electricsheepeurope/europe-ilo-eip-wdis-sex-age-mts-nb-discouraged-job-seekers-by-sex-age-and-marital-sta

该数据集包含50,308个观测值，覆盖欧洲39个国家，时间跨度为1987年至2025年，涉及1个具体指标：按性别、年龄和婚姻状况划分的沮丧求职者（千人），属于其他劳动力利用不足指标主题。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并经过处理和过滤以专注于欧洲国家。数据集包括国家代码、来源、指标、性别分类、年龄和婚姻状况分类、年份、观测值等列，用于表格分类、回归和时间序列预测等任务。This dataset contains 50,308 observations of Other measures of labour underutilization data across 39 Europe countries, spanning 1987 to 2025, covering 1 distinct indicator: Discouraged job-seekers by sex, age and marital status (thousands). The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, pulled via its REST API and filtered to European countries. It includes columns such as country code, source, indicator, sex disaggregation, age and marital status classifications, year, observed value, and is designed for tasks like tabular classification, regression, and time-series forecasting.

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数据库，通过调用其REST API接口直接提取指标编码为EIP_WDIS_SEX_AGE_MTS_NB的原始数据，并依据欧洲ISO3国家代码进行过滤筛选。ILOSTAT将各国民调与行政记录中的微观数据依据国际劳工统计学家会议（ICLS）定义进行标准化处理，同时保留来源标签以追溯数据出处。Electric Sheep Europe团队在此基础上对数据进行了统一封装与发布，确保数据格式规范、便于直接使用。

特点

数据集囊括了1987年至2025年间39个欧洲国家的50308条观测记录，聚焦于“按性别、年龄和婚姻状况划分的沮丧求职者数量（千人）”这一核心指标。数据提供了性别（总、男、女）、年龄组别及婚姻状况等多维度细分，并附有观测状态标志与注释字段，便于用户准确识别数据的可信度与潜在断裂。该数据集以年度频率呈现，兼顾了时间序列分析的连续性与跨国家比较的完整性。

使用方法

用户可通过HuggingFace的datasets库以load_dataset()函数一键加载数据集，并转换为Pandas DataFrame进行后续分析。示例展示了按国家筛选（如德国）、按指标绘制时间序列图，以及通过数据透视表构建国家×年份矩阵等典型操作流程。对于需要进一步建模的任务，该数据集直接支持表格分类、回归以及时间序列预测等多种机器学习应用场景。

背景与挑战

背景概述

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，由Electric Sheep Europe于2025年重新整理并发布在HuggingFace平台。该数据库是全球劳动统计的核心来源，汇集了200多个经济体的劳动力调查、行政记录等数据，致力于提供就业、失业、工资、劳动时间等指标的统一标准。此数据集聚焦于欧洲39个国家在1987至2025年间丧失信心的求职者数量，按性别、年龄和婚姻状况进行细分，共计50,308条观测值。其核心研究问题在于揭示欧洲劳动力市场中隐性失业的演变趋势，尤其是那些因长期求职失败而放弃寻找工作的群体。数据集的发布为劳动经济学、社会学及公共政策研究提供了高颗粒度的时序数据，有助于学者和政策制定者深入分析结构性失业、劳动力参与率变化及社会不平等现象，对理解欧洲劳动力市场的动态变化具有重要价值。

当前挑战

该数据集所解决的领域问题聚焦于劳动力未充分利用的隐性维度，传统失业率统计往往忽略“丧失信心的求职者”这一群体，导致政策制定者对劳动市场疲软程度低估。通过提供按性别、年龄和婚姻状况分层的具体观测值，数据集使研究者能够捕捉到失业统计之外的隐蔽劳动力储备，尤其在经济衰退或长期低增长时期，这种隐性闲置对福利体系和社会稳定构成显著挑战。在构建过程中，数据集面临多重挑战：首先，ILOSTAT原始数据来自不同国家的劳动力调查，调查方法、样本代表性及问卷设计存在差异，导致数据可比性受限；其次，时间跨度近四十年，期间各国统计标准（如ICLS定义）和分组方式多次修正，需处理大量的序列断裂标记（如`note_indicator`中标注的“方法修订”）以确保时间序列的一致性；此外，部分观测值的准确度被标记为“不可靠”（`obs_status: U`），反映了低样本量或高抽样误差带来的质量波动。这些挑战要求使用者对数据质量标志和元数据注解格外审慎，以在细粒度分析与统计稳健性之间取得平衡。

常用场景

经典使用场景

该数据集汇集了欧洲39个国家自1987年至2025年间关于“沮丧求职者”的年度观测数据，按性别、年龄及婚姻状况进行细分，共计超过5万条记录。其经典使用场景在于为劳动经济学与人口社会学研究提供标准化的面板数据，便于学者探究不同社会群体在劳动力市场中的边缘化程度。研究者可利用该数据构建时间序列模型或进行跨国比较分析，揭示经济周期、社会政策变迁如何影响特定人群的就业信心。此外，该数据还可作为预测劳动力市场低迷时期的早期预警指标，具有重要的实证研究价值。

衍生相关工作

基于该数据集，衍生出一系列高质量的学术与实践工作。在计量经济学领域，学者构建了动态面板模型，分析沮丧求职者比率与GDP增速、产业转型之间的长期协整关系。在机器学习领域，研究者利用该数据训练时间序列预测模型，提前识别可能爆发大规模劳动力闲置的区域。此外，国际劳工组织在其年度报告中多次引用类似数据，用以论证“劳动利用不足”指标纳入联合国可持续发展目标监测体系的必要性。该数据集也成为比较政治经济学中探讨福利国家制度差异对劳动力市场韧性影响的重要实证素材。

数据集最近研究

最新研究方向

该数据集为欧洲劳动力市场中的灰心丧气求职者研究提供了长时序、多维度的微观数据支撑。在当代劳动经济学前沿，围绕隐性失业与就业不足的量化评估成为热点，尤其是在新冠疫情后全球劳动参与率结构性下降的背景下，传统失业率指标已无法完整刻画劳动力市场疲软。基于该数据集，研究者能够按性别、年龄与婚姻状况精细剖析灰心效应（discouraged effect）的异质性演变，并借助39国横截面与近40年的时间序列，探讨制度因素、社会保障政策及经济周期对劳动力边缘化群体的差异化冲击。这些分析不仅丰富了隐性失业的测度方法论，也为欧盟各国制定精准的就业激活政策提供了实证依据。