electricsheepeurope/europe-ilo-emp-pifl-sex-age-jbt-nb-employment-outside-the-formal-sector-by-sex-age-an

该数据集名为按性别、年龄和工作时间安排划分的非正规部门外就业（千人数）| 欧洲（ILOSTAT），由Electric Sheep Europe重新打包。数据集包含71,967个观测值，覆盖34个欧洲国家，时间跨度为2003年至2025年，涉及1个指标：EMP_PIFL_SEX_AGE_JBT_NB（按性别、年龄和工作时间安排划分的非正规部门外就业，单位为千人数）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为非正规经济。数据集提供了详细的字段，包括国家代码、国家名称、指标代码、指标名称、性别分类（总计、男性、女性）、年龄分类、工作时间安排分类、观测年份、观测值、观测状态标志等。数据以年度频率发布，并包含数据质量说明，如某些指标可能有多个月度或季度序列，但此处仅包含年度数据。数据集适用于表格分类、表格回归和时间序列预测等任务。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 - informal-economy - ilo - labour - employment pretty_name: "按性别、年龄和工作时间安排划分的非正规部门就业人数（千人）| 欧洲（ILOSTAT）" # 按性别、年龄和工作时间安排划分的非正规部门就业人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **71,967条观测值** · **覆盖34个欧洲国家** · **时间跨度为2003–2025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34个欧洲国家的**非正规经济**相关数据，共**71,967条观测值**，时间跨度为**2003–2025年**，仅包含**1项独立指标**。 ## 数据源简介 **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，也是全球领先的劳工统计权威来源。该库整合了就业、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的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查以及行政记录。其数据覆盖全球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。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_JBT_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：非正规经济 ## 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=EMP_PIFL_SEX_AGE_JBT_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。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34个欧洲国家，以下按观测行数降序展示部分国家信息： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MDA` | 3,292 | 2003 | 2025 | | `BIH` | 2,720 | 2006 | 2024 | | `NLD` | 2,626 | 2007 | 2024 | | `POL` | 2,549 | 2007 | 2024 | | `SRB` | 2,538 | 2007 | 2024 | | `ITA` | 2,507 | 2007 | 2024 | | `PRT` | 2,498 | 2007 | 2024 | | `RUS` | 2,496 | 2010 | 2022 | | `LVA` | 2,436 | 2007 | 2024 | | `MKD` | 2,431 | 2009 | 2025 | | `ESP` | 2,424 | 2007 | 2024 | | `FIN` | 2,410 | 2007 | 2024 | | `SWE` | 2,410 | 2007 | 2024 | | `BGR` | 2,335 | 2007 | 2024 | | `FRA` | 2,328 | 2007 | 2024 | | ... | _19 more countries_ | | | ## 指标（示例） - `EMP_PIFL_SEX_AGE_JBT_NB` — 按性别、年龄和工作时间安排划分的非正规部门就业人数（千人） ## 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 | `AUT` | | `ref_area.label` | `string` | 英文国家名称 | `Austria` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BB:275` | | `source.label` | `string` | 英文来源名称 | `HIES - EU Statistics on Income and Li…` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_PIFL_SEX_AGE_JBT_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment outside the formal sector …` | | `sex` | `string` | 性别维度细分（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `classif2` | `string` | 可选第二分类变量 | `JBT_TIME_TOTAL` | | `classif2.label` | `string` | — | `Working time arrangement: Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，详见指标定义） | `157.365` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C6:1058` | | `note_classif.label` | `string` | — | `Nonstandard age group: Excluding age 15` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513_T2:85` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`, `SEX_M`, `SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率数据。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。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`, `classif1`, `classif2`）仅在指标支持对应细分维度时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-pifl-sex-age-jbt-nb-employment-outside-the-formal-sector-by-sex-age-an") df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_PIFL_SEX_AGE_JBT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_SEX_AGE_JBT_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_SEX_AGE_JBT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_pifl_sex_age_jbt_nb_employment_outside_the_formal_sector_by_sex_age_an_2025, title = {按性别、年龄和工作时间安排划分的非正规部门就业人数（千人）| 欧洲（ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_JBT_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-pifl-sex-age-jbt-nb-employment-outside-the-formal-sector-by-sex-age-an}} } ## 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HuggingFace平台上构建一套统一的、可供机器学习直接使用的欧洲地区数据层。我们从权威开源数据源拉取数据，对数据结构进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-26通过Electric Sheep流水线摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_JBT_NB_

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织旗舰数据库ILOSTAT，通过其REST API直接抽取指标EMP_PIFL_SEX_AGE_JBT_NB的原始记录，并以欧洲ISO3国家代码为筛选条件进行子集化。ILOSTAT依据国际劳工统计学家会议（ICLS）标准对各国劳动力调查、家庭收入调查等微观数据进行统一调和，每条观测均标注来源标签以保障可追溯性。最终由Electric Sheep Europe重新封装为HuggingFace数据集，采用Parquet格式存储并配套标准化数据卡，形成覆盖34个欧洲国家、2003至2025年间71,967条观测的即用型表格资源。

使用方法

研究者可借助HuggingFace datasets库以一行代码加载数据并转换为Pandas数据框，进而按国家、指标或时间维度进行过滤、排序与聚合。典型操作包括筛选单一国家子集、针对特定指标绘制时间序列图，或以透视表形式重构国家与年份的矩阵结构。数据亦可直接用于表格分类、回归与时间序列预测等任务，并建议在学术使用中同时引用国际劳工组织原始来源与Electric Sheep Europe的再封装工作，以符合CC-BY-4.0许可的署名要求。

背景与挑战

背景概述

非正规经济就业的测度长期构成劳动统计领域的核心议题，国际劳工组织（ILO）自二十世纪末推动国际劳工统计学家会议（ICLS）标准，以期在跨国层面确立可比框架。ILOSTAT作为全球劳动统计的权威数据库，持续汇编包括非正规部门就业在内的多项指标，其数据源自各国劳动力调查、住户收入调查及行政记录。本数据集由Electric Sheep Europe于2026年经ILOSTAT REST API采集并重新封装，覆盖34个欧洲国家2003至2025年的71,967条观测记录，聚焦按性别、年龄与工作时间安排分类的非正规部门外就业规模。该数据集为劳动经济学、社会政策评估与非正规经济研究提供了细粒度、长时段的地理面板数据基础。

当前挑战

该数据集所应对的领域问题在于非正规就业的跨国可比测度，其挑战根源于各国对非正规部门定义、调查工具与抽样框架的异质性，易导致指标口径的系统性偏误。构建过程中的具体挑战包括：ILOSTAT对多源微观数据进行ICLS口径的标准化调和时，需在保持统计严谨性与覆盖广度之间取得平衡；观测状态标志（如临时值、不可靠值）及系列断裂注释（如方法修订）的普遍存在，要求使用者在建模与推断中审慎处理数据质量异质性；部分国家时间序列起始年份较晚或存在年度缺失，对长时段趋势分析与跨期比较构成限制；性别、年龄与工作时间的多维交叉分类在稀疏单元格中可能引发估计稳定性不足的问题。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集以欧洲34国2003至2025年非正规部门就业的性别、年龄与工作时间安排三维度面板数据为核心，支撑跨时空比较分析。经典用法包括：构建非正规就业率的性别差距时间序列，剖析青年与成年群体在非正规就业中的分布差异，以及利用工作时间安排分类（全职、兼职等）解构非正规就业的结构性特征。研究者常将观测值转换为标准化就业率，进而拟合面板回归模型或时间序列预测模型，识别非正规就业的周期波动与长期趋势。

解决学术问题

该数据集为长期困扰学界的非正规就业测量与跨国比较问题提供了标准化方案。ILO依据国际劳工统计学家会议定义对微观调查数据进行统一调和，显著缓解了各国非正规部门定义异质、统计口径不一所致的比较偏误。研究者得以在此基础上检验非正规就业与性别不平等、年龄分层、工作时间偏好之间的理论假设，评估劳动力市场制度变革对非正规就业规模的影响。数据集亦为探究经济周期、政策干预与非正规就业动态关系提供了高粒度证据，推动了非正规经济理论从描述性向因果推断的纵深发展。

实际应用

该数据集在政策制定与社会治理中具有显著实用价值。国际组织与欧洲各国劳工部门可借此监测非正规就业的规模演变与群体分布，精准识别脆弱就业群体，为社会保障擴面、劳动监察资源配置提供量化依据。在学术与咨询领域，研究者可将其作为基准数据，评估最低工资调整、非标准就业法规等政策对非正规就业的潜在冲击。同时，该数据集亦服务于企业人力资源战略分析，帮助理解不同性别与年龄组在非正规劳动力市场中的供给特征，为灵活用工决策提供参考。

数据集最近研究

最新研究方向

在全球非正规经济持续扩张与劳动力市场结构性转型的背景下，该数据集凭借其覆盖34个欧洲国家、跨越2003至2025年的71,967条观测记录，为刻画非正规部门就业的性别与年龄异质性提供了弥足珍贵的跨国面板数据。当前前沿研究聚焦于运用时间序列预测与面板回归方法，揭示非正规就业在性别差距、青年与成年劳动者分化以及工作时间安排差异等多维度的演化规律，并与ILO体面劳动议程及联合国可持续发展目标8的监测需求深度衔接。相关热点议题涵盖后疫情时代非正规就业的韧性评估、东欧与南欧国家非正规经济规模的收敛性检验，以及方法论修订所引致的序列断点校正。该数据集对于推动非正规经济核算标准化、支撑欧洲就业政策精准制定具有重要的实证价值与政策意涵。