electricsheepeurope/europe-ilo-emp-pifl-sex-mts-dsb-nb-employment-outside-the-formal-sector-by-sex-marita

这是一个关于欧洲非正规部门就业的统计数据集，数据来源于国际劳工组织（ILO）的ILOSTAT数据库。数据集包含2007年至2025年期间31个欧洲国家的25,386个观测值，核心指标为按性别、婚姻状况和残疾状况划分的非正规部门就业人数（千）。数据提供了国家代码、数据来源、指标代码、性别分类（总计、男性、女性）、婚姻状况分类、残疾状况分类、观测年份、观测值（以千为单位）以及数据质量标志等详细信息。数据集采用年度频率，经过ILO标准化处理，适用于表格分类、回归和时间序列预测等机器学习任务。This dataset contains statistical data on employment outside the formal sector in Europe, sourced from the International Labour Organization (ILO) ILOSTAT database. It includes 25,386 observations across 31 European countries from 2007 to 2025, with the core indicator being Employment outside the formal sector by sex, marital status and disability status (thousands). The data provides detailed information including country codes, data sources, indicator codes, sex disaggregation (total, male, female), marital status classification, disability status classification, observation year, observed values (in thousands), and data quality flags. The dataset uses annual frequency, is standardized by ILO, and is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）的权威统计数据库ILOSTAT为数据源，通过其REST API接口直接调取指标EMP_PIFL_SEX_MTS_DSB_NB的原始记录，并依据ISO3国家代码筛选出欧洲地区样本。原始微观调查数据经国际劳工统计学家会议（ICLS）定义体系统一协调，生成具有跨国家可比性的就业指标。每条观测均标注来源代码及统计方法注释，以保证数据可追溯性与透明度，最终由Electric Sheep Europe完成模式规范化并以Parquet格式封装发布。

使用方法

研究人员可通过Hugging Face的datasets库以load_dataset函数直接加载数据，并转化为Pandas数据框进行后续处理。典型操作包括按ref_area字段筛选特定国家、按indicator字段提取单一指标的时间序列、以及利用pivot_table构建国家与年份的二维矩阵。数据亦可直接用于表格分类、回归分析或时间序列预测等机器学习任务，使用时需遵循CC-BY-4.0许可协议并同时引用ILO原始来源与Electric Sheep Europe的再封装工作。

背景与挑战

背景概述

非正规部门就业在全球劳动力市场中占据显著份额，尤其在欧洲转型经济体中，其规模与性别、婚姻状况及残疾状态之间的交织关系长期缺乏系统性的量化证据。国际劳工组织（ILO）依托其ILOSTAT中央统计数据库，于2007年至2025年间采集并协调了31个欧洲国家的劳动力调查数据，由Electric Sheep Europe于2025年重新打包发布。该数据集涵盖25,386条观测值，核心研究问题在于揭示非正规就业在性别、婚姻与残疾多重身份维度上的分布差异，为劳动经济学、社会政策评估及可持续发展目标中体面劳动指标的监测提供关键数据基础。

当前挑战

该数据集所应对的领域问题颇具挑战：非正规就业的界定在不同国家间存在显著异质性，各国劳动力调查对残疾、婚姻状况等分类变量的采集标准不一，ILO虽以国际劳工统计学家会议（ICLS）定义进行协调，但观测状态标注中仍出现‘不可靠’等质量警示。构建过程中，原始微数据需经跨国标准化、多源数据融合及分类变量对齐，部分国家特定年份存在数据缺失或来源切换，对时间序列的连续性与跨国可比性构成持续挑战。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集构成刻画欧洲非正规部门就业性别差异的核心经验素材。依托国际劳工组织统一口径的年度序列，研究者得以按性别、婚姻状况与残疾状态三重维度，系统考察2007至2025年间31个欧洲国家在非正规部门中的就业规模与结构变迁，其经典用法在于构建面板数据模型，比较不同人口群体在非正规就业中的相对位置与时间趋势，并检验婚姻与残疾状态是否加剧了性别层面的劳动市场分割。

解决学术问题

该数据集有效回应了非正规就业统计中长期存在的可比性与细分不足两大难题。国际劳工组织借助国际劳工统计学家会议定义对各国劳动力调查与住户收入调查微数据进行协调化处理，使跨国比较成为可能；性别、婚姻状况与残疾状态的多重交叉分类则弥补了以往研究多停留于总量层面的缺陷，为探讨弱势群体在非正规经济中的边缘化机制提供了实证基础，对理解欧洲劳动市场一体化与社会保护覆盖差距具有实质意义。

实际应用

在政策实践层面，该数据集可为欧洲各国社会保障机构、工会组织及国际发展机构提供量化依据，用于监测非正规就业在性别与残疾维度上的演变，评估包容性劳动政策与社会保护扩面措施的成效。其年度频率与国别覆盖亦适合构建预警指标或国别比较仪表盘，辅助识别非正规就业比重异常波动的国家与群体，从而为就业促进、反歧视立法及残疾人就业支持等干预措施提供数据支撑。

数据集最近研究

最新研究方向

在全球非正规经济规模持续引发政策关切的背景下，该数据集为解析欧洲非正规部门就业的结构性差异开辟了新的量化路径。依托国际劳工组织统计数据库的标准化框架，近期研究聚焦于性别、婚姻状况与残疾身份的多维交叉如何塑造劳动者在正规部门之外的就业轨迹，尤其关注残障群体与特定婚姻状态女性在非正规经济中的过度代表现象。相关分析进一步将时序跨度拓展至2007至2025年，以捕捉经济危机、疫情冲击及劳动力市场政策改革对非正规就业的异质性影响。该数据集亦为探讨欧盟就业战略与社会保护底线之间的张力提供了可复现的实证基础，对推动包容性劳动市场治理具有显著的比较研究价值。