electricsheepeurope/europe-ilo-eip-xplf-sex-dsb-nb-potential-labour-force-by-sex-and-disability-statu

该数据集包含来自国际劳工组织（ILO）统计数据库（ILOSTAT）的欧洲国家按性别和残疾状况划分的潜在劳动力数据（以千计）。数据涵盖5个欧洲国家（包括英国、波兰、摩尔多瓦、阿尔巴尼亚和塞尔维亚），时间跨度为2002年至2025年，共321个观测值。数据集聚焦于单一指标“EIP_XPLF_SEX_DSB_NB”，该指标衡量潜在劳动力规模，并提供了按性别（总计、男性、女性）和残疾状况的分类维度。数据以表格形式组织，包含国家代码、来源信息、指标标签、观测年份、数值以及数据状态等列，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一的机器学习就绪数据层，并遵循CC-BY-4.0许可证发布。--- license: 知识共享署名4.0国际许可协议（CC BY 4.0） language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 样本数少于1000 tags: - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 劳动力非充分利用其他衡量指标 - ILO（国际劳工组织） - 劳动力 - 就业 pretty_name: "按性别与残疾状况划分的潜在劳动力（千人） | 欧洲（ILOSTAT）" --- # 按性别与残疾状况划分的潜在劳动力（千人） | 欧洲（ILOSTAT） 🇪🇺 **321条观测样本** · **5个欧洲国家** · **2002–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 简短摘要（TL;DR） 本数据集包含覆盖**5个欧洲国家**的**劳动力非充分利用其他衡量指标**数据，共**321条观测样本**，时间跨度为**2002–2025年**，仅涉及**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（International Labour Organization, ILO）的核心统计数据库，也是全球领先的劳动力统计数据来源。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（Sustainable Development Goals, SDG）体面工作相关指标，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=EIP_XPLF_SEX_DSB_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：劳动力非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_XPLF_SEX_DSB_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（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；数据来源将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖5个欧洲国家，以下按样本行数排序展示前几位国家： | 国家代码 | 样本行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GBR` | 171 | 2005 | 2025 | | `POL` | 54 | 2015 | 2020 | | `MDA` | 51 | 2018 | 2025 | | `ALB` | 36 | 2002 | 2012 | | `SRB` | 9 | 2007 | 2007 | ## 指标示例 - `EIP_XPLF_SEX_DSB_NB` — 按性别与残疾状况划分的潜在劳动力（千人） ## 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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BB:7401` | | `source.label` | `string` | 英文来源名称 | `HIES - 生活水平调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_XPLF_SEX_DSB_NB` | | `indicator.label` | `string` | 英文指标名称 | `Potential labour force by sex and dis…` | | `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、身份等） | `DSB_STATUS_TOTAL` | | `classif1.label` | `string` | — | `Disability status: Total` | | `time` | `int64` | 观测年份 | `2012` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `174.181` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `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统计司 - 微观数据…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 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，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来源，将采用国际劳工组织选定的“最优来源”数据。 - 仅当指标支持对应细分维度时，细分字段（`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-xplf-sex-dsb-nb-potential-labour-force-by-sex-and-disability-statu") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列分析 python sample = (df[df["indicator"] == "EIP_XPLF_SEX_DSB_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_XPLF_SEX_DSB_NB") ### 转换为国家×年份透视矩阵 python matrix = (df[df["indicator"] == "EIP_XPLF_SEX_DSB_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_eip_xplf_sex_dsb_nb_potential_labour_force_by_sex_and_disability_statu_2025, title = {Potential labour force by sex and disability status (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_DSB_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-eip-xplf-sex-dsb-nb-potential-labour-force-by-sex-and-disability-statu}} } ## 许可证 本数据集基于[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。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来源与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：该项目旨在为HuggingFace平台上的欧洲数据提供统一、适配机器学习的标准化数据层。我们从权威开放数据源拉取数据，对数据结构（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，以便研究人员与开发者仅需调用`load_dataset()`即可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：2026-05-27通过Electric Sheep数据管线摄入。原始数据链接：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_DSB_NB_

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队通过ILOSTAT REST API直接获取原始数据，并基于欧洲ISO3国家代码进行地理过滤。数据来源于国际劳工组织（ILO）的中央统计数据库，涵盖2002年至2025年期间欧洲5个国家的劳动力利用不足相关指标。构建过程遵循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处理，并通过`source.label`列标记数据源，确保数据可追溯性。数据集以Parquet格式封装，通过HuggingFace Datasets库提供标准化访问接口。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset`函数直接加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型用法包括按国家筛选数据、对特定指标进行时间序列分析，以及将数据透视转换为国家×年份的矩阵形式。数据集支持分类、回归和时间序列预测等任务，适合用于劳动力市场研究、政策评估及社会经济分析等领域。用户在使用时需注明原始数据来源和Electric Sheep Europe的重新封装工作。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年发布，经Electric Sheep Europe重新打包至HuggingFace平台，聚焦欧洲5国2002至2025年间按性别和残疾状态划分的潜在劳动力规模（单位：千）。核心研究问题在于量化劳动力市场中的未充分利用现象，特别关注残疾人群体的参与障碍与性别差异化影响。作为ILOSTAT数据库的子集，其数据源自各国劳动力调查与行政记录，经ILO统计部门依据国际劳工统计学家会议定义进行标准化处理，为政策制定者与研究者提供了分析劳动力边缘化群体的可靠工具。该数据集在劳动力经济学、社会政策评估及可持续发展目标监测领域具有关键价值，尤其服务于SDG中体面工作与包容性增长的指标追踪，填补了欧洲层面残疾人口劳动力指标的精细化空白。

当前挑战

该数据集面临的核心挑战包括：一是劳动力未充分利用的测量复杂性，潜在劳动力涵盖失业者与边缘附着人群，其定义在不同国家调查中可能存在口径差异，导致跨国可比性受限；二是残疾状态分类变量（DSB_STATUS）的标准化难题，各国对残疾的界定标准与数据采集方式尚未统一，使得跨区域聚合时面临一致性考验；三是数据稀疏性问题，仅覆盖5个欧洲国家且部分国家观测年份不连续（如塞尔维亚仅1年数据），限制了时序分析与面板回归的统计效力；四是数据质量标注（如obs_status中“U”标识不可靠值）指出了部分数据源存在波动性，需在建模时谨慎处理异常值对趋势推断的干扰。

常用场景

经典使用场景

该数据集收录了2002至2025年间欧洲五国（阿尔巴尼亚、摩尔多瓦、波兰、塞尔维亚及英国）按性别和残疾状况分层的潜在劳动力人口数据，共321条观测值。其核心用途在于评估劳动年龄人口中因各种原因（如健康障碍、家庭责任或教育参与）而未被纳入传统失业统计的群体规模。研究者常借助该数据构建面板回归模型，分析残疾状态与劳动参与率的动态关系，或通过时间序列分解方法捕捉欧洲各国劳动力利用不足模式的长期演变。性别维度的纳入更使其成为探讨劳动力市场性别不平等与残疾人就业融合政策的理想素材。

解决学术问题

该数据集精准回应了劳动经济学中‘非标准劳动利用’测量的方法论困境。传统失业率指标难以捕捉‘潜在劳动力’——即有工作意愿但因结构性障碍（如残疾）而未积极求职的群体。通过提供ILO统一的国际分类标准（ICLS）与纵向可比数据，该数据集使学者得以量化残疾对劳动力参与门槛的制约效应，并评估欧洲各国福利政策与就业支持计划的实施效果。其贡献在于弥合了宏观就业统计与微观能力障碍之间的实证鸿沟，为体面工作指标（SDG 8.5）的跨国监测提供了关键证据。

实际应用

在实际应用中，数据集可直接服务于政策制定者的证据驱动决策。例如，劳动部门可利用其分析残疾人就业支持项目的投入产出效率，或根据性别与残疾状况的交叉分布优化职业培训资源配置。国际组织如ILO或欧盟统计局可将其整合至劳动力市场记分牌系统，动态追踪各国‘潜在劳动力’规模的变化趋势。此外，企业社会责任部门可借助该数据对标同行国家的残疾人雇佣表现，设计更包容的人力资源策略。数据以CSV/Parquet格式通过HuggingFace分发，支持Python及R语言快速预处理，便于垂直部署至政策评估仪表盘。

数据集最近研究

最新研究方向

在欧洲劳动力市场研究中，该数据集为探讨残疾状况与性别维度下的潜在劳动力规模提供了关键数据支撑。当前前沿方向聚焦于利用时间序列分析揭示2002至2025年间欧洲五国潜在劳动力的动态演变规律，并结合ILOSTAT的标准化方法论，量化残疾群体在劳动力边缘化中的结构性差异。这一方向与联合国2030年可持续发展议程中“体面工作与经济增长”及“减少不平等”目标紧密相连，尤其在新冠疫情后，数据集为评估残疾人士劳动力复苏的韧性及政策干预效果提供了实证基础，推动了包容性就业政策的循证制定。