electricsheepasia/asia-ilo-emp-xtru-sex-age-geo-nb-time-related-underemployment-by-sex-age-and-rural

该数据集包含亚洲25个国家从1996年至2025年的时间相关就业不足数据，共计15,728个观测值，涵盖1个具体指标。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，涉及按性别、年龄和城乡地区分类的就业不足情况（以千人为单位）。数据集经过Electric Sheep Asia重新打包，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。This dataset contains 15,728 observations of time-related underemployment data across 25 Asia countries, spanning from 1996 to 2025, covering 1 distinct indicator. The data is sourced from ILOSTAT, the International Labour Organizations central statistics database, focusing on underemployment disaggregated by sex, age, and rural/urban areas (in thousands). Repackaged by Electric Sheep Asia, it is provided in tabular format and suitable for tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Asia团队从国际劳工组织（ILO）的ILOSTAT REST API接口直接提取，原始数据源自各国劳动力调查等微观调查的调和处理。提取时以亚洲ISO3国家代码为筛选条件，覆盖25个亚洲国家，时间跨度为1996年至2025年。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对原始调查数据进行标准化，并在数据中通过来源标签列标注每条观测的原始出处，以确保可追溯性。最终以Parquet格式重新打包发布，便于机器学习工作流直接使用。

特点

数据集包含15,728条观测，聚焦于与时间相关的产业不足就业指标，按性别、年龄及城乡地域进行细分。覆盖25个亚洲国家，年度频率数据跨越近三十年，具备显著的时间序列与面板数据特征。数据模式规范，包含国家代码、来源、指标、性别分类、年龄分类、地域分类、年份、观测值及各类状态标签等字段，支持表格分类、回归与时间序列预测等任务。数据质量标注完善，包含观测状态标志和脚注信息，便于识别修订或不可靠数据点。

使用方法

研究者可通过HuggingFace的datasets库以一行代码加载数据集，并转换为Pandas数据框进行后续分析。典型用法包括按国家代码筛选特定国家的子集，或按指标代码提取单指标时间序列并排序绘图。亦可利用透视表将数据重塑为国家与年份的矩阵形式，便于开展跨国比较或面板回归。数据集适用于劳动经济学、发展研究及区域国别分析等领域，支持从描述性统计到预测建模的多样化研究需求。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计的标准化与可比性建设，ILOSTAT数据库应运而生，成为覆盖二百余个经济体的权威劳工统计来源。本数据集由Electric Sheep Asia于2025年重新封装，源自ILOSTAT的EMP_XTRU_SEX_AGE_GEO_NB指标，涵盖二十五个亚洲国家、1996至2025年间共15,728条关于时间相关不充分就业的观测记录，按性别、年龄及城乡地域分层呈现。该数据集为探究亚洲地区就业质量、劳动时间利用不足及性别与代际差异等议题提供了精细化的量化基础，对劳动经济学、社会发展评估及可持续发展目标监测具有重要参考价值。

当前挑战

时间相关不充分就业的测度本身即构成劳动统计领域的核心难题，其界定依赖于国际劳工统计学家会议所确立的复杂标准，各国劳动力调查在问题设计、参考周期及覆盖范围上的异质性导致数据可比性受限。构建该数据集时面临多重挑战：原始调查微数据的采集频率与年份覆盖参差不齐，部分国家仅有个别年份的零星记录；同一国家同年份存在多源数据时需依赖ILO的优选规则，可能引入选择偏差；城乡分类与年龄分组在不同国家间的标准差异亦增加了跨区域聚合的难度。此外，部分观测被标注为不可靠或存在序列中断，进一步制约了长时段趋势分析的稳健性。

常用场景

经典使用场景

在劳动经济学与就业统计研究中，该数据集最经典的用途在于构建亚洲地区时间相关不充分就业的多维面板数据模型。研究者可依据性别、年龄组及城乡地理标识，对1996至2025年间25个亚洲国家的就业不足动态进行时序分析与横截面比较，进而刻画劳动力市场结构性失衡的演化轨迹。

衍生相关工作

围绕该数据集已衍生出一系列经典研究，包括亚洲发展中国家不充分就业的性别差距分解、城乡劳动力市场分割的时序测度，以及基于机器学习方法的不充分就业预测模型。这些工作不仅拓展了ILOSTAT数据在计量分析与预测建模中的应用边界，也为后续整合多指标劳动统计数据集奠定了方法论参照。

数据集最近研究

最新研究方向

在全球劳动力市场深刻变革的背景下，时间相关就业不足作为衡量劳动力资源未充分利用的关键指标，日益受到劳动经济学与发展经济学的关注。该数据集依托国际劳工组织ILOSTAT权威统计框架，覆盖亚洲25国1996至2025年间的性别、年龄及城乡维度数据，为刻画亚洲地区就业不足的时空演变提供了独特的长时序面板。当前前沿研究聚焦于运用机器学习与时间序列预测方法，揭示经济周期波动、结构性转型及突发事件（如公共卫生危机）对就业不足的异质性冲击，尤其关注青年群体与农村地区的脆弱性。相关成果为SDG8体面劳动目标的监测评估、区域劳动力市场政策制定及社会保障体系优化提供了实证基础，具有重要的学术价值与政策意涵。