electricsheepasia/asia-ilo-pop-2ldr-noc-rt-labour-dependency-ratio-ilo-modelled-estimates-nov

该数据集包含国际劳工组织（ILO）模型估计的劳动力依赖比数据，针对亚洲地区，时间跨度为1991年至2027年。数据集共有1,804个观测值，覆盖49个亚洲国家，聚焦于一个核心指标：POP_2LDR_NOC_RT（劳动力依赖比——ILO模型估计，2025年11月）。数据来源于ILOSTAT（ILO的核心统计数据库），通过REST API获取并过滤为亚洲国家代码。数据集以表格形式呈现，包括国家代码、国家名称、数据来源、指标代码、指标名称、年份和观测值等列。它适用于表格分类、回归和时间序列预测等任务，旨在为研究亚洲劳动力市场和人口结构提供机器学习就绪的数据。license: cc-by-4.0 语言： - en 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本量范围： - 1000 < n < 10000 标签： - 表格 - 亚洲 - ILOSTAT - 人口 - 国际劳工组织（ILO） - 劳动力 - 就业 数据集展示名："劳动力抚养比——国际劳工组织2025年11月模型估计值 | 亚洲地区（ILOSTAT）" # 劳动力抚养比——国际劳工组织2025年11月模型估计值 | 亚洲地区（ILOSTAT） 🌏 **1804条观测数据** · **49个亚洲国家** · **1991–2027年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 摘要（TL;DR） 本数据集涵盖**49个亚洲国家**1991至2027年间的**人口**相关数据，共计**1804条观测数据**，覆盖**1项独立指标**。 ## 关于数据源 **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，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（Sustainable Development Goals, SDG）体面工作目标等领域，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。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_2LDR_NOC_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0（知识共享署名4.0国际许可协议）](https://creativecommons.org/licenses/by/4.0/) - **主题**：人口 ## 数据处理方法 本数据集直接从ILOSTAT REST API接口`https://rplumber.ilo.org/data/indicator?id=POP_2LDR_NOC_RT`拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家编码对应数据集。ILOSTAT依据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，以保证可追溯性。 ## 地理覆盖范围 49个亚洲国家，以下为按数据行数排序的前若干条记录： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `AFG` | 37 | 1991 | 2027 | | `ARE` | 37 | 1991 | 2027 | | `ARM` | 37 | 1991 | 2027 | | `AZE` | 37 | 1991 | 2027 | | `BGD` | 37 | 1991 | 2027 | | `BHR` | 37 | 1991 | 2027 | | `BRN` | 37 | 1991 | 2027 | | `BTN` | 37 | 1991 | 2027 | | `CHN` | 37 | 1991 | 2027 | | `CYP` | 37 | 1991 | 2027 | | `GEO` | 37 | 1991 | 2027 | | `IDN` | 37 | 1991 | 2027 | | `IND` | 37 | 1991 | 2027 | | `IRN` | 37 | 1991 | 2027 | | `IRQ` | 37 | 1991 | 2027 | | ... | 其余34个国家 | | | ## 指标示例 - `POP_2LDR_NOC_RT` — 劳动力抚养比——国际劳工组织2025年11月模型估计值 ## 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 国家编码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `阿富汗` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `XA:2198` | | `source.label` | `string` | 英文来源名称 | `ILO - 模型估计值` | | `indicator` | `string` | ILOSTAT 指标代码 | `POP_2LDR_NOC_RT` | | `indicator.label` | `string` | 英文指标名称 | `劳动力抚养比——ILO模型估计…` | | `time` | `int64` | 观测年份 | `2027` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `4.307` | ## 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。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-pop-2ldr-noc-rt-labour-dependency-ratio-ilo-modelled-estimates-nov") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "POP_2LDR_NOC_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_2LDR_NOC_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_2LDR_NOC_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_pop_2ldr_noc_rt_labour_dependency_ratio_ilo_modelled_estimates_nov_2027, title = {劳动力抚养比——国际劳工组织2025年11月模型估计值 | 亚洲地区（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2027}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_2LDR_NOC_RT}, publisher = {HuggingFace数据集，由Electric Sheep Asia重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-pop-2ldr-noc-rt-labour-dependency-ratio-ilo-modelled-estimates-nov}} } ## 许可证 本数据集采用[CC BY 4.0（知识共享署名4.0国际许可协议）](https://creativecommons.org/licenses/by/4.0/)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的重新封装版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的组成部分，旨在打造HuggingFace平台上统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源拉取数据，对数据schema进行标准化处理，封装为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可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_2LDR_NOC_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核心统计数据库，通过调用其REST API接口获取指示代码为POP_2LDR_NOC_RT的原始数据，并依据亚洲ISO3国家代码进行地域筛选。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，数据集中的source.label字段详细标注了数据来源，确保溯源清晰。最终由Electric Sheep Asia团队重新打包，形成包含1804条观测值、覆盖49个亚洲国家、时间跨度从1991年至2027年的结构化表格数据。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，调用load_dataset函数即可快速获取训练集并转换为Pandas DataFrame进行后续分析。支持按国家代码筛选特定子集，例如使用df[df['ref_area']=='IDN']提取印尼数据。针对时间序列分析，可按指示代码筛选后按年份排序并可视化趋势。亦可利用pivot_table构建国家×年份的矩阵数据，便于进行跨国的面板数据分析或作为机器学习模型的输入特征。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，并经Electric Sheep Asia于2026年重新封装，聚焦亚洲地区劳动力依赖比的ILO模型估计值。劳动力依赖比作为衡量劳动年龄人口与非劳动年龄人口之间经济支持关系的关键指标，对理解区域人口结构变化、劳动力市场动态及社会保障体系可持续性具有深远影响。数据集覆盖1991至2027年间的49个亚洲国家，共包含1,804条观测记录，为研究亚洲人口转型、经济发展与劳动政策提供了历时性、跨国的标准化数据基础。其发布填补了亚洲地区高质量、可比性劳动力依赖比数据的空白，推动了区域劳动力经济学和人口学研究的发展。

当前挑战

该数据集所解决的领域核心挑战在于：亚洲各国劳动力依赖比数据长期存在定义不统一、时间序列不完整及跨国可比性差的问题，限制了区域人口红利与老龄化效应的精准评估。构建过程中，ILO需整合来自各国劳动力调查、家庭收入调查等多源异构原始数据，通过国际劳工统计学家会议（ICLS）标准进行协调统一，并在多源并存时择优选取“最佳来源”，确保数据质量与一致性。此外，数据集仅覆盖年度频率，缺少月度或季度细分，且部分国家因数据稀疏导致估计模型不确定性增高，对时间序列预测与政策模拟提出了更高要求。

常用场景

经典使用场景

在劳动经济学与人口学交叉研究领域，劳动力抚养比作为衡量经济生产年龄人口与非生产年龄人口之间结构关系的关键指标，其时间序列数据被广泛用于分析亚洲地区的人口红利演变轨迹。该数据集收纳了1991年至2027年间49个亚洲国家的劳动力抚养比观测值，经由国际劳工组织（ILO）统计部门的模型估算与标准化处理，为研究者提供了跨越近四十年的纵向视角。其最经典的使用场景在于构建面板数据模型，通过固定效应或随机效应分析，揭示劳动力抚养比变化与经济增长、社会保障负担之间的动态关联。同时，由于数据结构清晰规整，研究者可便捷地将其作为时间序列预测模型的输入，利用传统ARIMA或现代深度学习算法，对各国劳动力负担的未来走势进行推演，进而为跨国比较与区域政策研究奠定坚实的数据基础。

解决学术问题

该数据集核心解决了亚洲劳动力市场研究中长期存在的跨国可比性不足与历史数据缺失问题。在学术研究层面，它有效填补了亚洲地区劳动力抚养比统一测算框架的空白，使学者能够摆脱以往依赖零散、标准不一的国家统计数据的困境。借助ILO采用的国际劳动统计学家会议（ICLS）定义进行数据调和，该数据集确保了不同国家间观测值的计量口径一致，从而使得对亚洲各国人口抚养压力进行横向比较成为可能。这一特性显著推动了关于人口年龄结构对劳动生产率、储蓄率以及国际资本流动影响的实证研究。此外，通过提供涵盖过去时点与未来预测的完整序列，它解决了传统研究中因时间窗口限制而难以捕捉长期结构性变迁的痛点，为验证生命周期假说、代际转移理论等经典经济学理论在亚洲语境下的适用性提供了关键数据支柱。

实际应用

在政策分析与公共管理实践中，该数据集具有不可替代的实用价值。各国劳动部门与国际发展机构可依据其中劳动力抚养比的时序走势，精准识别人口结构转型的临界点，为制定延迟退休年龄、调整移民准入政策或优化公共养老金支付体系提供量化依据。例如，当某个亚洲国家的抚养比呈现持续上升态势时，决策者可预见到劳动力供给趋紧与赡养负担加重的双重压力，从而提前布局产业结构升级与自动化技术的推广。在商业领域，跨国公司或咨询机构可利用该数据评估不同亚洲市场的人力成本潜力与消费市场规模变动趋势，支撑其区域投资策略的制定。此外，非政府组织在申请国际发展援助时，亦可引用该数据集的权威来源，以证明特定国家面临的人口抚养挑战，增强项目提案的说服力。

数据集最近研究

最新研究方向

在全球劳动经济学与人口结构变迁的前沿探索中，劳动依赖比率作为衡量经济生产人口与受抚养人口关系的关键指标，正受到日益关注。该数据集聚焦亚洲49国1991至2027年的劳动依赖比率，为剖析区域劳动力市场动态、老龄化进程及可持续发展目标下的体面劳动议题提供了量化基石。结合ILO最新建模估计，研究者可借助时间序列预测与面板数据回归，洞察经济转型期亚洲各国的人口红利消长与代际负担转移。尤其是在后疫情时代全球供应链重构与人口结构加速演变的背景下，该数据为评估亚洲劳动力韧性、制定精准就业政策及推进社会保护体系改革注入了实证血液，助力学界与决策者共绘劳动生态的未来图谱。