electricsheepeurope/europe-ilo-eip-xjob-sex-nb-potential-labour-force-and-willing-non-jobseekers

该数据集包含2544个观测值，涵盖37个欧洲国家，时间跨度为1991年至2025年，涉及一个指标：潜在劳动力和愿意的非求职者（千）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，主题为其他劳动力利用不足指标，由Electric Sheep Europe重新打包为机器学习就绪格式。数据集为表格类型，适用于分类、回归和时间序列预测等NLP任务，数据频率为年度，包括国家、年份、性别等维度，并附带数据源和质量说明。--- license: 知识共享署名4.0（CC-BY-4.0） language: - 英语 task_categories: - 表格分类任务 - 表格回归任务 - 时间序列预测任务 multilinguality: 单语言 size_categories: - 1000 < 样本数 < 10000 tags: - 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 pretty_name: "潜在劳动力与自愿非求职者（单位：千人）| 欧洲（ILOSTAT）" --- # 潜在劳动力与自愿非求职者（单位：千人）| 欧洲（ILOSTAT） 🇪🇺 **2544条观测数据** · **37个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集涵盖1991至2025年期间、覆盖37个欧洲国家的**2544条观测数据**，涉及**1项独立指标**——「劳动力未充分利用其他衡量指标」。 ## 数据来源说明 **ILOSTAT（国际劳工组织中央统计数据库）**是国际劳工组织（ILO）的核心统计资料库，也是全球领先的劳动力统计权威来源。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（SDG）体面工作目标等，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。 - **数据来源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XJOB_SEX_NB) - **发布机构**：国际劳工组织（ILO） - **许可协议**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题分类**：劳动力未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_XJOB_SEX_NB`拉取原始数据，并筛选出欧洲地区的ISO 3166-1 α-3国家代码对应的样本。ILOSTAT采用国际劳工统计学家会议（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，以确保数据可追溯。 ## 地理覆盖范围 37个欧洲国家，以下按观测条数排序展示部分国家： | 国家代码 | 观测条数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `GRC` | 102 | 1992 | 2025 | | `ESP` | 84 | 1998 | 2025 | | `GBR` | 84 | 1998 | 2025 | | `AUT` | 84 | 1998 | 2025 | | `BEL` | 81 | 1998 | 2024 | | `IRL` | 81 | 1998 | 2024 | | `HUN` | 81 | 1998 | 2024 | | `NOR` | 81 | 1998 | 2024 | | `DEU` | 81 | 1998 | 2024 | | `FIN` | 81 | 1998 | 2024 | | `FRA` | 81 | 1998 | 2024 | | `DNK` | 81 | 1998 | 2024 | | `EST` | 81 | 1998 | 2024 | | `PRT` | 81 | 1998 | 2024 | | `NLD` | 81 | 1998 | 2024 | | ... | _另有22个国家_ | | | ## 指标示例（节选） - `EIP_XJOB_SEX_NB` — 潜在劳动力与自愿非求职者（单位：千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 α-3 国家代码 | `ALB` | | `ref_area.label` | 字符串 | 英文国家名称 | `阿尔巴尼亚` | | `source` | 字符串 | ILOSTAT来源代码（如劳动力调查） | `BA:480` | | `source.label` | 字符串 | 英文来源名称 | `劳动力调查（LFS）` | | `indicator` | 字符串 | ILOSTAT指标代码 | `EIP_XJOB_SEX_NB` | | `indicator.label` | 字符串 | 英文指标名称 | `潜在劳动力与自愿非求职者（略）` | | `sex` | 字符串 | 性别细分维度 | `SEX_T` | | `sex.label` | 字符串 | 细分维度说明 | `总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `44.956` | | `obs_status` | 字符串 | 观测状态标记 | `B` | | `obs_status.label` | 字符串 | 状态说明 | `序列中断` | | `note_indicator` | 字符串 | 指标备注 | `I11:264` | | `note_indicator.label` | 字符串 | 备注说明 | `序列中断：方法修订` | | `note_source` | 字符串 | 来源备注 | `R1:3513` | | `note_source.label` | 字符串 | 备注说明 | `存储库：国际劳工组织统计司 - 微观数据（略）` | ## 数据分解维度 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` ## 数据质量与使用须知 - 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数据源时，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维度时才会填充非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-eip-xjob-sex-nb-potential-labour-force-and-willing-non-jobseekers") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EIP_XJOB_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_XJOB_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_XJOB_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_eip_xjob_sex_nb_potential_labour_force_and_willing_non_jobseekers_2025, title = {Potential labour force and willing non-jobseekers (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XJOB_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-eip-xjob-sex-nb-potential-labour-force-and-willing-non-jobseekers}} } ## 许可协议 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：该项目旨在构建一个统一的、可直接用于机器学习的欧洲地区数据层，托管于HuggingFace平台。我们从权威开放数据源获取数据，标准化数据结构，打包为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：2026-05-27通过Electric Sheep数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XJOB_SEX_NB_

搜集汇总

数据集介绍

构建方式

该数据集源自ILOSTAT官方REST API，通过向特定指标端点发起请求以获取原始数据，并依据欧洲ISO3国家代码进行地理范围筛选。ILO统计部门基于国际劳工统计学家会议（ICLS）的定义，对各国劳动力调查的微观数据进行了系统化的统合与标准化处理，确保了跨国家、跨年份数据的可比性与一致性。最终，数据集由Electric Sheep Europe完成重新封装与发布。

特点

本数据集聚焦于欧洲地区的劳动力利用不足测度，具体涵盖了“潜在劳动力与有意愿的非求职者（千人）”这一单一但关键的指标。其时间跨度从1991年至2025年，覆盖了37个欧洲国家，共计2,544条观测记录。数据按性别维度（总计、男性、女性）进行细粒度拆解，并提供了详尽的数据来源标签、观测状态标志及方法修订注释，便于研究者进行数据质量评估与溯源。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用`load_dataset`函数即可将数据转化为Pandas DataFrame对象，进而进行便捷的分析与操作。典型应用场景包括按国家代码过滤以获得特定国家的子集、按时间序列对单一指标进行可视化分析，或通过数据透视表构建国家与年份的观测矩阵，为劳动力市场的时间序列建模与跨国比较研究提供了基础数据支持。

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，整合自其核心数据库ILOSTAT，并由Electric Sheep Europe于2025年重新打包发布。数据集聚焦于欧洲地区潜在劳动力与有意愿的非求职者数量（以千人为单位），涵盖37个欧洲国家、1991至2025年间共2,544条观测值。研究核心在于捕捉传统失业率难以完全反映的劳动力未充分利用现象，通过国际劳工统计学家会议（ICLS）定义的方法论对原始调查微观数据进行协调处理。作为劳动力统计领域的重要资源，该数据集为分析欧洲劳动力市场结构、政策评估及跨国比较提供了可靠的时间序列依据，推动了从失业率单一指标向多维劳动利用衡量体系的学术与实践进展。

当前挑战

该数据集所解决的领域问题在于传统失业率指标无法准确衡量劳动力未充分利用的复杂形态，如潜在劳动力（不积极求职但愿意工作的人群）与隐性失业者，这要求超越标准统计框架构建更精细的度量体系。构建过程中面临多重挑战：首先，各国劳动力调查方法、问卷设计及数据收集频率存在显著差异，ILOSTAT需统一协调至ICLS标准，但数据来源标注（如source.label列）仍保留溯源信息以应对质量差异；其次，时间跨度内部分国家存在方法论修订（如obs_status标注'Break in series'），导致序列非连续性；此外，不同观察值因数据质量被标记为暂定或不稳定状态（如obs_status标记'B'或'U'），增加了时间序列分析的噪声与不确定性。

常用场景

经典使用场景

该数据集收录了1991年至2025年间欧洲37个国家关于潜在劳动力与有意愿但未求职者的年度观测数据，共计2544条记录，核心指标为'EIP_XJOB_SEX_NB'，以千人为单位计量。在经典使用场景中，研究者常将其作为时间序列分析的基础素材，通过按国家、性别维度进行数据切片，探究欧洲各国劳动力闲置状况的演变轨迹。例如，可借助该数据集绘制特定国家潜在劳动力规模随时间变化的曲线，或构建国家×年份的透视矩阵，从而揭示各国劳动力市场吸纳能力的差异与动态趋势，为比较劳动经济学研究提供量化支撑。

实际应用

在实际应用中，该数据集为欧洲各国的劳动力政策制定与评估提供了数据驱动的决策依据。政府职能部门与社会保障机构可依据不同国家、不同时期潜在劳动力的动态变化，精准识别劳动力市场干预的优先区域和重点人群，比如针对女性或青年群体中普遍存在的'想工作却未求职'现象设计专项就业促进计划。国际劳工组织（ILO）及跨国研究机构亦可利用该数据集开展跨国比较分析，衡量各国劳动力市场制度对潜在劳动力的激活效能，并据此优化国际就业政策的协调与援助资源配置，助力欧洲整体劳动力市场的包容性复苏。

衍生相关工作

该数据集衍生了一系列以劳动力利用不足为核心的计量经济学与机器学习研究工作。部分经典工作将其作为多国面板数据，结合宏观经济增长、产业结构转型等变量，构建随机效应或固定效应模型，实证检验潜在劳动力规模与失业率、劳动参与率之间的非线性关系。另一类研究则聚焦于时间序列预测，采用ARIMA、Prophet或LSTM等模型对各国潜在劳动力数量进行短期与中期推演，为就业政策的前瞻性调整提供预警信号。此外，基于该数据集的性别分列特征，研究者还开发了专门分析女性潜在劳动力动态的差异化模型，拓展了性别经济学中关于隐性失业的量化研究边界。