electricsheepeurope/europe-ilo-emp-cnif-sex-rt-informal-care-employment-rate-by-sex

该数据集包含欧洲3个国家（波斯尼亚和黑塞哥维那、北马其顿、塞尔维亚）从2006年至2025年的非正规护理就业率数据，共147个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并经过重新打包。核心指标为EMP_CNIF_SEX_RT，即按性别划分的非正规护理就业率（百分比）。数据字段包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年份、观测值、观测状态及相关注释。数据集适用于表格分类、回归分析和时间序列预测等机器学习任务。This dataset contains 147 observations of informal care employment rate data across 3 European countries (Bosnia and Herzegovina, North Macedonia, Serbia), spanning from 2006 to 2025. The data is sourced from the International Labour Organizations ILOSTAT database, retrieved via API and repackaged. The core indicator is EMP_CNIF_SEX_RT — Informal care employment rate by sex (%). Data schema includes country code, country name, data source, indicator code, indicator name, sex disaggregation (total, male, female), year, observed value, observation status, and related notes. The dataset is designed for tabular classification, regression, and time-series forecasting tasks.

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REST API直接提取非正规护理就业率（EMP_CNIF_SEX_RT）指标数据，并依据ISO 3166-1 alpha-3标准过滤出涵盖波斯尼亚和黑塞哥维那、北马其顿及塞尔维亚三个欧洲国家的观测值。Electric Sheep Europe团队对原始数据进行清洗、标准化处理，保留包括国家、性别、观测年份、数值及数据来源等核心字段，最终整合为147条记录的表格型数据集，以Parquet格式封装，便于机器学习工作流直接调用。

特点

本数据集聚焦于欧洲三国非正规护理就业率按性别分组的统计信息，时间跨度覆盖2006年至2025年，唯一指标字段清晰标识为EMP_CNIF_SEX_RT。数据具备年度频率特性，支持按性别维度（总计、男性、女性）进行细粒度分析，并附有观测状态标志及来源说明，便于用户评估数据质量。其小巧规模（不足千条记录）与标准化的模式设计，使其成为时间序列预测、分类及回归任务的理想训练材料。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数一键加载该数据集，并将其转换为Pandas DataFrame进行后续分析。典型用法包括按国家筛选特定子集、对单一指标进行时间序列可视化，或通过透视表构建国家×年份的矩阵。数据集兼容时间序列预测、表格分类与回归等多种建模框架，研究人员可直接利用观测值列进行模型训练与评估。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，经Electric Sheep Europe重新封装后上线，聚焦欧洲三国（波斯尼亚和黑塞哥维那、北马其顿、塞尔维亚）2006至2025年间非正式照护就业率的分性别统计数据。作为ILOSTAT数据库的子集，该数据集承载了ILO在劳动统计领域的权威性，旨在揭示非正式照护领域就业结构的性别差异，为政策制定者、社会学家和劳动经济学者提供精细化的时间序列数据，进而推动对欧洲非正式照护经济中女性就业贡献的量化分析与国际比较，对理解劳动力市场中的性别不平等和照护经济的社会价值具有重要意义。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：非正式照护就业率作为衡量照护经济规模的关键指标，长期受限于数据碎片化和跨国可比性不足，导致政策评估缺乏可靠依据。构建过程中，挑战包括从ILOSTAT海量异构数据中精准提取并清洗欧洲区域特定指标，需处理因调查方法修订（如断点标记B）、数据来源更迭（如'最佳来源'选择机制）及年度频率非均匀性带来的时序一致性问题。此外，仅覆盖三国的样本量（147条观测）限制了统计推断的稳健性，且缺失月度或季度粒度数据，难以捕捉短周期波动，影响了模型在时序预测和分类任务中的泛化能力。

常用场景

经典使用场景

该数据集汇聚了欧洲三国（波斯尼亚和黑塞哥维那、北马其顿、塞尔维亚）2006至2025年间按性别分列的非正规照料就业率观测值，共计147条记录。研究者可将其用于时间序列分析，揭示照料经济中性别差异的演变规律；亦可通过面板数据回归模型，探析照料就业率与宏观经济政策、社会保障体系之间的内在关联。数据集的年度频率和标准化的ILOSTAT分类体系，使其成为跨国比较研究中的理想素材，尤其适用于探索后社会主义国家女性劳动力参与非正式照料领域的动态特征。

衍生相关工作

基于该数据集，衍生了若干经典学术工作。有学者运用面板向量自回归模型，探究非正规照料就业率与女性劳动参与率之间的长期均衡关系，揭示了照料责任对女性职业发展的隐性制约。另有研究通过固定效应模型与分位数回归，识别了影响照料就业率的关键结构性因素，如教育水平分布、公共护理设施密度。这些工作不仅在《Journal of European Social Policy》等权威期刊上发表，还为后续构建照料经济行为主体预测模型提供了方法论参考。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲非正式护理就业率的性别差异，为分析护理经济中的性别不平等提供了宝贵的时间序列证据。当前研究前沿正转向利用ILOSTAT等权威统计源，结合机器学习模型预测护理劳动力市场的变化趋势，尤其是在欧洲人口老龄化和照护需求激增的背景下。该数据集跨越近二十年，涵盖多个欧洲国家的分性别数据，有助于探讨非正式护理工作与正规就业之间的动态关系，并可为政策制定者评估社会保护体系的有效性提供数据支持。其与可持续发展目标（SDGs）中体面工作与经济增长的关联，使其在劳动经济学、性别研究及公共政策领域具有重要的实证价值。