electricsheepeurope/europe-ilo-eip-5plf-sex-age-nb-potential-labour-force-by-sex-and-age-19th-icls-th

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的按性别和年龄划分的潜在劳动力——第19届国际劳工统计学家会议（千计）数据，专门针对欧洲地区。数据集涵盖34个欧洲国家，时间跨度为2014年至2025年，包含4,323个观察值。核心指标为EIP_5PLF_SEX_AGE_NB，用于衡量潜在劳动力规模，数据按性别（总计、男性、女性）和年龄分类进行细分。数据来源包括劳动力调查等国家统计资料，并经过ILO的标准化处理以确保国际可比性。数据集以表格形式提供，包含国家代码、年份、观测值、数据来源和质量标志等列，适用于表格分类、回归或时间序列预测等任务。This dataset comprises potential labor force data disaggregated by gender and age, sourced from the ILOSTAT database of the International Labour Organization (ILO) — data derived from the 19th International Conference of Labour Statisticians, measured in thousands, and specifically focused on the European region. It covers 34 European countries, spans the 2014–2025 time period, and contains a total of 4,323 observations. The core indicator is EIP_5PLF_SEX_AGE_NB, which quantifies the scale of the potential labor force, with data further disaggregated by gender (total, male, female) and age cohorts. Data sources encompass national statistical materials such as labor force surveys, and have undergone standardization by the ILO to guarantee international comparability. The dataset is provided in tabular format, with columns including country codes, year, observations, data sources, and quality flags, and is suitable for tasks such as tabular classification, regression analysis, or time series forecasting.

搜集汇总

数据集介绍

构建方式

在全球劳动力统计领域，国际劳工组织（ILO）的ILOSTAT数据库是权威数据源，该数据集便是基于其REST API构建而成。Electric Sheep Europe团队直接从ILOSTAT的API接口获取名为“EIP_5PLF_SEX_AGE_NB”的原始指标数据，并依据欧洲ISO3国家代码进行地理筛选，最终汇集了34个欧洲国家在2014至2025年间的观测记录。数据经过ILO根据第19届国际劳动统计学家会议（ICLS）的定义进行统一协调与整合，每个观测值均附带有详细的来源标签（source.label），确保了数据源的可追溯性与标准化程度。

特点

该数据集的核心特点在于其聚焦于“潜在劳动力”这一衡量劳动力未充分利用状况的关键指标，细化了按性别与年龄分组的数据维度。数据集包含4323条观测记录，覆盖了欧盟及欧洲其他主要经济体，时间跨度长达12年。其架构设计高度结构化，包含国家代码、来源、指标定义、性别分类、年龄分组、观测值、观测状态标志及各类注释字段，便于研究者进行时间序列分析、跨国家比较以及按特定维度进行筛选与聚合，尤其适用于劳动力市场政策分析与预测建模。

使用方法

研究人员可借助HuggingFace的`datasets`库极为便捷地加载该数据集，通过一行代码`load_dataset`即可将其转化为Pandas DataFrame进行后续操作。典型的使用流程包括：按国家代码（如`DEU`）过滤出特定国家的观测数据；利用`sort_values`与`plot`方法绘制指定指标的时间序列趋势图；或通过`pivot_table`将数据重塑为国家×年份的矩阵形式，以支持面板数据分析与回归建模。数据集以Parquet格式存储，保证了大规模数据读取的高效性与内存友好性，是从事欧洲劳动力市场研究的理想起点。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，并经Electric Sheep Europe重新打包发布，聚焦于欧洲地区潜在劳动力人口（按性别与年龄划分）的统计指标。其核心研究问题在于揭示未被传统失业定义充分捕捉的劳动力利用不足现象，特别是那些未积极求职但可能进入劳动力市场的群体。作为ILOSTAT这一全球劳动统计权威数据库的子集，该数据集提供了2014至2025年间34个欧洲国家的4323条观测记录，涵盖按性别与年龄细分的潜在劳动力数据，为劳动经济学、人口学以及劳动力市场政策分析提供了高颗粒度的标准化时间序列，对欧盟劳动力监测与国际比较研究具有重要支撑作用。

当前挑战

该数据集所解决的领域挑战在于超越传统失业率指标，通过“潜在劳动力”概念（第19届国际劳动统计学家会议定义）捕捉准失业或边缘劳动力群体，从而更精准地反映真实劳动市场闲置状况。构建过程中面临的挑战包括：多国劳动力调查数据的口径协调（如不同来源的“最佳来源”选择机制）、年度频率与月度/季度数据之间的时效性取舍、因方法修订导致的时间序列断裂（如标记为“Break in series”的指标注释）、以及部分观测值因样本量不足被标记为不可靠（obs_status字段），同时分类维度（如性别）仅在指标发布细分时可用，增加了跨期与跨国可比性的分析难度。

常用场景

经典使用场景

在欧洲劳动力市场研究领域，该数据集为分析非标准劳动力利用状况提供了宝贵资源。其经典使用场景聚焦于量化评估欧洲各国潜在劳动力规模，即那些虽未就业但表现出劳动意愿或可行性的群体。研究者可借助该数据集按性别与年龄层进行深度剖析，追踪2014至2025年间欧洲34国的潜在劳动力变化趋势，从而揭示劳动力市场的结构性特征。通过对时间序列数据的动态观察，能有效识别潜在劳动力在不同国家的分布规律与演化模式。

解决学术问题

该数据集精确回应了劳动经济学中关于劳动力未充分利用测量的核心学术难题。传统失业率指标难以捕捉边缘劳动力群体，而此数据基于第19届国际劳动统计学家会议定义，系统量化了潜在劳动力规模。它帮助学者突破单一失业统计的局限，全面理解劳动力市场闲置现象，尤其在性别不平等与年龄分层研究方面贡献显著。这一标准化数据为跨国比较研究搭建了可靠框架，推动了劳动力市场政策的科学评估与理论验证。

衍生相关工作

该数据集衍生出一系列具有影响力的学术与政策研究工作。在方法论层面，研究者基于其结构化特征开发了潜在劳动力预测模型，整合面板数据回归与机器学习算法以增强外推精度。在实证领域，涌现出探讨潜在劳动力与经济周期联动的经典论文，揭示了隐藏失业与宏观波动间的非线性关系。国际劳工组织亦依托此类数据编制多维度劳动力未利用指数，推动联合国可持续发展目标中体面工作指标的跨国监测。该数据集还催生了数据可视化工具与仪表盘，提升了劳工统计数据的公众可及性。