electricsheepeurope/europe-ilo-luu-2lu2-sex-rt-combined-rate-of-time-related-underemployment-and

该数据集包含按性别划分的时间相关就业不足和失业综合率（LU2）的ILO模拟估计数据，覆盖欧洲39个国家，时间跨度为2005年至2027年，共有2,673个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家。数据集包含国家代码、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、观测值及其状态等列，用于分析和比较欧洲各国劳动力市场中的就业不足和失业情况。数据以年度频率发布，并经过ILO的标准化处理，确保数据可比性和质量。许可证：知识共享署名4.0（CC BY 4.0） 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言类型：单语言 数据规模： - 1000 < 观测数 < 10000 标签： - 表格数据 - 欧洲 - ILOSTAT - 其他劳动力利用不足衡量指标 - 国际劳工组织（ILO） - 劳动力 - 就业 数据集友好名称："分性别的时间型不充分就业与失业综合率（LU2）——国际劳工组织建模估计 | 欧洲（ILOSTAT）" # 分性别的时间型不充分就业与失业综合率（LU2）——国际劳工组织建模估计 | 欧洲（ILOSTAT） 🇪🇺 **2673条观测数据** · **39个欧洲国家** · **2005–2027年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 快速概览（TL;DR） 本数据集包含**2673条**关于**劳动力利用不足其他衡量指标**的观测数据，覆盖**39个欧洲国家**，时间跨度为**2005–2027年**，包含**1个独立指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的中央统计数据库，为全球领先的劳动力统计权威数据源。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体面工作目标等全品类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查与行政记录。该数据库覆盖超过200个经济体，由国际劳工组织统计部门负责数据统一协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_2LU2_SEX_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[知识共享署名4.0（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/) - **主题**：其他劳动力利用不足衡量指标 ## 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_2LU2_SEX_RT`拉取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家编码对应的数据集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians）制定的标准定义，对原始调查微观数据进行统一协调；数据来源将在`source.label`列中标记，以确保可追溯性。 ## 地理覆盖范围 39个欧洲国家，以下为按行数排序的前若干行示例： | 国家 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ALB` | 69 | 2005 | 2027 | | `AUT` | 69 | 2005 | 2027 | | `BEL` | 69 | 2005 | 2027 | | `BGR` | 69 | 2005 | 2027 | | `BIH` | 69 | 2005 | 2027 | | `BLR` | 69 | 2005 | 2027 | | `CHE` | 69 | 2005 | 2027 | | `CZE` | 69 | 2005 | 2027 | | `DEU` | 69 | 2005 | 2027 | | `DNK` | 69 | 2005 | 2027 | | `ESP` | 69 | 2005 | 2027 | | `EST` | 69 | 2005 | 2027 | | `FIN` | 69 | 2005 | 2027 | | `FRA` | 69 | 2005 | 2027 | | `GBR` | 69 | 2005 | 2027 | | ... | _另有24个国家_ | | | ## 指标示例 - `LUU_2LU2_SEX_RT` — 分性别的时间型不充分就业与失业综合率（LU2），国际劳工组织2025年11月建模估计值（百分比） ## 数据结构（Schema） | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania`（阿尔巴尼亚） | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `XA:2137` | | `source.label` | `string` | 英文数据源名称 | `ILO - 建模估计值` | | `indicator` | `string` | ILOSTAT指标代码 | `LUU_2LU2_SEX_RT` | | `indicator.label` | `string` | 英文指标名称 | `Combined rate of time-related underem…` | | `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` | — | `总计` | | `time` | `int64` | 观测年份 | `2027` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `14.708` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `R` | | `obs_status.label` | `string` | — | `实际值` | ## 细分维度 以下列提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集仅包含年度频率数据，部分指标发布的月度或季度序列未纳入其中。 - 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」。 - 细分列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时非空。 ## 使用示例 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepeurope/europe-ilo-luu-2lu2-sex-rt-combined-rate-of-time-related-underemployment-and") # 将训练集转换为Pandas数据框 df = ds["train"].to_pandas() # 打印数据框前5行 print(df.head()) ### 筛选单个国家数据 python # 筛选德国数据 germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python # 筛选目标指标并按年份排序 sample = (df[df["indicator"] == "LUU_2LU2_SEX_RT"] .sort_values("time")) # 绘制时间序列图 sample.plot(x="time", y="obs_value", title="LUU_2LU2_SEX_RT") ### 转换为国家×年份矩阵 python # 构建透视表，以年份为行、国家为列、指标值为值 matrix = (df[df["indicator"] == "LUU_2LU2_SEX_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) # 打印矩阵最后5行 print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_luu_2lu2_sex_rt_combined_rate_of_time_related_underemployment_and_2027, title = {Combined rate of time-related underemployment and unemployment (LU2) by sex -- ILO modelle | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2027}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_2LU2_SEX_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-2lu2-sex-rt-combined-rate-of-time-related-underemployment-and}} } ## 许可证 本数据集采用[知识共享署名4.0（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/)协议发布。 原始数据 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始数据源与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，该项目旨在构建HuggingFace平台上面向欧洲的统一、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通过`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：2026-05-28通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_2LU2_SEX_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REST API直接提取了指标LUU_2LU2_SEX_RT的原始数据，并依据欧洲ISO3国家代码进行地理过滤，最终汇聚了2005年至2027年间39个欧洲国家的2,673条观测记录。数据经过ILO基于国际劳工统计学家会议（ICLS）定义的标准进行协调统一，并保留了来源标签以确保可追溯性。Electric Sheep Europe团队在此基础上对数据结构进行了规范化处理，并以Parquet格式打包发布，实现了从原始统计接口到机器学习就绪数据集的完整加工链。

特点

该数据集聚焦于一个关键劳动力利用不足指标——时间相关就业不足与失业的综合比率（LU2），并按性别进行了细致分解，涵盖总人口、男性和女性三个维度。其显著特点在于统计权威性，所有数值均来自ILO的模型估算，具有国际可比性。数据集涵盖了从2005年至2027年的长期时间跨度，不仅包含历史实际值，还纳入了预测数据，为劳动力市场的纵向分析提供了基础。此外，每条记录均附有观测状态标识，明确标记数据为真实值、临时值或不可靠值，为使用者提供了关键的元数据参考。

使用方法

用户可通过HuggingFace的datasets库无缝加载该数据集，一行代码即可将数据转换为Pandas DataFrame格式，便于进行后续分析。使用时，用户可以基于'ref_area'字段按国家筛选，例如仅提取德国（DEU）的数据；亦可按'indicator'字段指定指标后，按'time'字段排序绘制时间序列图，直观观察LU2比率的变化趋势。对于需要跨国家比较的场景，用户可以利用pivot_table函数将数据重塑为国家×年份的矩阵形式，从而便捷地进行横向对比。数据集的简单列式结构使得分类、回归以及时间序列预测等不同任务均可轻松开展。

背景与挑战

背景概述

在劳动经济学与劳动力市场监测领域，精准衡量劳动力资源未被充分利用的程度一直是政策制定与学术研究的核心议题。传统的失业率指标因未能涵盖那些工作时间不足或处于劳动力边缘状态的群体，常常低估了劳动市场的实际闲置状况。为弥补这一缺陷，国际劳工组织（ILO）于其ILOSTAT数据库中开发了LUU_2LU2_SEX_RT指标，即时间相关就业不足与失业的综合率（LU2），旨在提供更为全面的劳动力利用度量。该数据集由Electric Sheep Europe于2026年重新打包并发布，共涵盖39个欧洲国家自2005年至2027年的2,673条观察记录，数据来源为ILO使用国际劳工统计学家会议（ICLS）标准统一化的调查微观数据与模型估计。作为ILOSTAT旗舰指标之一，LU2数据为跨国劳动力比较、欧洲就业政策评估以及可持续发展目标（SDG）体面工作监测提供了不可或缺的基准。

当前挑战

当前该数据集面临的主要挑战可归结为三方面。其一，领域问题层面，传统失业率仅捕捉完全失业状态，忽略了大量因无法找到全职工作而被迫从事兼职或非正规就业的劳动力，LU2指标虽综合了时间相关就业不足，但如何在不同制度背景的欧洲国家间实现概念统一与可比性仍是持续难题，尤其是各国对‘时间相关就业不足’的操作化定义存在细微差异。其二，数据构建过程中，ILOSTAT依赖多源调查与行政记录，不同来源在抽样误差、数据频率（年度vs.季度）及时效性上的不一致，导致部分国家-年份观测值的质量旗标（如provisional或unreliable）频现，例如2026年后数据多为模型估计而非实际调查，增加了预测的不确定性。其三，该数据集作为时间序列数据，面临着非平衡面板与缺失值处理的技术挑战，同时，性别维度（SEX_T/SEX_M/SEX_F）的嵌套结构要求建模时需谨慎处理分层异质性。

常用场景

经典使用场景

该数据集收录了2005年至2027年间39个欧洲国家的LU2综合指标观测值，共计2673条，核心指标为按性别划分的工时不足就业与失业合并比率。经典使用场景聚焦于时间序列建模与面板数据分析，研究者可借助该数据集构建跨国的劳动市场动态预测模型，亦可按性别维度分解，剖析不同性别群体在劳动资源错配中的差异化特征。通过时序趋势挖掘与季节性成分提取，该数据集有力支撑了劳动市场脆弱性的量化评估与演变轨迹的刻画。

衍生相关工作

该数据集衍生了多项具有影响力的学术工作。在方法论上，研究者基于其面板结构发展出改进的劳动市场松弛度多维度度量方法，促进了对失业与不充分就业共生关系的建模。在实证研究领域，催生了探讨性别工资差距与LU2性别差异交互作用的分析框架，以及评估自动化和数字化对欧洲劳动利用效率冲击的因果推断工作。这些衍生研究显著提升了劳动市场理论中对不充分就业现象的解释力。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲地区时间相关就业不足与失业综合率（LU2）的性别差异分析，覆盖39个国家2005至2027年的年度观测值，为劳动经济学中的劳动力利用不足问题提供了精细化的时间序列数据。在当前后疫情时代欧洲就业市场复苏不均、性别就业差距持续存在的背景下，研究者可借助该数据集深入探讨性别维度下的劳动力闲置动态，结合ILOSTAT的ICLS标准化定义，开展跨国家、跨时段的比较研究。其前沿方向包括利用机器学习模型预测未来劳动力利用率的变化趋势，以及结合性别细分指标评估政策干预对弱势群体就业质量的影响，为国际劳工组织'体面劳动'目标的监测提供量化支撑。