electricsheepasia/asia-ilo-ged-xlu1-sex-hht-geo-rt-prime-age-unemployment-rate-by-sex-household-type

该数据集包含亚洲地区25个国家的黄金年龄失业率数据，按性别、家庭类型和城乡区域进行划分。数据涵盖2000年至2025年，共9,392个观测值，核心指标为GED_XLU1_SEX_HHT_GEO_RT，表示黄金年龄失业率（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并经过标准化处理，确保符合国际劳工统计学家会议（ICLS）定义。数据集包括国家代码、来源信息、指标代码、性别分类（如总计、男性、女性）、家庭类型分类、区域类型分类、观测年份、观测值及数据状态等列，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并提供了数据质量说明和使用示例，方便研究人员和开发者进行机器学习分析。license: cc-by-4.0 language: - en task_categories: - tabular-classification（表格分类） - tabular-regression（表格回归） - time-series-forecasting（时间序列预测） multilinguality: monolingual（单语言） size_categories: - 1K<n<10K（样本量介于1000至10000之间） tags: - tabular（表格数据） - asia（亚洲） - ilostat（ILOSTAT） - unemployment（失业） - ilo（ILO） - labour（劳动） - employment（就业） pretty_name: "按性别、家庭类型及城乡区域划分的壮年失业率（%）| 亚洲（ILOSTAT）" # 按性别、家庭类型及城乡区域划分的壮年失业率（%）| 亚洲（ILOSTAT） 🌏 **9,392 条观测样本** · **25 个亚洲国家** · **2000–2025** · *由 [Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新封装*      ## 核心概览 本数据集包含覆盖**25个亚洲国家**的**失业**相关数据，共计**9,392条观测样本**，时间跨度为**2000–2025年**，涵盖**1项独立指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，也是全球领先的劳动统计权威来源。其收录的指标涵盖就业、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（SDGs）的体面工作目标——数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录，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整合。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU1_SEX_HHT_GEO_RT) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **授权协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：失业 ## 数据处理流程 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=GED_XLU1_SEX_HHT_GEO_RT`拉取原始数据，并筛选出亚洲地区的ISO3国家代码子集。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整合；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 25个亚洲国家，以下按样本量排序展示前10条记录： | 国家 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 998 | 2000 | 2020 | | `PHL` | 918 | 2007 | 2023 | | `ARM` | 874 | 2001 | 2023 | | `PAK` | 669 | 2005 | 2025 | | `IND` | 644 | 2000 | 2024 | | `MNG` | 642 | 2003 | 2018 | | `LKA` | 600 | 2010 | 2022 | | `TUR` | 593 | 2000 | 2013 | | `KHM` | 531 | 2000 | 2023 | | `VNM` | 485 | 2007 | 2024 | | `THA` | 446 | 2007 | 2021 | | `BTN` | 338 | 2018 | 2024 | | `BGD` | 263 | 2006 | 2017 | | `MMR` | 220 | 2015 | 2020 | | `TLS` | 189 | 2001 | 2016 | | ... | _另外10个国家_ | | | ## 指标（示例） - `GED_XLU1_SEX_HHT_GEO_RT` — 按性别、家庭类型及城乡区域划分的壮年失业率（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `AFG` | | `ref_area.label` | `string` | 英语国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英语来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `GED_XLU1_SEX_HHT_GEO_RT` | | `indicator.label` | `string` | 英语指标名称 | `Prime-age unemployment rate by sex, h…` | | `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` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Household type: Total` | | `classif2` | `string` | 可选第二分类变量 | `GEO_COV_NAT` | | `classif2.label` | `string` | — | `Area type: National` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `4.665` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I20:4147` | | `note_indicator.label` | `string` | — | `Employment definition: Other nonstand…` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `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4种唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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，此类数据未包含在本数据集中。 - 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维度时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ged-xlu1-sex-hht-geo-rt-prime-age-unemployment-rate-by-sex-household-type") 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数据 python sample = (df[df["indicator"] == "GED_XLU1_SEX_HHT_GEO_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_XLU1_SEX_HHT_GEO_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "GED_XLU1_SEX_HHT_GEO_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ged_xlu1_sex_hht_geo_rt_prime_age_unemployment_rate_by_sex_household_type_2025, title = {Prime-age unemployment rate by sex, household type and rural / urban areas (%) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU1_SEX_HHT_GEO_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ged-xlu1-sex-hht-geo-rt-prime-age-unemployment-rate-by-sex-household-type}} } ## 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（International Labour Organization, 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 Asia的重新封装版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的亚洲分支，旨在为HuggingFace平台构建统一的、适配机器学习的亚洲地区数据层。我们从权威开放数据源拉取数据，标准化数据结构，以Parquet格式封装，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/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据来源追溯：2026-05-26通过Electric Sheep管道摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU1_SEX_HHT_GEO_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，采用其REST API接口（https://rplumber.ilo.org/data/indicator?id=GED_XLU1_SEX_HHT_GEO_RT）直接提取原始数据，并依据ISO3国家代码筛选出亚洲区域记录。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行标准化调和，Electric Sheep Asia在此基础上进行再打包，统一schema并发布为Parquet格式，最终形成覆盖25个亚洲国家、2000至2025年间9392条观测值的结构化数据集，以供机器学习与统计分析使用。

使用方法

使用者可通过HuggingFace datasets库以一行代码加载数据集并转换为Pandas数据框，进而开展过滤、时间序列分析与交叉表构建等操作。典型用法包括按ref_area字段筛选特定国家（如印度尼西亚IDN），针对指标代码GED_XLU1_SEX_HHT_GEO_RT提取单一指标的时间序列并绘制趋势图，或利用pivot_table将数据重塑为国家×年份矩阵以进行横向比较。数据集适用于表格分类、回归及时间序列预测等任务，并遵循CC-BY-4.0许可协议，使用时需同时引用ILO原始来源与Electric Sheep Asia的再打包工作。

背景与挑战

背景概述

国际劳工组织（ILO）自成立以来始终致力于全球劳动力市场统计的标准化与可比较性，其维护的ILOSTAT数据库是劳动经济学与就业政策研究领域最具权威性的跨国数据来源之一。在此基础上，Electric Sheep Asia于2025年对ILOSTAT原始数据进行系统性重封装，发布了覆盖25个亚洲国家、时间跨度为2000至2025年的亚裔壮龄人口失业率数据集。该数据集以性别、家庭类型及城乡地域为分类维度，为探究亚洲地区劳动力市场结构性差异提供了精细化的观测基础，对区域就业政策评估与不平等研究具有重要参考价值。

当前挑战

壮龄人口失业率的跨国比较研究长期面临统计口径异质性、分类维度稀疏以及观测值可靠性参差等固有难题，不同国家劳动力调查在就业定义、家庭类型划分与城乡界定上存在显著差异。数据集构建过程中需应对ILOSTAT多源异构数据的协调与筛选，部分国家与年份存在观测值缺失或标记为不可靠的状况，家庭类型与城乡交叉分类条件下样本量进一步稀疏，加之各年份数据发布频率与时效不一，给趋势分析与模型训练带来了不容忽视的不确定性。

常用场景

经典使用场景

在劳动经济学与人口统计学交叉领域，该数据集最经典的使用场景在于构建亚洲二十五国黄金年龄（prime-age）劳动力群体的失业率面板数据，通过性别、家庭类型与城乡地域三重维度进行精细化解析。研究者借助其时间序列结构，可执行跨国比较、趋势分解与断点识别等分析任务，尤其适用于考察家庭结构变迁与城乡二元格局如何交互塑造不同性别群体的就业脆弱性。

解决学术问题

该数据集直面劳动统计研究中长期存在的两个核心难题：一是黄金年龄失业率在性别与家庭类型间的异质性常被总体失业指标所掩盖，二是城乡地域分割导致的空间不平等缺乏统一口径的跨国可比证据。凭借ILO标准化调和框架与ICLS定义，它为检验家庭照料负担假说、城乡劳动力市场分割理论以及性别就业差距的演变机制提供了严格的数据基础，显著提升了亚洲区域比较研究的效度与可复现性。

实际应用

在政策实践层面，该数据集为各国劳工部门、国际发展机构及社会保障研究者提供了精准施策的量化依据。用户可通过筛选特定国家与年份，识别黄金年龄女性在特定家庭类型下的失业高地，进而设计托幼支持、农村就业促进或性别包容性劳动力市场项目。其简洁的API调用方式与表格化结构也使数据新闻、可视化仪表盘及政策简报的快速生成成为可能。

数据集最近研究

最新研究方向

该数据集的最新研究方向聚焦于运用时间序列预测与因果推断方法，探究亚洲地区25国在2000至2025年间，不同性别、家庭类型及城乡区域下prime-age失业率的动态演化与结构性差异。研究热点包括结合ILOSTAT微观调查数据与宏观政策变量，评估金融危机、疫情冲击等事件对弱势群体失业的异质性影响，并借助可解释机器学习模型识别关键驱动因素。此方向不仅拓展了劳动经济学中家庭与空间维度失业分析的深度，也为实现SDG体面工作目标提供了精细化监测工具，对区域劳动力市场政策制定具有重要参考意义。