electricsheepasia/asia-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status

--- 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: "Inactivity rate by sex, age and disability status (%) | Asia (ILOSTAT)" --- # Inactivity rate by sex, age and disability status (%) | Asia (ILOSTAT) 🌏 **10,550 observations** · **20 Asia countries** · **1996–2024** · *Repackaged by [Electric Sheep Asia](https://huggingface.co/electricsheepasia)*      ## TL;DR This dataset contains **10,550 observations** of `Other measures of labour underutilization` data across **20 Asia countries**, spanning **1996–2024**, 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=EIP_DWAP_SEX_AGE_DSB_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=EIP_DWAP_SEX_AGE_DSB_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 20 Asia countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `CYP` | 1,614 | 2005 | 2024 | | `MNG` | 1,458 | 2006 | 2024 | | `ARM` | 1,377 | 2007 | 2023 | | `KHM` | 1,053 | 1996 | 2023 | | `IDN` | 729 | 2010 | 2023 | | `ISR` | 648 | 2016 | 2023 | | `LKA` | 567 | 2018 | 2024 | | `PSE` | 405 | 2018 | 2022 | | `THA` | 405 | 2007 | 2019 | | `BGD` | 353 | 2011 | 2024 | | `TLS` | 321 | 2015 | 2022 | | `AFG` | 243 | 2017 | 2021 | | `TJK` | 243 | 2003 | 2016 | | `IRQ` | 243 | 2007 | 2021 | | `LAO` | 243 | 2015 | 2022 | | ... | _5 more countries_ | | | ## Indicators (sample) - `EIP_DWAP_SEX_AGE_DSB_RT` — Inactivity rate by sex, age and disability status (%) ## 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 | `EIP_DWAP_SEX_AGE_DSB_RT` | | `indicator.label` | `string` | Indicator name in English | `Inactivity rate by sex, age and disab…` | | `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.) | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `classif2` | `string` | Second classification variable where applicable | `DSB_STATUS_TOTAL` | | `classif2.label` | `string` | — | `Disability status: Total` | | `time` | `int64` | Observation year | `2021` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `50.27` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_classif` | `string` | — | `C14:6260` | | `note_classif.label` | `string` | — | `Nonstandard definition of disability:…` | | `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…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (4 unique values): `SEX_T`, `SEX_M`, `SEX_F`, `SEX_O` ## 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-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status") 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"] == "EIP_DWAP_SEX_AGE_DSB_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_DWAP_SEX_AGE_DSB_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "EIP_DWAP_SEX_AGE_DSB_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{asia_ilo_eip_dwap_sex_age_dsb_rt_inactivity_rate_by_sex_age_and_disability_status_2024, title = {Inactivity rate by sex, age and disability status (%) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_DWAP_SEX_AGE_DSB_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {\url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status}} } ``` ## 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=EIP_DWAP_SEX_AGE_DSB_RT_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: "按性别、年龄与残疾状况划分的不活动率（%）| 亚洲（ILOSTAT）" --- # 按性别、年龄与残疾状况划分的不活动率（%）| 亚洲（ILOSTAT） 🌏 **10,550条观测** · **20个亚洲国家** · **1996–2024年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理*      ## 简短摘要 本数据集包含**10,550条观测**的"劳动力未充分利用的其他衡量指标"数据，覆盖**20个亚洲国家**，时间跨度为**1996–2024年**，仅包含**1个核心指标**。 ## 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，为全球领先的劳动力统计权威来源。其收录指标涵盖就业、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、住户收入调查、企业调查及行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据统一规范处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_DWAP_SEX_AGE_DSB_RT) - **发布机构**：国际劳工组织（ILO） - **授权协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：劳动力未充分利用的其他衡量指标 ## 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_DWAP_SEX_AGE_DSB_RT`拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家编码对应的样本。ILOSTAT采用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统一规范处理；数据来源信息将在`source.label`字段中标注，以确保可追溯性。 ## 地理覆盖范围 20个亚洲国家 · 以下按观测条数排序的前10个国家示例： | 国家 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 1,614 | 2005 | 2024 | | `MNG` | 1,458 | 2006 | 2024 | | `ARM` | 1,377 | 2007 | 2023 | | `KHM` | 1,053 | 1996 | 2023 | | `IDN` | 729 | 2010 | 2023 | | `ISR` | 648 | 2016 | 2023 | | `LKA` | 567 | 2018 | 2024 | | `PSE` | 405 | 2018 | 2022 | | `THA` | 405 | 2007 | 2019 | | `BGD` | 353 | 2011 | 2024 | | `TLS` | 321 | 2015 | 2022 | | `AFG` | 243 | 2017 | 2021 | | `TJK` | 243 | 2003 | 2016 | | `IRQ` | 243 | 2007 | 2021 | | `LAO` | 243 | 2015 | 2022 | | ... | _其余5个国家_ | | | ## 指标（示例） - `EIP_DWAP_SEX_AGE_DSB_RT` — 按性别、年龄与残疾状况划分的不活动率（%） ## 数据结构 | 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 | `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 - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_DWAP_SEX_AGE_DSB_RT` | | `indicator.label` | `string` | 英文指标名称 | `Inactivity rate by sex, age and disab…` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成人）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `DSB_STATUS_TOTAL` | | `classif2.label` | `string` | — | `残疾状况：总计` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `50.27` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `string` | — | `C14:6260` | | `note_classif.label` | `string` | — | `残疾状况定义不标准：……` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO统计司 - 微观数据……` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共4个唯一值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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"最优来源"数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EIP_DWAP_SEX_AGE_DSB_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_DWAP_SEX_AGE_DSB_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_DWAP_SEX_AGE_DSB_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_eip_dwap_sex_age_dsb_rt_inactivity_rate_by_sex_age_and_disability_status_2024, title = {Inactivity rate by sex, age and disability status (%) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_DWAP_SEX_AGE_DSB_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-eip-dwap-sex-age-dsb-rt-inactivity-rate-by-sex-age-and-disability-status}} } ## 授权协议 本数据集采用[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数据源及Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，旨在为HuggingFace平台上的亚洲地区数据提供统一、适合机器学习的标准化数据层。我们从权威开源数据源拉取数据，规范数据结构，打包为Parquet格式，并采用统一的数据集卡片发布，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27日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_DWAP_SEX_AGE_DSB_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，聚焦于亚洲地区20个国家1996年至2024年间的不活动率指标。数据通过ILOSTAT REST API直接抽取，并对原始调查微观数据依据国际劳工统计学家会议（ICLS）定义进行统一协调处理。数据集筛选了亚洲ISO3国家代码对应的观测值，共收录10,550条记录，每条观测均包含来源标识以便追溯，最终由Electric Sheep Asia重新打包成便于机器学习使用的Parquet格式。

特点

数据集的核心指标为按性别、年龄和残疾状态划分的不活动率，提供了细粒度的分层维度，包括性别（总计、男性、女性、其他）以及年龄与残疾状态的交叉分类。每条记录附带丰富的元数据，如观测状态标记（如序列断裂、临时数据）、来源注释和指标注释，使研究人员能够评估数据质量。地理覆盖上横跨塞浦路斯、蒙古、柬埔寨等20个亚洲经济体，时间跨度长达近三十年，兼顾了区域广度与时间深度。

使用方法

研究人员可通过HuggingFace的datasets库一键加载数据集，使用`load_dataset()`函数即可将数据转换为Pandas DataFrame，方便后续分析。典型应用包括筛选特定国家进行单国时间序列分析，或通过透视表构建国家×年份矩阵进行跨区域比较。数据集还支持按性别、年龄等维度进行子集划分，适用于研究劳动参与率的影响因素、残疾对就业的影响以及分性别劳动市场差异等研究问题。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，衡量劳动力闲置的多元指标对于理解不同群体的劳动参与困境至关重要。由国际劳工组织（ILO）于其ILOSTAT数据库中创建并维护，并经Electric Sheep Asia于2024年重新打包发布的该数据集，聚焦于亚洲20个国家1996年至2024年间按性别、年龄和残疾状况划分的不在业率。该数据集提取自ILOSTAT的标准化指标EIP_DWAP_SEX_AGE_DSB_RT，旨在揭示残疾群体在劳动力市场中的结构性边缘化状况，为评估包容性就业政策提供跨国比较的基础。其发布弥补了亚洲区域在残疾维度劳动统计上长期缺乏高质量、细粒度数据的空白，对可持续发展目标中体面劳动与包容性增长的监测具有显著推动力。

当前挑战

该数据集所应对的领域问题核心在于，传统劳动统计通常忽略残疾状况这一关键交叉维度，致使决策者无法精准识别最脆弱的失业群体。然而，构建过程面临多重挑战：首先，ILOSTAT数据源自各国劳动力调查，但各国对残疾的定义与测量标准（如nonstandard definition of disability）存在显著差异，直接影响了指标跨国的可比性；其次，数据存在多处序列中断（break in series），多因方法论修订所致，需通过冗长的注释变量进行回溯校正；此外，部分国家观测年份稀少且时点不连续，限制了时间序列分析的稳健性。这些异构性需求在数据清洗、标准化与质量标记上投入了大量资源，以确保数据集在学术与政策分析中的可用性。

常用场景

经典使用场景

该数据集汇聚了来自国际劳工组织ILOSTAT数据库中涵盖20个亚洲国家、跨越1996年至2024年的劳动力非经济活动率观测数据，特别按性别、年龄及残疾状态进行精细分层。在劳动经济学与公共政策领域，研究者常利用此类面板数据构建时间序列模型，以追踪特定群体（如残疾女性、青年人群）在长期经济变迁中的劳动参与率演变轨迹。其经典应用场景包括：运用固定效应或随机效应回归模型，量化宏观经济波动、社会保障政策变革或法律修正对边缘劳动力群体非经济活动状态的影响。数据集的高时间分辨率与国家间可比性，使得跨国比较分析和区域异质性探讨成为可能，为解读亚洲多元劳动力市场结构提供了坚实的数据基石。

解决学术问题

该数据集在学术层面精准回应了关于劳动力市场边缘群体的量化研究长期存在的资料匮乏问题，尤其聚焦于残疾人口的非经济活动率这一传统统计盲区。借助ILOSTAT协调统一的调查定义与分类标准，研究者得以规避各国统计口径差异带来的混淆效应，从而开展严谨的计量分析。它助力解答的关键学术命题包括：残疾状态与性别如何交互作用于个体的劳动市场脱离概率；老龄化进程中不同年龄段残疾人群的非经济活动模式是否收敛；以及社会保护体系的完善能否有效降低特定的非经济活动率。这些研究不仅深化了对劳动力市场分层机制的理解，也为构建更包容的就业指标体系提供了实证依据，推动了劳动力统计学术边界的拓展。

衍生相关工作

该数据集作为标准化、机器就绪的亚洲劳动力统计资源，有效催生了一系列衍生性研究工作。在方法论层面，它作为基座数据集被用于开发面向多标签分类与时间序列预测的基准测试集，尤其是在残疾状态与劳动参与耦合分析这一交叉领域。有研究基于此数据集构建了残疾群体非经济活动率的格兰杰因果检验模型，旨在揭示就业政策改革与市场响应之间的因果链路。同时，该数据推动了关于ILOSTAT多源数据整合中统计噪音处理的讨论，衍生出针对`classif1`与`classif2`分类变量缺失值插补策略的比较研究。以该数据为训练集训练的迁移学习模型，正被尝试推广至非亚洲区域的类似劳动力市场异质性分析任务，展现了跨地区知识迁移的学术价值。