electricsheepeurope/europe-ilo-luu-xlu4-sex-rt-composite-rate-of-labour-underutilization-lu4-by-s

该数据集包含欧洲37个国家从1991年至2025年的劳动力利用不足综合率（LU4）按性别（%）的统计数据，共2,334个观测值。数据来源于国际劳工组织（ILOSTAT）数据库，通过API获取并过滤为欧洲国家数据，涵盖一个核心指标：LUU_XLU4_SEX_RT（按性别划分的劳动力利用不足综合率）。数据集字段包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年份、观测值、观测状态及相关注释，适用于表格分类、回归分析和时间序列预测等任务。数据经过国际劳工统计学家会议（ICLS）定义统一处理，并标注了数据来源以便追溯。许可证：CC BY 4.0（知识共享署名4.0国际许可协议） 语言：英语 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： - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 劳动力未充分利用其他衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 数据集名称：按性别划分的劳动力未充分利用综合率（LU4，单位：%）| 欧洲（ILOSTAT） # 按性别划分的劳动力未充分利用综合率（LU4，单位：%）| 欧洲（ILOSTAT） 🇪🇺 **2334条观测数据** · **37个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 简短摘要（TL;DR） 本数据集包含覆盖37个欧洲国家、时间跨度为1991至2025年的**2334条观测数据**，涉及**1项独特指标**的「劳动力未充分利用其他衡量指标」相关数据。 ## 数据源说明 **ILOSTAT**（国际劳工组织统计数据库）是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，也是全球领先的劳动力统计权威来源。其整合了就业、失业、工资、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的指标，数据来源于全国劳动力调查、家庭收入调查、企业调查及行政记录。该数据库覆盖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。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_RT) - **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**：劳动力未充分利用其他衡量指标 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=LUU_XLU4_SEX_RT`拉取，并筛选出欧洲地区的ISO3国家代码。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；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 37个欧洲国家 · 以下为按行数量排序的前若干行示例： | 国家 | 行数量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `AUT` | 84 | 1998 | 2025 | | `PRT` | 84 | 1998 | 2025 | | `ESP` | 81 | 1999 | 2025 | | `EST` | 81 | 1998 | 2024 | | `GBR` | 81 | 1999 | 2025 | | `FRA` | 81 | 1998 | 2024 | | `FIN` | 78 | 1999 | 2024 | | `LUX` | 78 | 1999 | 2024 | | `BEL` | 78 | 1999 | 2024 | | `HUN` | 78 | 1999 | 2024 | | `DNK` | 75 | 2000 | 2024 | | `NLD` | 75 | 2000 | 2024 | | `BGR` | 72 | 2001 | 2024 | | `LVA` | 72 | 2001 | 2024 | | `LTU` | 72 | 2001 | 2024 | | ... | 其余22个国家 | | | ## 指标（示例） - `LUU_XLU4_SEX_RT` — 按性别划分的劳动力未充分利用综合率（LU4，单位：%） ## 数据结构（Schema） | 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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania`（阿尔巴尼亚） | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `LUU_XLU4_SEX_RT` | | `indicator.label` | `string` | 英文指标名称 | `Composite rate of labour underutiliza…` | | `sex` | `string` | 按性别划分的细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位依指标定义而定） | `13.165` | | `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_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。 - 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。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-luu-xlu4-sex-rt-composite-rate-of-labour-underutilization-lu4-by-s") df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "LUU_XLU4_SEX_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LUU_XLU4_SEX_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "LUU_XLU4_SEX_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_luu_xlu4_sex_rt_composite_rate_of_labour_underutilization_lu4_by_s_2025, title = {Composite rate of labour underutilization (LU4) by sex (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-xlu4-sex-rt-composite-rate-of-labour-underutilization-lu4-by-s}} } ## 许可证 本数据集采用[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（ILO）所有。使用本数据集时，请同时引用上述原始来源及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：该项目旨在打造HuggingFace上面向欧洲的统一、可直接用于机器学习的数据层。我们从权威开源数据源获取数据，对Schema进行标准化，封装为Parquet格式，并发布为格式统一的数据集卡片，以便研究人员和开发者仅需使用`load_dataset()`即可在数秒内开始工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_RT_

搜集汇总

数据集介绍

构建方式

该数据集由国际劳工组织（ILO）的ILOSTAT数据库经Electric Sheep Europe团队重新打包而成。数据通过ILOSTAT REST API直接抽取，筛选出欧洲37个国家的ISO3国家代码，涵盖1991至2025年的年度观测值。原始数据基于各国劳动力调查、住户收入调查、机构调查及行政记录，采用国际劳工统计学家会议（ICLS）定义进行统一协调和标准化处理，并在source.label字段中标注数据来源以保证可追溯性。最终形成包含2,334条观测记录的表格型数据集。

特点

数据集聚焦于欧洲地区劳动力未充分利用的综合指标（LU4），按性别（总计、男性、女性）进行分层统计，共有1个核心指标。其特点在于覆盖了37个欧洲国家长达35年的年度时间序列数据，数据结构清晰，包含国家代码、指标名称、观测值、数据状态及注释等16个字段，并提供了数据质量标记，如序列中断、临时性数据等。数据集采用CC-BY-4.0许可协议，便于学术研究和政策分析。

使用方法

用户可通过Hugging Face的datasets库直接加载数据，使用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续分析。典型应用包括按国家筛选子集、按指标绘制时间序列图，以及将数据透视形成国家×年份的矩阵进行横向对比。由于数据以Parquet格式存储，加载速度快且内存友好，适合进行劳动力市场的历史趋势分析、跨国产出比较及性别差异研究等场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，经Electric Sheep Europe重新封装后发布于HuggingFace平台，专注于呈现欧洲地区劳动力利用不足的综合率（LU4）在不同性别维度上的分布情况。数据集覆盖37个欧洲国家，时间跨度从1991年至2025年，包含2334条观测记录，核心指标为LUU_XLU4_SEX_RT。其研究背景根植于全球劳动力市场监测与可持续发展目标（SDG）中关于体面工作的量化评估需求，为政策制定者、经济学家及社会科学研究者提供了标准化、可比较的劳动力利用不足度量工具，尤其有助于识别不同性别群体在就业质量上的差异。该数据集依托ILOSTAT这一权威劳动统计数据库，采用国际劳工统计学家会议（ICLS）定义进行数据协调，确保了跨国家、跨时间序列数据的可比性与可靠性。

当前挑战

该数据集的挑战首先体现在所解决的领域问题上：劳动力利用不足的传统指标如失业率无法全面反映隐蔽性失业、时间相关就业不足及潜在劳动力群体，LU4综合率的设计虽填补了这一空白，但在跨国比较中仍需处理各国劳动力调查定义、调查周期及数据质量存在差异的难题。其次，数据构建过程中面临多重挑战，包括跨年度数据因方法论修订（如指标注释中的“Break in series”）导致时间序列不连续，需通过风险标注字段标记状态；多来源数据下ILO选取“最佳来源”的决策过程透明度有限，可能影响用户对特定国家数据一致性的判断；以及按性别维度细分的观测值在部分年份与国家可能因样本量不足而缺失，增加了性别差异化分析的局限性。

常用场景

经典使用场景

劳动资源错配与闲置现象是欧洲劳动力市场研究的核心议题，该数据集聚焦于综合劳动力利用不足率（LU4），涵盖1991至2025年间37个欧洲国家的按性别分列的时间序列观测值。最经典的使用场景在于构建跨国民间劳动力利用程度的比较框架，研究者可借助该数据对各国劳动力闲置的长期趋势进行纵贯分析，并通过性别维度的分解，揭示男性与女性在劳动力市场融入程度上的结构性差异。其年度观测频率与标准化的ILOSTAT指标定义，为面板数据建模提供了可靠基础，特别适用于追踪欧洲一体化进程中劳动力市场的收敛或分化动态。

实际应用

在实际政策评估与社会经济监测中，该数据集为欧洲各国劳动部门及国际组织（如欧盟委员会、国际劳工组织）提供了关键决策依据。具体应用场景包括：评估欧盟就业指南实施效果，通过追踪LU4指标的变动来诊断区域劳动力市场健康度；预测社会保障支出压力，因为劳动力利用不足率的上升往往与社会福利需求膨胀密切相关；以及指导职业培训资源的定向投放——当性别间的LU4差异扩大时，提示需针对女性群体设计更有效的就业支持政策。此外，该数据还嵌入至宏观经济预警系统，辅助识别劳动力市场疲软的早期信号，从而为货币与财政政策的逆周期调节提供微观证据。

衍生相关工作

基于该数据集衍生出的经典工作涵盖了劳动力市场监测仪表盘、时空计量分析模型以及多指标融合的预测框架。例如，研究者将其与失业率、劳动参与率等互补指标结合，构建了‘劳动力市场疲软综合征’综合指数，用于比较欧洲国家的闲置劳动力储备规模。另一些工作利用该数据训练时序预测模型（如Prophet、LSTM），以提前预警LU4的异动拐点。在经济学文献中，已有学者将LU4分解为周期性与结构性成分，并量化了性别平等政策对缩减劳动力利用不足性别鸿沟的边际贡献。这些衍生产品不仅深化了对欧洲劳动力市场运行机制的理解，也为全球可比性劳动统计的标准化研究提供了经验基准。