electricsheepeurope/europe-ilo-emp-pifl-sex-dsb-nb-employment-outside-the-formal-sector-by-sex-and-di

该数据集包含了欧洲31个国家在2007年至2025年期间关于非正规经济部门就业的3,730条观测数据。核心指标为按性别和残疾状况划分的非正规经济部门就业人数（千）（指标代码：EMP_PIFL_SEX_DSB_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API获取，并经过统一处理以符合国际劳工统计学家会议（ICLS）的定义。数据集涵盖了按性别（总计、男性、女性）和残疾状况的细分维度，并包含国家代码、年份、观测值、数据来源、观测状态及备注等信息。数据以年度频率发布，适用于表格分类、回归和时间序列预测等机器学习任务。数据集由Electric Sheep Europe重新打包，以Parquet格式提供，便于使用Hugging Face的`load_dataset`函数加载和分析。This dataset contains 3,730 observations of informal economy employment data across 31 European countries from 2007 to 2025. The core indicator is Employment outside the formal sector by sex and disability status (thousands) (indicator code: EMP_PIFL_SEX_DSB_NB). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its REST API and harmonized according to International Conference of Labour Statisticians (ICLS) definitions. It includes disaggregation by sex (total, male, female) and disability status, along with country codes, years, observed values, data sources, observation statuses, and notes. The data is published at annual frequency and is suitable for machine learning tasks such as tabular classification, regression, and time-series forecasting. The dataset is repackaged by Electric Sheep Europe in Parquet format for easy loading and analysis using Hugging Faces `load_dataset` function.

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）维护的ILOSTAT中央统计数据库，旨在刻画欧洲非正规部门就业的性别与残疾状况差异。构建过程依托ILOSTAT提供的REST API，直接获取指标EMP_PIFL_SEX_DSB_NB的原始观测记录，并依据ISO3国家代码筛选出31个欧洲国家。ILO统计部门采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查等微观数据进行统一调和，确保跨国可比性。Electric Sheep Europe对原始数据实施模式规范化，保留来源标签以支持溯源，最终以Parquet格式封装发布。

使用方法

研究者可借助Hugging Face的datasets库以一行代码加载数据，并转换为Pandas数据框进行灵活操作。典型分析路径包括：筛选特定国家（如德国）的子集以观察其时间趋势；针对单一指标抽取时序数据并绘制折线图，揭示非正规就业的动态演变；或通过透视表将数据重塑为国家×年份矩阵，以支撑跨国比较与面板回归。该数据集适用于表格分类、回归及时间序列预测等任务，亦可用于劳动经济学、社会政策评估等领域的实证研究。

背景与挑战

背景概述

国际劳工组织（ILO）自1919年成立以来，始终致力于全球劳动统计的标准化与系统化，其核心数据库ILOSTAT汇集了二百余个经济体的劳动力调查、家庭收入调查及行政记录，成为劳动经济学与非正规经济研究的关键基础设施。在此背景下，Electric Sheep Europe于2025年对ILOSTAT中“按性别与残疾状况划分的非正规部门外就业”指标进行重新封装，覆盖欧洲31国、2007至2025年的3730条观测，旨在为性别差异与残疾包容性就业研究提供可机读的时序截面数据，进而推动欧洲劳动力市场政策评估的实证化进程。

当前挑战

该数据集所回应的领域问题，在于非正规就业统计长期面临的定义歧义与跨国产比性困境：不同国家对“非正规部门”的界定差异，以及残疾状况测量的异质性，使得国际比较极易产生系统性偏误。构建过程中，ILOSTAT虽依托国际劳工统计学家会议（ICLS）标准进行调和，但原始调查来源多元、数据质量标识参差，部分观测被标记为“不可靠”或“非标准定义”，加之部分国家年份缺失与性别分类的非全覆盖，导致面板数据结构不均衡，为时序建模与因果推断带来显著挑战。

常用场景

经典使用场景

在非正规经济部门就业规模与结构的研究中，该数据集凭借涵盖31个欧洲国家、2007至2025年共3730条观测值的丰富信息，成为刻画正规部门之外就业形态的经典数据来源。研究者常以国别与年份为双重视角，借助面板回归、时间序列分解等方法，系统考察性别与残疾状态双重维度下非正规就业的演变轨迹，从而揭示欧洲劳动力市场中边缘群体就业模式的异质性特征。

解决学术问题

该数据集有效回应了非正规就业统计中性别与残疾交叉性数据长期匮乏的学术困境，为检验残疾群体在非正规经济中的就业劣势假说提供了可操作的经验基础。其按性别与残疾状态分列的指标设计，使研究者得以分离性别歧视与残疾歧视对非正规就业选择的独立效应及交互影响，并为跨国比较福利体制如何塑造弱势群体就业结果这一比较政治经济学议题提供了量化证据，推动了劳动统计中交叉性分析范式的发展。

实际应用

在政策实践层面，该数据集为国际组织与欧洲各国劳动主管部门评估非正规就业风险、设计包容性就业政策提供了关键依据。社会保障机构可借助其识别残疾女性等高风险群体在非正规部门中的集中程度，进而优化职业培训、反歧视法规与社会保护覆盖方案。学术机构与智库亦利用该数据构建预警指标，监测经济波动时期非正规就业的扩张态势及其对弱势群体的差异化冲击。

数据集最近研究

最新研究方向

在全球非正规经济研究持续深化的背景下，该数据集为探究欧洲非正规部门就业中的性别与残疾交叉不平等提供了关键的量化基础。当前前沿研究聚焦于运用面板数据与时间序列模型，揭示2007至2025年间31个欧洲国家非正规就业的演变轨迹，尤其关注残疾状态如何与性别交互影响劳动市场边缘化。这一方向与欧盟《欧洲残疾人战略2021-2030》及国际劳工组织关于非正规经济统计标准更新的政策热点紧密关联，推动着对包容性就业政策有效性的实证评估。数据集的细分维度使得研究者能够检验结构性排斥的持续性，为制定针对性干预措施提供证据支撑，对实现体面劳动与减少不平等具有重要的监测与预警意义。