electricsheepasia/asia-ilo-une-deap-sex-edu-geo-rt-unemployment-rate-by-sex-education-and-rural-urban

该数据集包含34,725个观测值，涉及亚洲30个国家从1970年至2025年的失业率数据，具体指标为按性别、教育程度和城乡地区划分的失业率（%）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过重新打包处理，以表格形式提供，适用于表格分类、回归和时间序列预测等任务。数据集包含多个分类维度，如性别、教育水平和地区类型，并提供了详细的数据来源和质量说明。This dataset contains 34,725 observations of unemployment data across 30 Asia countries, spanning 1970–2025, covering the indicator Unemployment rate by sex, education and rural / urban areas (%). It is sourced from ILOSTAT, the ILOs central statistics database, and repackaged for machine learning use. The data includes disaggregation dimensions such as sex, education, and area type, with annual frequency and quality caveats noted.

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）的中央统计数据库ILOSTAT，该数据库依托各国劳动力调查、家庭收入调查及行政记录等多源数据，依据国际劳工统计学家会议（ICLS）定义进行标准化调和。数据经由ILOSTAT REST API直接提取，并依据亚洲ISO3国家代码进行筛选，覆盖30个亚洲国家。Electric Sheep Asia对原始数据进行了重打包，规范了模式，并以Parquet格式发布，确保数据可追溯至原始调查来源。

特点

数据集涵盖1970年至2025年间34,725条观测记录，涉及30个亚洲国家，按性别、教育程度及城乡区域细分失业率指标。其核心特点在于多维度分类变量（如性别、教育层次、地理区域）与时间序列的融合，支持对失业率进行精细化分析。数据包含来源标签、观测状态标志及分类注释，便于评估数据质量与可比性。

使用方法

用户可通过Hugging Face的datasets库加载数据集，使用load_dataset函数获取训练集并转换为Pandas DataFrame。支持按国家代码（如IDN）筛选子集，或针对特定指标提取时间序列进行趋势分析。亦可利用pivot_table生成国家与年份的矩阵视图，便于跨区域比较。数据集适用于表格分类、回归及时间序列预测等任务。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计的标准化与传播，其ILOSTAT数据库为研究就业与失业问题提供了权威基础。在此背景下，Electric Sheep Asia于2025年将ILOSTAT中亚洲地区失业率数据重新打包，涵盖1970至2025年间30个亚洲国家的34,725条观测，按性别、教育程度及城乡区域细分。该数据集旨在回应当代亚洲劳动力市场结构性差异的精细化分析需求，为劳动经济学、社会政策及区域发展研究提供可复用的机器学习就绪资源，推动基于性别与教育维度的失业动态量化研究。

当前挑战

该数据集所面对的核心领域问题在于刻画亚洲地区失业率在性别、教育程度与城乡区域交织下的复杂异质性，并支撑跨时空的比较分析与预测。其构建过程亦面临多重挑战：原始数据源自各国劳动调查，统计口径与分类标准参差不齐，需依赖国际劳工统计学家会议定义进行协调，且部分观测存在序列断裂、可靠性标注缺失及非标准教育层级等问题。同时，细分维度非全覆盖导致数据稀疏，要求研究者在建模时审慎处理缺失与偏差，以确保分析结论的稳健性。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉研究中，该数据集凭借其跨越半个世纪、覆盖三十个亚洲国家、并按性别、教育程度与城乡地域多维解构的失业率指标，成为探究结构性失业与劳动力市场分层现象的经典数据源。研究者常将其用于构建面板数据模型，以识别不同受教育群体在城乡二元结构下的失业风险差异，或通过时间序列分析捕捉亚洲经济体在工业化与城市化进程中失业率的动态演变规律，从而为比较劳动市场制度绩效提供实证基础。

实际应用

在政策制定与劳动力市场监测的实际场景中，该数据集为国际组织、国家统计部门及非政府机构评估亚洲各国失业问题的严重程度与结构特征提供了关键参考。决策者可据此识别高失业风险群体，例如低学历青年或农村女性，进而设计针对性的职业培训、就业补贴或城乡劳动力流动促进计划。同时，该数据集亦可用于构建早期预警指标，辅助预测经济波动对特定人群就业状况的潜在冲击，从而提升社会保护政策的精准性与时效性。

衍生相关工作

依托该数据集，学术界与智库机构已衍生出一系列经典研究工作，包括亚洲开发银行关于教育错配与青年失业的专题报告、国际劳工组织发布的亚洲就业与社会展望系列，以及多篇发表于劳动经济学期刊的跨国面板分析论文。这些工作不仅深化了对亚洲劳动力市场转型的理解，还催生了诸如失业率空间可视化仪表板、教育-就业匹配度指数等衍生数据产品，进一步拓展了该数据集在交叉学科研究中的影响力与复用价值。