electricsheepeurope/europe-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho

该数据集包含欧洲30个国家从2000年至2024年的57,519个观测值，专注于黄金年龄就业人口比按性别、家庭类型和是否有孩子划分（%）这一指标。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并过滤为欧洲国家。数据集涵盖了就业统计，包括按性别（总计、男性、女性）、家庭类型和是否有孩子等维度进行细分，适用于表格分类、回归和时间序列预测等任务。数据以结构化表格形式提供，包含国家代码、来源、指标、时间、观测值及质量标志等列，并附有使用示例和注意事项。license: CC-BY-4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 10000 < 样本数 < 100000 tags: - 表格数据 - 欧洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳动 pretty_name: "按性别、家庭类型及子女存在情况划分的适龄劳动人口就业人口比（欧洲，ILOSTAT）" # 按性别、家庭类型及子女存在情况划分的适龄劳动人口就业人口比（欧洲，ILOSTAT） 🇪🇺 **57519条观测样本** · **30个欧洲国家** · **2000–2024年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装发布*      ## 快速概览 本数据集包含覆盖30个欧洲国家、时间跨度为2000至2024年的就业相关数据，共计**57519条观测样本**，仅包含**1项独立指标**。 ## 数据来源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（ILO）的官方中央统计数据库，也是全球领先的劳动统计权威数据源。该库整合了就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（SDG）体面工作目标等多类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：就业 ## 研究方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=GED_PEPR_SEX_HHT_CHL_RT`获取，并筛选出欧洲地区的ISO3国家代码。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化协调；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 30个欧洲国家。以下按样本行数排序展示部分国家： | 国家代码 | 样本行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `AUT` | 2,810 | 2000 | 2023 | | `BEL` | 2,808 | 2000 | 2023 | | `DEU` | 2,803 | 2000 | 2023 | | `HUN` | 2,788 | 2000 | 2023 | | `ESP` | 2,780 | 2000 | 2023 | | `ROU` | 2,767 | 2000 | 2023 | | `SVN` | 2,719 | 2000 | 2023 | | `EST` | 2,666 | 2000 | 2023 | | `LVA` | 2,601 | 2001 | 2023 | | `BGR` | 2,547 | 2001 | 2023 | | `LTU` | 2,528 | 2002 | 2023 | | `GRC` | 2,487 | 2001 | 2024 | | `HRV` | 2,433 | 2002 | 2023 | | `NLD` | 2,383 | 2000 | 2020 | | `GBR` | 2,380 | 2000 | 2019 | | ... | _其余15个国家_ | | | ## 指标（示例） - `GED_PEPR_SEX_HHT_CHL_RT` — 按性别、家庭类型及子女存在情况划分的适龄劳动人口就业人口比（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 来源代码（例如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `GED_PEPR_SEX_HHT_CHL_RT` | | `indicator.label` | `string` | 英文指标名称 | `Prime-age employment-to-population ra…` | | `sex` | `string` | 按性别分组（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `家庭类型：总计` | | `classif2` | `string` | 可选的第二分类变量 | `CHL_AGET6_TOTAL` | | `classif2.label` | `string` | — | `6岁以下子女存在情况：总计` | | `time` | `int64` | 观测年份 | `2023` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `79.344` | | `obs_status` | `string` | 观测状态标记（例如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_indicator` | `string` | — | `—` | | `note_indicator.label` | `string` | — | `—` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 分解维度 以下字段提供数据分解维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，但本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个数据源时，将采用国际劳工组织选定的“最优数据源”。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时非空。 ## 使用方法 使用以下Python代码加载本数据集并转换为Pandas DataFrame： python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "GED_PEPR_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_PEPR_SEX_HHT_CHL_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "GED_PEPR_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ged_pepr_sex_hht_chl_rt_prime_age_employment_to_population_ratio_by_sex_ho_2024, title = {Prime-age employment-to-population ratio by sex, household type and presence of children ( | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho}} } ## 许可证 本数据集采用[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适用于机器学习的欧洲地区数据层。我们从权威开源数据源获取数据，标准化数据结构，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动研究工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月26日通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT_

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）的中央统计数据库ILOSTAT，通过其REST API接口直接获取指标GED_PEPR_SEX_HHT_CHL_RT的原始数据，并依据ISO3国家代码筛选出30个欧洲国家，最终由Electric Sheep Europe进行重新打包与标准化处理。ILOSTAT在数据采集过程中遵循国际劳工统计学家会议（ICLS）的定义，对来自各国劳动力调查、家庭收入调查等原始微观数据进行统一协调，确保跨国可比性，并在数据中通过source.label列标注来源，以保障数据溯源与透明度。

特点

该数据集涵盖2000至2024年间30个欧洲国家的57,519条观测记录，聚焦于按性别、家庭类型及子女存在情况细分的壮龄人口就业-人口比率。数据以年度频率呈现，并包含性别（总计、男性、女性）等分类维度，同时提供详尽的列描述与观测状态标志（如临时性、不可靠），便于用户评估数据质量。其结构清晰，适用于表格分类、回归及时间序列预测等多类任务，且以CC-BY-4.0许可开放，支持学术与商业再利用。

使用方法

用户可通过Hugging Face的datasets库以一行代码加载数据集，并转换为Pandas DataFrame进行灵活分析。例如，利用ref_area字段筛选特定国家（如德国），或对单一指标绘制时间序列图以观察趋势，亦可透视生成国家×年份矩阵以进行横向比较。数据集支持直接用于机器学习建模，如分类、回归或预测任务，同时建议在使用时引用ILO原始来源及Electric Sheep Europe的再打包工作，以遵循许可要求并维护数据伦理。

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发布，其ILOSTAT数据库汇集了200余个经济体的劳动力调查数据，为就业政策研究提供权威依据。在此背景下，Electric Sheep Europe对ILOSTAT原始数据进行再封装，于2024年发布该数据集，涵盖2000至2024年间30个欧洲国家57,519条观察记录，聚焦于育龄黄金年龄（prime-age）按性别、家庭类型及子女存在情形细分的就业人口比。该数据集为探究性别就业差距、家庭结构对劳动参与的影响以及欧洲劳动力市场时空演化提供了高粒度、可复用的结构化资源，对劳动经济学、社会政策评估及性别研究具有显著支撑价值。

当前挑战

该数据集所应对的核心领域问题在于：如何精确刻画并比较欧洲各国育龄人口就业率的性别差异与家庭情境效应，这要求统计指标在跨国家、跨时间维度上保持定义一致且可比。构建过程中的挑战尤为突出：原始调查数据的缺失值与非抽样误差需通过ILO的协调框架进行校正；部分国家数据仅覆盖特定年份或存在来源更替，导致时间序列断裂；细分维度（如子女年龄、家庭类型）的披露不完整，造成分类别下的观测稀疏甚至缺失；此外，部分观测被标记为“不可靠”或“临时性”，其统计效力需谨慎对待。这些因素共同影响了数据集在细粒度分析中的稳健性与完整性。

常用场景

经典使用场景

在劳动经济学与人口统计学交叉领域，探究性别维度下家庭结构与育儿责任对劳动供给的异质性影响，构成了该数据集最经典的应用场景。研究者依托欧洲三十国自2000年至2024年的纵向观测值，将prime-age劳动年龄人口按性别、家庭类型及是否存在六岁以下子女进行分层，精确刻画就业人口比率的动态演变轨迹。此类面板数据为识别育儿期女性就业惩罚效应、评估家庭政策干预成效提供了坚实的实证基础，亦成为比较福利国家体制下劳动市场性别平等状况的核心分析素材。

实际应用

在政策制定与实务评估层面，该数据集为欧盟及各国劳工部门监测性别就业平等进展、设计育儿支持与税收激励政策提供了精细化的量化依据。国际组织可据此追踪可持续发展目标中体面工作与性别平等指标的实现进度，智库与社会伙伴亦可利用其识别就业脆弱群体，优化儿童保育供给与 parental leave 制度安排。此外，人力资源分析与劳动力市场预测模型可将该数据作为关键特征输入，用以研判人口结构变迁下未来劳动参与率的演变趋势。

衍生相关工作

围绕该数据集已衍生出一系列具有影响力的比较劳动市场研究。学者们将其与OECD家庭数据库、欧洲劳动力调查微观数据及卢森堡收入研究等资源链接，构建多层级模型以分离个体、家庭与制度层面的效应。部分经典工作聚焦于育儿期女性就业率的跨国收敛与分化，另一些则利用其时间序列特性评估新冠疫情对性别就业差距的冲击。这些研究不仅拓展了ILOSTAT指标在因果推断与政策模拟中的应用边界，亦为后续构建欧洲劳动市场统一数据层奠定了方法论参照。