electricsheepeurope/europe-ilo-ged-xlu2-sex-hht-chl-rt-prime-age-combined-rate-of-time-related-underemplo

--- license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - europe - ilostat - other-measures-of-labour-underutilization - ilo - labour - employment pretty_name: "Prime-age combined rate of time-related underemployment and unemployment (LU2) by sex, hou | Europe (ILOSTAT)" --- # Prime-age combined rate of time-related underemployment and unemployment (LU2) by sex, hou | Europe (ILOSTAT) 🇪🇺 **52,396 observations** · **29 Europe countries** · **2000–2024** · *Repackaged by [Electric Sheep Europe](https://huggingface.co/electricsheepeurope)*      ## TL;DR This dataset contains **52,396 observations** of `Other measures of labour underutilization` data across **29 Europe countries**, spanning **2000–2024**, covering **1 distinct indicators**. ## About the source **ILOSTAT** is the ILO's central statistics database, the leading global source for labour statistics. It compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets — drawing on national labour force surveys, household income surveys, establishment surveys, and administrative records. Coverage spans 200+ economies, with the ILO's Department of Statistics responsible for harmonisation. - **Source:** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU2_SEX_HHT_CHL_RT) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Other measures of labour underutilization ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=GED_XLU2_SEX_HHT_CHL_RT` and filtered to Europe ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. ## Geographic coverage 29 Europe countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `BEL` | 2,766 | 2000 | 2023 | | `HUN` | 2,737 | 2000 | 2023 | | `AUT` | 2,733 | 2000 | 2023 | | `ROU` | 2,679 | 2000 | 2023 | | `ESP` | 2,649 | 2000 | 2023 | | `SVN` | 2,535 | 2000 | 2023 | | `EST` | 2,525 | 2000 | 2023 | | `LVA` | 2,492 | 2001 | 2023 | | `BGR` | 2,466 | 2001 | 2023 | | `LTU` | 2,442 | 2002 | 2023 | | `GBR` | 2,324 | 2000 | 2019 | | `NLD` | 2,300 | 2000 | 2020 | | `HRV` | 2,224 | 2002 | 2023 | | `POL` | 2,190 | 2006 | 2024 | | `DEU` | 2,153 | 2005 | 2023 | | ... | _14 more countries_ | | | ## Indicators (sample) - `GED_XLU2_SEX_HHT_CHL_RT` — Prime-age combined rate of time-related underemployment and unemployment (LU2) by sex, household type and presence of children (%) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `ALB` | | `ref_area.label` | `string` | Country name in English | `Albania` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:480` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `GED_XLU2_SEX_HHT_CHL_RT` | | `indicator.label` | `string` | Indicator name in English | `Prime-age combined rate of time-relat…` | | `sex` | `string` | Disaggregation by sex (SEX_T = total, SEX_M = male, SEX_F = female) | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | First classification variable (age, education, status, etc.) | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Household type: Total` | | `classif2` | `string` | Second classification variable where applicable | `CHL_AGET6_TOTAL` | | `classif2.label` | `string` | — | `Presence of children under age 6: Total` | | `time` | `int64` | Observation year | `2023` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `12.637` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `—` | | `note_indicator.label` | `string` | — | `—` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (3 unique values): `SEX_T`, `SEX_M`, `SEX_F` ## Data quality & caveats - Data is annual frequency. Some indicators also publish monthly or quarterly series — those are not included here. - When an indicator has multiple sources for the same country×year, the ILO-selected 'best source' is used. - Disaggregation columns (`sex`, `classif1`, `classif2`) are non-null only when the indicator publishes that breakdown. ## Usage ```python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ged-xlu2-sex-hht-chl-rt-prime-age-combined-rate-of-time-related-underemplo") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python germany = df[df["ref_area"] == "DEU"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "GED_XLU2_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_XLU2_SEX_HHT_CHL_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "GED_XLU2_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{europe_ilo_ged_xlu2_sex_hht_chl_rt_prime_age_combined_rate_of_time_related_underemplo_2024, title = {Prime-age combined rate of time-related underemployment and unemployment (LU2) by sex, hou | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU2_SEX_HHT_CHL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {\url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ged-xlu2-sex-hht-chl-rt-prime-age-combined-rate-of-time-related-underemplo}} } ``` ## License Released under [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/). Original data © International Labour Organization (ILO). When using this dataset, please cite both the original source above and the Electric Sheep Europe repackaging. ## About Electric Sheep Electric Sheep Europe is part of the Electric Sheep mission: a unified, ML-ready data layer for Europe on HuggingFace. We pull data from authoritative open sources, normalize the schemas, package as Parquet, and publish with consistent dataset cards so researchers and developers can use `load_dataset()` to start working in seconds. Browse the full collection: [huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU2_SEX_HHT_CHL_RT_--- 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 多语言类型：单语 样本量范围：10K<n<100K 标签： - 表格数据 - 欧洲 - 国际劳工组织统计数据库（ILOSTAT） - 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 展示名称："按性别、家庭类型划分的适龄群体时间型就业不足与失业综合率（LU2）——欧洲（ILOSTAT）" --- # 按性别、家庭类型及子女情况划分的适龄群体时间型就业不足与失业综合率（LU2）——欧洲（ILOSTAT） 🇪🇺 **52,396条观测值** · **29个欧洲国家** · **2000–2024年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 快速摘要（TL;DR） 本数据集包含29个欧洲国家2000至2024年间的**52,396条“劳动力未充分利用其他衡量指标”**观测数据，涵盖**1个专属指标**。 ## 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，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、薪酬、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领域，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。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=GED_XLU2_SEX_HHT_CHL_RT) - **发布方**：国际劳工组织（ILO） - **许可协议**：[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 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=GED_XLU2_SEX_HHT_CHL_RT`拉取数据，并筛选出欧洲地区的ISO3国家代码。ILOSTAT依据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 29个欧洲国家，以下展示按观测行数排序的前若干行数据： | 国家（ISO3代码） | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `BEL` | 2,766 | 2000 | 2023 | | `HUN` | 2,737 | 2000 | 2023 | | `AUT` | 2,733 | 2000 | 2023 | | `ROU` | 2,679 | 2000 | 2023 | | `ESP` | 2,649 | 2000 | 2023 | | `SVN` | 2,535 | 2000 | 2023 | | `EST` | 2,525 | 2000 | 2023 | | `LVA` | 2,492 | 2001 | 2023 | | `BGR` | 2,466 | 2001 | 2023 | | `LTU` | 2,442 | 2002 | 2023 | | `GBR` | 2,324 | 2000 | 2019 | | `NLD` | 2,300 | 2000 | 2020 | | `HRV` | 2,224 | 2002 | 2023 | | `POL` | 2,190 | 2006 | 2024 | | `DEU` | 2,153 | 2005 | 2023 | | ... | _另有14个国家_ | | | ## 指标示例 - `GED_XLU2_SEX_HHT_CHL_RT` — 按性别、家庭类型及子女情况划分的适龄群体时间型就业不足与失业综合率（LU2，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） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `GED_XLU2_SEX_HHT_CHL_RT` | | `indicator.label` | `string` | 英文指标名称 | `Prime-age combined rate of time-relat…` | | `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、就业状态等） | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Household type: Total` | | `classif2` | `string` | 可选第二分类变量 | `CHL_AGET6_TOTAL` | | `classif2.label` | `string` | — | `Presence of children under age 6: Total` | | `time` | `int64` | 观测年份 | `2023` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `12.637` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `—` | | `note_indicator.label` | `string` | — | `—` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 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”。 - 仅当指标支持对应细分维度时，`sex`、`classif1`、`classif2`等细分字段才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ged-xlu2-sex-hht-chl-rt-prime-age-combined-rate-of-time-related-underemplo") df = ds["train"].to_pandas() print(df.head()) ### 单国家数据筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列数据 python sample = (df[df["indicator"] == "GED_XLU2_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_XLU2_SEX_HHT_CHL_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "GED_XLU2_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ged_xlu2_sex_hht_chl_rt_prime_age_combined_rate_of_time_related_underemplo_2024, title = {Prime-age combined rate of time-related underemployment and unemployment (LU2) by sex, hou | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU2_SEX_HHT_CHL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ged-xlu2-sex-hht-chl-rt-prime-age-combined-rate-of-time-related-underemplo}} } ## 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项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适配机器学习的欧洲地区数据层。我们从权威开源数据源获取数据，对数据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通过`load_dataset()`即可在数秒内开始使用数据。 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流水线摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_XLU2_SEX_HHT_CHL_RT_

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官方接口直接采集，原始数据源自国际劳工组织（ILO）的中央统计数据仓库。数据筛选了29个欧洲国家的ISO3国家代码，覆盖2000年至2024年期间52,396个观测样本。采集过程中，ILO依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查的微观数据进行统一协调与标准化处理，并在'source.label'列标注数据来源，确保可追溯性。数据经过清洗与结构化处理后，以Parquet格式封装，便于机器学习任务直接调用。

特点

该数据集聚焦于欧洲劳动市场中的'时间相关就业不足与失业综合率（LU2）'这一单一指标，并提供精细的维度拆解。数据按照性别（男、女、总）、家庭类型及有无6岁以下儿童进行分类，形成了多维度分析框架。时间跨度为年度频率，覆盖长达25年的连续观测数据，支持纵向趋势研究。数据质量维度包含观测值状态标记（如不可靠、临时性），同时标注了每个国家—年份组合下ILO选定的'最佳来源'，为使用者提供了数据可信度的参考依据。

使用方法

通过HuggingFace的datasets库即可轻松加载，使用'load_dataset'函数直接读取训练集并转换为Pandas DataFrame进行后续分析。用户可按国家代码（如'DEU'代表德国）对数据框进行过滤，提取特定国家的子集；亦可针对特定指标按时间排序后绘制时间序列图，直观展示指标变化趋势。更高级的应用包括将数据透视重组为国家×年份的矩阵格式，便于执行面板数据分析或跨国家比较研究。数据集同时适用于表格分类、回归以及时间序列预测等机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司于2024年发布，经Electric Sheep Europe重新封装后呈现于HuggingFace平台，聚焦于欧洲29个国家2000至2024年间壮年人口中因时间相关就业不足与失业构成的综合比率（LU2）。作为ILOSTAT数据库的核心子集，该数据集旨在通过标准化调查指标（如性别、家庭类型及子女状况）系统刻画劳动力未充分利用的多维特征，弥补传统失业率仅反映显性就业缺口的局限性。在劳动经济学与社会政策研究领域，这一精细化的结构性指标为评估欧洲区域劳动力市场的韧性、性别平等成效及家庭政策干预效果提供了关键数据支撑，尤其对剖析隐性就业问题具有里程碑意义。

当前挑战

该数据集所应对的领域挑战在于突破传统失业率指标对劳动力未充分利用现象的窄化定义——时相关就业不足与失业常隐于统计盲区，需通过跨维度的交叉分类（如性别与家庭责任）方能揭示弱势群体的真实困境。构建过程中遭遇的障碍包括：不同国家劳动力调查的抽样框架与时段界定各异，ILO需通过ICLS国际标准对原始微观数据进行协调与质量标识；数据来源的多样性导致‘最佳来源’选择规则可能遮蔽局部异质性；此外，分类变量（如家庭类型）的空值处理与多源指标的年度频率对齐，亦增加了数据清洗与整合的复杂度。

常用场景

经典使用场景

该数据集的核心应用场景在于对欧洲29国2000至2024年间壮年劳动力时间相关就业不足与失业复合率（LU2）的纵向追踪与横截面比较。研究者可依性别、家庭类型及六岁以下子女状况等维度进行精细分组，剖析不同社会经济特征群体的劳动资源错配程度。通过时间序列分析，能够揭示金融危机、新冠疫情等重大事件对劳动力市场的结构性冲击。面板数据格式亦支持构建多水平模型，以分解国家间异质性与时间趋势的交互效应。

实际应用

在实际政策制定与评估中，该数据集为欧洲各国劳动部门与国际劳工组织提供了监测‘体面劳动’目标进展的量化工具。通过对比不同家庭结构与儿童照护支持政策下的LU2水平，政策制定者可精准识别需要优先干预的人群，优化在职培训、弹性工时及托幼服务等公共资源配置。雇主与工会亦能借助这类趋势数据设计更适应周期性波动的用工策略，从而缓解劳动力市场的供需错配，提升整体经济运行效率。

衍生相关工作

该数据集衍生了一系列聚焦于劳动力市场脆弱群体特征的研究工作，例如基于多源融合的欧洲隐性失业图谱绘制，以及结合ILOSTAT其他指标（如NEET率、劳动生产率）构建的劳动力利用综合指数。若干前沿研究利用该数据训练时间序列预测模型，以评估不同政策情景对LU2的潜在影响。此外，该数据常与欧洲社会调查（ESS）或欧盟统计局（Eurostat）的家庭微观数据联用，实现宏观统计与微观个体行为的桥接分析。