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

该数据集名为“按性别、年龄和婚姻状况划分的劳动力利用不足综合率（LU4）（百分比）| 欧洲（ILOSTAT）”，由Electric Sheep Europe重新打包。它包含52,960个观测值，覆盖37个欧洲国家，时间跨度为1991年至2025年，专注于“其他劳动力利用不足指标”中的一个特定指标：LUU_XLU4_SEX_AGE_MTS_RT，即按性别、年龄和婚姻状况划分的劳动力利用不足综合率（百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是全球领先的劳动力统计数据源，通过API获取并过滤至欧洲国家。数据集采用表格格式，包括列如国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、婚姻状况分类、年份、观测值、观测状态等，用于表格分类、回归和时间序列预测任务。数据质量方面，为年度频率，ILO选择“最佳来源”处理多源数据，分类列仅在指标发布细分时非空。数据集旨在为研究人员和开发者提供机器学习就绪的欧洲劳动力数据，支持快速加载和分析。许可证：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 多语言属性：单语言 数据规模：10000条<样本量<100000条 标签： - 表格数据 - 欧洲 - ILOSTAT - 其他劳动力利用不足衡量指标 - ILO（国际劳工组织，International Labour Organization） - 劳动力 - 就业 友好名称："按性别、年龄和婚姻状况划分的劳动力利用综合不足率（LU4，单位：%）| 欧洲（ILOSTAT）" # 按性别、年龄和婚姻状况划分的劳动力利用综合不足率（LU4，单位：%）| 欧洲（ILOSTAT） 🇪🇺 **52960条观测数据** · **37个欧洲国家** · **1991年至2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心概览 本数据集包含覆盖37个欧洲国家、时间跨度为1991年至2025年的**52960条“其他劳动力利用不足衡量指标”**相关观测数据，仅包含1个独特指标。 ## 数据源说明 **ILOSTAT（International Labour Organization Statistics，国际劳工组织统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳动力统计权威来源。该库整合了就业、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（SDG）体面工作目标等各类指标，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。其覆盖范围涵盖200余个经济体，由国际劳工组织统计司负责数据的统一协调与标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_AGE_MTS_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[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 本数据集直接从ILOSTAT REST API接口`https://rplumber.ilo.org/data/indicator?id=LUU_XLU4_SEX_AGE_MTS_RT`拉取原始数据，并筛选出欧洲地区的ISO3国家编码对应的数据。ILOSTAT采用国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）制定的定义对原始调查微观数据进行标准化处理；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 · 以下按数据行数排序的前10个国家示例： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 2332 | 1991 | 2025 | | `ESP` | 2093 | 1999 | 2025 | | `AUT` | 2052 | 1998 | 2025 | | `GBR` | 1986 | 1999 | 2025 | | `ROU` | 1972 | 1999 | 2020 | | `FIN` | 1825 | 1999 | 2020 | | `PRT` | 1815 | 1998 | 2020 | | `EST` | 1739 | 1998 | 2020 | | `HUN` | 1738 | 1999 | 2020 | | `SWE` | 1720 | 2000 | 2020 | | `NLD` | 1681 | 2000 | 2020 | | `CZE` | 1620 | 2002 | 2024 | | `BEL` | 1599 | 1999 | 2020 | | `DNK` | 1589 | 2000 | 2020 | | `LTU` | 1566 | 2001 | 2020 | | ... | 其余22个国家 | | | ## 指标（示例） - `LUU_XLU4_SEX_AGE_MTS_RT` — 按性别、年龄和婚姻状况划分的劳动力利用综合不足率（LU4，单位：%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源编码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标编码 | `LUU_XLU4_SEX_AGE_MTS_RT` | | `indicator.label` | `string` | 英文指标名称 | `Composite rate of labour underutiliza…` | | `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` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成人）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `婚姻状况（汇总）：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） | `13.165` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `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统计数据库 - 微观数据…` | ## 细分维度 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` ## 数据质量与注意事项 - 本数据集为年度频率数据。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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-luu-xlu4-sex-age-mts-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_AGE_MTS_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="LUU_XLU4_SEX_AGE_MTS_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "LUU_XLU4_SEX_AGE_MTS_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_age_mts_rt_composite_rate_of_labour_underutilization_lu4_by_s_2025, title = {Composite rate of labour underutilization (LU4) by sex, age and marital status (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_AGE_MTS_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-luu-xlu4-sex-age-mts-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/)许可证发布。 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数据源及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分：该项目旨在为HuggingFace平台上的欧洲数据构建统一的、适用于机器学习的标准化数据层。我们从权威开放数据源获取数据，对其 schema 进行标准化处理，打包为Parquet格式，并以统一的数据集卡片形式发布，以便研究人员和开发者仅需调用`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数据管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=LUU_XLU4_SEX_AGE_MTS_RT_

搜集汇总

数据集介绍

构建方式

在劳动力统计研究领域，国际劳工组织（ILO）的ILOSTAT数据库是全球最权威的劳动力数据来源之一。本数据集聚焦于欧洲地区劳动力利用不足的综合率（LU4），通过ILOSTAT提供的REST API接口直接抽取原始指标数据，并依据国际劳工统计学家会议（ICLS）定义的标准对各国调查微观数据进行协调统一。经抽取后，仅保留欧洲37个国家的ISO3代码对应数据，最终形成包含52,960条观测记录的结构化表格，每条观测均标注了来源标识（source.label），确保数据可追溯与透明性。

使用方法

研究者可通过HuggingFace Datasets库便捷加载该数据集，仅需调用`load_dataset`函数即可获取完整的训练集。加载后，可借助Pandas将数据转化为DataFrame格式，以便进行进一步探索与预处理。例如，用户可按国家代码（ref_area）筛选特定国家的时间序列数据，或利用指示符代码（indicator）聚焦于LU4综合率指标，通过可视化工具绘制随时间变化的趋势图。此外，该数据集支持通过透视表操作生成国家×年份的观测矩阵，为面板数据回归与比较研究提供直接支持。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年整理发布，并经Electric Sheep Europe重新打包后托管于HuggingFace平台，聚焦于欧洲37个国家1991至2025年间劳动力利用不足的综合比率（LU4），涵盖性别、年龄及婚姻状况等细分维度。在劳动经济学与社会政策研究领域，劳动力利用不足是衡量劳动力市场健康状况的关键指标，相较于传统的失业率，它更能揭示隐性失业、就业不充分等结构性困境。该数据集通过整合ILOSTAT数据库、国家劳动力调查及行政记录等多源异构数据，提供了大规模、标准化的时序观测（52,960条记录），为跨国比较、政策评估及机器学习建模奠定了坚实的数据基础，对推动欧洲劳动力市场的量化研究与循证决策具有显著影响力。

当前挑战

该数据集所解决的领域问题在于，传统失业率指标往往低估了劳动力市场的真实闲置程度，而LU4综合比率能够捕捉到潜在劳动力、时间相关就业不足等更广泛的利用不足形态，从而为政策制定者与研究者提供更全面的劳动力配置图景。在构建过程中，数据面临的关键挑战包括：多国数据源的异质性协调，如不同国家调查方法、问卷设计与国际劳工统计会议（ICLS）定义之间的统一；时间序列中断与指标修订（如方法论变更导致的可比性下降）；缺失值处理及‘不可靠’观测标志的合理应对；以及性别、年龄等分类变量的标准化对齐，确保跨国与跨时期分析的一致性与科学性。

常用场景

经典使用场景

在欧洲劳动力市场研究领域，该数据集的核心价值在于为劳动利用率综合指标（LU4）的时空建模提供了坚实的量化基础。研究者可利用其涵盖37个欧洲国家、跨越1991至2025年的52,960条观测记录，构建面板数据模型或时间序列预测框架，用以分析不同性别、年龄及婚姻状况群体的劳动力利用水平变迁。该数据集的年度频率特性使其尤其适用于捕捉长期结构性变化与周期性波动，是开展跨国劳动力市场比较研究的理想素材。

解决学术问题

该数据集直面劳动力利用不足这一多维学术难题，突破了传统失业率单一指标的局限。LU4指标综合了失业、时间相关就业不足及潜在劳动力等要素，为学术界全面刻画劳动力市场闲置程度提供了新维度。借助该数据，研究者能够检验劳动力市场制度差异对利用效率的影响，探究性别与婚姻状况如何调节劳动参与行为，并评估经济周期中不同群体的脆弱性差异，极大推动了劳动力市场不充分就业测量的理论发展。

实际应用

在实际应用中，该数据为国际组织、国家统计部门及政策智库提供了关键的决策支撑。欧洲各国劳动部门可基于此追踪劳动力利用率的长期趋势，识别面临高闲置风险的脆弱群体，从而制定更具针对性的积极就业政策。国际劳工组织（ILO）亦能凭借规范化数据监测可持续发展目标（SDG）中体面工作的进展，为跨国劳动力政策协调与资源配置优化提供可靠依据。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲37个国家1991至2025年间劳动力利用不足综合率（LU4）的追踪，按性别、年龄与婚姻状况进行细粒度拆解。在当代劳动经济学前沿中，此数据被广泛用于探究后疫情时代劳动力市场结构性修复、性别平等进展与老龄化社会中隐性失业的演变规律。结合ILOSTAT的标准化方法与ICS定义，研究者可藉此剖析非传统劳动力的动态分布，为制定包容性就业政策提供实证基础，尤其在欧盟经济复苏与可持续生计目标（SDG decent work）的宏观叙事中扮演关键角色。