electricsheepeurope/europe-ilo-eip-3eip-sex-age-dsb-nb-youth-outside-the-labour-force-by-sex-age-and-disa

该数据集包含欧洲35个国家从2002年至2025年的19,417个观测值，主题为按性别、年龄和残疾状况划分的未进入劳动力市场的青年人数（千人），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了劳动力市场未充分利用的其他衡量指标。数据集以表格形式呈现，包括国家、年份、性别、年龄和残疾状况等分类维度，适用于表格分类、回归和时间序列预测等任务。This dataset contains 19,417 observations of Youth outside the labour force by sex, age and disability status (thousands) across 35 European countries from 2002 to 2025, sourced from the International Labour Organization (ILO) ILOSTAT database, focusing on other measures of labour underutilization. It is presented in tabular format with dimensions such as country, year, sex, age, and disability status, suitable for tasks like tabular classification, regression, and time-series forecasting.

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权威统计数据库，经由Electric Sheep Europe团队从ILOSTAT REST API直接抽取，并针对欧洲35个国家的ISO3代码进行筛选与整合。原始数据基于各国劳动力调查、家庭收支调查及行政记录等多元来源，ILO通过国际劳工统计学家会议（ICLS）定义对微观数据进行统一协调，确保指标口径一致。数据以年度频率呈现，涵盖2002至2025年间共计19,417条观测记录，每条记录均包含来源标签以追溯数据源头，最终以结构化表格形式打包为Parquet格式发布。

使用方法

用户可通过Hugging Face Datasets库的load_dataset()函数一键加载该数据集，并转换为Pandas DataFrame进行进阶操作。例如，可按照国家代码（ref_area）筛选特定国家的子集，或按时间列（time）排序后绘制单个指标的时序曲线。更为灵活的用法包括以年份为行、国家为列的数据透视表构建，从而形成国家间比较矩阵。由于数据以标准表格形式呈现，配合分类列（sex, classif1, classif2）的筛选，研究者能高效提取特定亚群的时间序列数据，开展劳动力市场与残疾包容性相关的计量分析。

背景与挑战

背景概述

在全球劳动统计领域，国际劳工组织（ILO）的ILOSTAT数据库作为核心数据源，为各国劳动力市场分析提供了基准。该数据集由Electric Sheep Europe于2025年重新整理发布，聚焦欧洲35个国家2002至2025年间青年群体因性别、年龄及残疾状况而游离于劳动力市场之外的状况。数据集包含19,417条观测记录，核心指标为“按性别、年龄和残疾状况划分的失业青年人数（千）”，旨在揭示劳动力利用不足的复杂结构。这一研究主题对理解欧洲社会包容性政策、青年就业困境以及残疾人群体的边缘化问题具有深远意义，为政策制定者与研究者提供了量化基准。

当前挑战

数据集面临的首要挑战在于所解决的领域问题：青年劳动力利用不足的测量需同时捕捉性别、年龄与残疾状态的交互效应，而传统指标往往忽视交叉性维度，导致政策干预错位。其次，构建过程中遭遇多重障碍：数据源于各国劳动力调查、家庭收入调查及行政记录，ILOSTAT虽经协调但保留源标记，跨国的定义差异（如残疾标准非标准化）及方法论修订（如序列断裂）均需通过分类注释字段处理。此外，年度频率限制时效性，部分指标缺失月度或季度细粒度数据，且最佳来源选择算法可能引入选择偏差，影响跨国可比性。

常用场景

经典使用场景

该数据集记录了2002至2025年间35个欧洲国家中，按性别、年龄和残疾状况分层的青年脱离劳动力人口数量（单位：千人），共包含19,417条观测。其经典使用场景聚焦于劳动经济学与人口统计学交叉领域，研究者可借助性别、年龄组与残疾状态三个维度，精细化剖析青年群体在劳动力市场边缘化中的异质性表现。通过时间序列与横截面数据的复合分析，能够刻画不同欧洲国家在青年就业支持政策、社会保障体系及经济转型进程中的差异化轨迹。数据集的年度频次与多国覆盖特性，使其特别适用于构建面板数据模型，以捕捉宏观制度环境与微观个体特征交互作用下的青年劳动参与动态。

解决学术问题

该数据集系统性地回应了关于青年劳动力边缘化成因的学术追问，尤其是残疾状态这一长期被忽视的变量如何与性别、年龄共同塑造青年脱离劳动力的差异化路径。传统研究多聚焦于总体失业率或青年失业率，却难以区分主动退出与被动排斥的劳动市场状态。借助ILOSTAT基于国际劳工统计学家会议标准的规范化定义，数据集为量化残疾与非残疾青年在劳动力参与机会上的结构性不平等提供了可靠依据。它推动了从‘青年未参与率’表面指标向‘多维边缘化机制’深层分析的转向，让学者得以验证社会保障覆盖、反歧视立法与技能培训政策在弥合参与差距方面的异质性效果，从而为构建更具包容性的劳动力市场理论框架奠定了实证基础。

实际应用

在实际应用中，该数据集为欧盟及国家层面的青年就业干预政策提供了数据驱动的精准支持。劳动部门可利用按残疾状态与性别交叉分层的年度数据，识别出特定子群体（如残疾年轻女性）在特定国家与年份面临的持续性劳动力排斥，从而将有限公共资源定向投放至最具需要的群体。对于非政府组织与国际劳工组织，该数据可作为监测《联合国残疾人权利公约》与可持续发展目标中体面劳动目标执行进展的核心依据。此外，教育机构与职业培训中心可结合数据揭示的区域性退出趋势，调整职业教育课程结构，使技能培育更贴合劳动力市场需求，进而从源头缩减青年脱离劳动人群的规模。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲青年在性别、年龄与残疾状态交叉视角下的劳动力市场边缘化研究，为揭示后疫情时代劳动参与率的结构性分化提供了珍贵的时间序列证据。当前前沿方向之一是利用该数据训练可解释的时序预测模型，以捕捉残疾青年群体在不同欧洲国家间劳动力退出模式的异质性，并与国家社会保障政策、数字化转型进程等宏观变量关联分析。另一热点是将此数据集与ILO其他劳动力利用不足指标（如潜在劳动力、时间相关就业不足）联合建模，构建多维劳动边缘化指数，从而更精准地刻画欧盟“就业-不活跃”过渡带的脆弱人群画像。此类研究对推动包容性就业政策制定和评估《欧盟残疾人战略》实施效果具有直接的循证价值。