electricsheepeurope/europe-ilo-emp-2emp-sex-age-cla-nb-employment-by-sex-age-and-economic-class-ilo-model

该数据集名为按性别、年龄和经济阶层划分的就业人数——国际劳工组织模型估计值，2025年11月（千人）| 欧洲（ILOSTAT），包含16,026个观测值，覆盖阿尔巴尼亚（ALB）、波斯尼亚和黑塞哥维那（BIH）、白俄罗斯（BLR）、摩尔多瓦（MDA）、北马其顿（MKD）、黑山（MNE）、俄罗斯（RUS）、塞尔维亚（SRB）和乌克兰（UKR）等9个欧洲国家，时间跨度为1991年至2025年。数据集聚焦于工作贫困主题，核心指标为EMP_2EMP_SEX_AGE_CLA_NB，即按性别、年龄和经济阶层划分的就业人数（以千人为单位），数据来源于国际劳工组织（ILO）的模型估计值。数据集为表格形式，包含国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年龄分类（15岁以上）、经济阶层分类（总计）、年份、观测值等列，用于表格分类、回归和时间序列预测任务。数据由Electric Sheep Europe从ILOSTAT REST API获取并重新打包，以提供统一、机器学习就绪的欧洲数据层。This dataset is titled Employment by sex, age and economic class -- ILO modelled estimates, Nov. 2025 (thousands) | Europe (ILOSTAT) and contains 16,026 observations across 9 European countries (ALB, BIH, BLR, MDA, MKD, MNE, RUS, SRB, UKR), spanning the years 1991 to 2025. It focuses on the topic of working poverty and includes one key indicator: EMP_2EMP_SEX_AGE_CLA_NB, which represents employment figures (in thousands) disaggregated by sex, age, and economic class, based on modelled estimates from the International Labour Organization (ILO). The dataset is in tabular format with columns such as country code, country name, data source, indicator code, sex classification (total, male, female), age classification (15+), economic class classification (total), year, observed value, etc., and is intended for tabular classification, regression, and time-series forecasting tasks. The data is sourced from the ILOSTAT REST API and repackaged by Electric Sheep Europe to provide a unified, ML-ready data layer for Europe.

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接口直接提取指标EMP_2EMP_SEX_AGE_CLA_NB的原始数据，并依据欧洲国家ISO3代码进行地理范围过滤。ILOSTAT基于国际劳工统计学家会议（ICLS）定义，对各国劳动力调查、家计调查等微观数据进行统一处理与建模，生成可比的就业估计值。数据经过Electric Sheep Europe的二次封装，以结构化表格形式呈现，涵盖16,026条观测记录，覆盖1991至2025年间的9个欧洲国家。

特点

数据集聚焦于按性别、年龄和经济阶层划分的就业人数（以千人为单位），包含唯一指标EMP_2EMP_SEX_AGE_CLA_NB。其核心特色在于多维度的分类变量：性别维度涵盖总体、男性和女性三类；年龄和经济阶层则通过classif1与classif2字段实现灵活拆解，例如年龄分组为15岁及以上青年与成年人，经济阶层可细分至总类。数据还附带了源标签、观测状态标记等信息，便于追溯数据出处与质量评估。时间跨度长达35年，每年观测频率，为纵向时序分析提供了坚实基础。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，调用load_dataset函数即可获取训练集并转换为Pandas DataFrame进行后续操作。典型的使用流程包括：按国家代码过滤特定国家的子集；针对单一指标按时间排序后绘制折线图，观察就业人数的长期趋势；或者利用透视表功能构建以年份为行、国家为列的矩阵，实现跨国比较分析。数据集的字段类型清晰，obs_value为浮点数直接用于回归任务，而sex、classif1等分类变量则可用于分组统计或机器学习中的特征工程，支持表格分类与时序预测等多种任务场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，由Electric Sheep Europe在HuggingFace上重新打包整理，聚焦欧洲地区按性别、年龄和经济阶层划分的就业与工作贫困数据。ILOSTAT作为全球劳动统计的权威来源，整合了来自各国劳动力调查、家庭收入调查及行政记录等多元数据，经ILO统计部门统一协调处理。数据集涵盖1991至2025年间9个欧洲国家的16,026条观测记录，为研究欧洲劳动力市场结构变迁、工作贫困的性别与代际差异，以及经济增长中的包容性问题提供了系统性的时间序列数据支撑，对劳动经济学、社会政策评估及可持续发展目标（SDG）监测具有重要价值。

当前挑战

该领域面临的核心挑战在于工作贫困的多维度判定——单一指标难以全面反映劳动者在收入、工时、社会保障等方面的脆弱性，且不同国家的贫困线定义与统计口径差异显著。在数据构建层面，挑战主要来自三方面：其一，各国原始调查数据的采集频率、问卷设计与质量参差不齐，ILO需通过模型估计填补数据空白，但模型假设本身可能引入偏差；其二，部分国家（如乌克兰）近年数据缺失，导致时间序列不连续；其三，数据按性别、年龄、经济阶层等多维度进一步拆解后，细分组别可能出现样本量过小或统计效力不足的问题，影响分析的可靠性。

常用场景

经典使用场景

在劳动经济学与社会政策研究领域，europe-ilo-emp-2emp-sex-age-cla-nb-employment-by-sex-age-and-economic-class-ilo-model数据集以其精细的人口统计分层而著称。研究者可依据性别、年龄组与经济阶级三大维度，对欧洲九国长达三十余年（1991-2025年）的工作贫困率进行纵向剖析。经典用法包括构建多层次的混合效应模型，探究不同亚群在全球化与产业结构转型冲击下的就业脆弱性演变轨迹。该数据集亦常被用于时间序列分解与预测，通过整合ILO调和的标准化指标，识别宏观经济波动对特定人口子群体的异质性影响，为理解欧洲劳动力市场的包容性发展提供了可靠的经验基础。

衍生相关工作

围绕该数据集已衍生出一系列具有代表性的学术产出。其中，劳动经济学家基于其构建的'欧洲工作贫困过渡矩阵'，量化揭示了不同国家在金融危机与疫情冲击下就业状态的动态流转概率。欧盟委员会联合研究中心就曾借鉴此数据，建立了'欧洲就业质量指数'的多指标监测框架。在计量方法层面，有经典工作利用该面板数据验证了分位数回归与潜类别增长模型在识别非正规就业异质性路径中的有效性。此外，该数据集还催生了多篇关于性别工资差距与在职贫困代际传递机制的实证论文，其标准化分类变量格式亦被后续European Social Survey等数据产品采纳为字段设计蓝本。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲9国1991至2025年间按性别、年龄和经济阶层划分的就业与工作贫困数据，为劳动经济学与可持续发展目标研究提供了结构化时间序列基础。当前前沿方向包括利用机器学习模型分析就业形态变迁与贫困脆弱性之间的动态关联，结合性别与年龄层面的交叉特征预测结构性失业风险。尤其在欧洲地缘政治变动与疫情后劳动力市场重构背景下，该数据可支撑基于多源异构劳动统计的对比研究，揭示不同经济阶层在就业质量上的分化趋势，为国际劳工组织推进体面劳动政策提供量化证据。