与的长效影响。以欧洲多国长达四十余年的观测为基底，该数据为评估“欧洲青年保障计划”等公共干预效果提供了实证支撑，亦推动着统计学习在劳动力市场早期预警系统中的应用拓展。