electricsheepasia/asia-ilo-emp-3emp-sex-age-jbt-nb-youth-employment-by-sex-age-and-working-time-arran

该数据集包含14,541个观测值，涉及34个亚洲国家的就业数据，时间跨度为1990年至2025年，覆盖1个独特指标。具体指标为按性别、年龄和工作时间安排划分的青年就业（千人）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据集包括国家代码、国家名称、来源、指标、性别、年龄分类、工作时间安排、观测年份、观测值等列，并提供了数据质量说明和使用示例。This dataset contains 14,541 observations of Employment data across 34 Asia countries, spanning 1990–2025, covering 1 distinct indicators. The specific indicator is Youth employment by sex, age and working time arrangement (thousands). Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asia countries. It includes columns such as country code, country name, source, indicator, sex, age classification, working time arrangement, observation year, observation value, along with data quality notes and usage examples.

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统计数据库，以青年按性别、年龄和工作时间安排的就业数据为核心。数据通过ILOSTAT的REST API接口直接抽取，并依据亚洲ISO3国家代码进行过滤，覆盖34个亚洲国家从1990年至2025年的年度观测值，共计14,541条记录。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行统一协调处理，并在source.label列中标注数据来源，确保了数据的可追溯性和规范性。Electric Sheep Asia团队负责将这些标准化后的数据重新打包，形成可直接用于机器学习和时间序列分析的数据集。

特点

该数据集以单一指标EMP_3EMP_SEX_AGE_JBT_NB为核心，提供了青年就业人数（单位：千）的精细分层，包含性别（总、男、女、其他）以及年龄与工作时间安排两个分类维度。数据结构整齐，包含国家代码、数据来源、指标标签、观测值、年份及其状态标记等20个字段，便于进行国家间比较与时间序列趋势分析。其时间跨度长达35年，覆盖东亚、南亚、西亚及中亚等多样化区域，为研究亚洲青年劳动力市场提供了宝贵的全景式视角。

使用方法

研究者可通过HuggingFace的datasets库轻松加载该数据集，调用load_dataset函数后转换为Pandas DataFrame进行后续分析。基于清晰的列结构，用户可便捷地按国家代码筛选特定国家的子集，或者对单一指标的时间序列进行可视化，例如绘制特定国家的青年就业趋势图。此外，利用pivot_table方法可将数据重塑为国家×年份的矩阵形式，便于构建面板数据模型或进行多国对比分析。数据集本身完美适配表格分类、回归以及时间序列预测等任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT统计数据库发布，并由Electric Sheep Asia在HuggingFace上重新打包，聚焦于1990至2025年间34个亚洲国家的青年就业状况，涵盖性别、年龄及工作时间安排等维度，包含14,541条观测记录。其核心研究问题在于揭示亚洲地区青年就业的结构性特征与时空演变规律，为劳动经济学、发展政策及可持续发展目标（SDGs）中的体面工作议题提供数据支撑。作为ILO在全球劳动统计领域的权威成果，该数据集通过整合各国劳动力调查与行政记录，经ILCLS定义标准化处理，成为研究亚洲青年就业模式、性别差异及非正规就业的重要基准资源，对推动区域劳动政策制定与学术分析具有深远影响力。

当前挑战

该数据集在领域问题层面面临多重挑战：一是青年就业的界定标准因国而异，如年龄范围（15-29岁）与工作时间安排（兼职/全职）的统计口径在不同国家存在差异，导致跨国比较时需谨慎处理；二是就业数据易受经济周期、政策干预及突发事件（如疫情）影响，观测值可能出现序列中断（如‘Break in series’标记），削弱时间序列分析的连续性。构建过程中，数据整合遭遇数据源多样性与质量不一的难题，例如部分国家依赖劳动力调查，而另一些则使用行政记录，来源标签（source.label）虽提供溯源，但协调统一需处理样本偏差与测量误差；此外，亚洲地区存在数据稀疏性，如阿富汗等国的观测年限较短，且某些指标或年份因披露限制而缺失，均对模型的鲁棒性与泛化能力构成考验。

常用场景

经典使用场景

该数据集收录了1990年至2025年间34个亚洲国家按性别、年龄和工作时间安排划分的青年就业数据，共计14,541条观测记录。在劳动经济学与公共政策研究中，研究者常将其用于构建面板数据模型，系统分析亚洲地区青年劳动力市场的结构性变迁。通过结合性别与年龄分组，可深入探究不同人口群体在就业参与率、工作强度及非正规就业形态上的异质性特征，为理解发展中国家青年失业问题的演化轨迹提供高质量的实证基础。

衍生相关工作

围绕该数据集，衍生出多项前沿研究。一项代表性的工作是利用其时间序列特征构建机器学习模型，预测亚洲国家青年就业率的短期波动，为前瞻性政策制定提供依据。另有学者基于该数据构建了青年就业质量指数，引入性别平等与工作稳定性维度，重新定义了发展中国家体面劳动的评价框架。在国际劳工组织内，研究者已将其与全球宏观数据库（如世界银行WDI）关联，构建了多维劳动市场均衡模型，深刻揭示了经济周期与青年就业弹性之间的非线性关系。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲青年就业的性别、年龄及工时安排维度，为劳动经济学与可持续发展目标（SDG）研究提供了高分辨率的时间序列基础。前沿方向包括利用1990–2025年间34国面板数据，结合机器学习模型（如梯度提升机或LSTM）预测区域青年就业波动，并量化非正规就业与工时弹性之间的耦合关系。当前热点关联后疫情时代亚洲青年‘零工经济’参与度的实证分析，尤其是女性短期雇佣与兼职安排的动态变迁，通过ILOSTAT统一分类标准（ICLS）确保跨国可比性。该数据集填补了亚洲青年细分就业时序数据的空白，支撑政策制定者识别脆弱群体并设计定向干预，其开源许可（CC-BY-4.0）更推动全球南方劳动市场的协作研究。