electricsheepeurope/europe-ilo-how-publ-sex-nb-mean-weekly-hours-actually-worked-per-person-in-th

该数据集包含了欧洲13个国家公共部门工作人员平均每周实际工作小时数的849个观测值，时间跨度为1987年至2025年。核心指标为HOW_PUBL_SEX_NB，即公共部门工作人员平均每周实际工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过ILOSTAT REST API获取，并过滤为欧洲国家。数据集提供了详细的列信息，包括国家代码（ref_area）、国家名称（ref_area.label）、数据来源代码和标签（source, source.label）、指标代码和标签（indicator, indicator.label）、性别分类（sex, sex.label）、观测年份（time）、观测值（obs_value）以及数据状态和注释等。数据按性别进行细分（总计、男性、女性），并包含数据质量说明，如年度频率、最佳来源选择等。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为机器学习研究提供标准化、易于使用的欧洲劳动力数据。This dataset contains 849 observations of mean weekly hours actually worked per person in the public sector across 13 European countries, spanning from 1987 to 2025. The core indicator is HOW_PUBL_SEX_NB, which measures the mean weekly hours actually worked per person in the public sector. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via the ILOSTAT REST API and filtered to European countries. The dataset includes detailed columns such as country code (ref_area), country name (ref_area.label), source code and label (source, source.label), indicator code and label (indicator, indicator.label), sex disaggregation (sex, sex.label), observation year (time), observed value (obs_value), as well as data status and notes. Data is disaggregated by sex (total, male, female) and comes with quality caveats, such as annual frequency and best-source selection. It is suitable for tabular classification, regression, and time-series forecasting tasks, designed to provide standardized, machine-learning-ready labor data 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中央统计数据库，通过REST API接口直接拉取指标代码为'HOW_PUBL_SEX_NB'的原始数据，并依据欧洲ISO3国家代码进行地域筛选。Electric Sheep Europe团队对数据进行了重新封装与标准化处理，整合了13个欧洲国家自1987年至2025年间公共部门劳动者的每周实际工作小时数观测值，共计849条记录。数据经ILOSTAT依据国际劳工统计学家会议（ICLS）定义进行微数据协调，且每条观测均标注了来源编码以保证可追溯性。

特点

数据集特点鲜明：聚焦于公共部门劳动者这一特定群体，提供单一指标（平均每周实际工作小时数）的年度时间序列观测，覆盖13个欧洲国家且时间跨度长达近四十年。数据按性别维度（总、男、女）进行分解，为用户提供了人口统计层面的分析视角。此外，每条记录均附有观测状态标志（如序列断裂、临时数据）及详细的注释说明，便于研究者评估数据质量与潜在局限。数据集以Parquet格式封装，整体规模紧凑，便于快速加载与计算。

使用方法

使用方法便捷高效：研究者可通过HuggingFace的`datasets`库，以`load_dataset()`函数一键加载数据集，并直接将其转换为Pandas DataFrame进行后续分析。典型操作包括按国家编码过滤特定国家的时间序列数据、利用`indicator`列筛选单一指标后按时间排序进行可视化，或通过数据透视表构建国家×年份的矩阵以开展跨区域比较。数据集兼容分类、回归与时间序列预测等多类机器学习任务，且其规范的列结构如`ref_area`、`time`、`obs_value`等，使得数据清洗与特征工程过程极为顺畅。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司编制，经Electric Sheep Europe于2025年重新整理打包并发布于HuggingFace平台，聚焦欧洲13个国家1987年至2025年间公共部门从业人员平均每周实际工作小时数的监测指标（HOW_PUBL_SEX_NB）。作为ILOSTAT数据库的核心子集，该数据集旨在为劳动经济学、公共政策评估及跨国比较研究提供标准化、可复现的时序数据支撑。得益于ILO基于国际劳工统计学家会议（ICLS）定义对全球200多个经济体的原始调查微观数据进行统一协调，该数据集在实证研究中具有较高权威性，尤其在分析欧洲公共部门劳动力市场演变趋势、性别差异及制度变迁对劳动供给的影响方面发挥着基础性作用。其发布的精细化按性别分组的数据结构，进一步推动了关于公共部门工作强度与福利制度关联的定量探讨。

当前挑战

数据集所解决的领域核心挑战在于公共部门劳动时间数据的跨国可比性与时序一致性缺失——不同国家对公共部门界定、调查周期及统计口径的差异长期阻碍了欧洲层面的国际比较研究。尽管ILO通过统一标准整合多来源调查数据，构建过程中仍面临显著困难：首先，原始数据来自各国劳动力调查与行政记录，如希腊的工时数据在2020年后中断，突显部分国家长期序列的可得性波动；其次，观测状态中频繁出现的“序列断裂”标志（如方法修订）迫使研究者需要审慎处理结构性断点；此外，数据集仅包含年度频率，未能纳入部分指标的月度或季度波动，限制了高频周期分析的应用。

常用场景

经典使用场景

在劳动经济学与公共政策研究领域，该数据集被广泛应用于分析欧洲公共部门劳动者的工作时长演变趋势。研究者可借助13个国家横跨近四十年的年度观测数据，构建面板数据模型，探究不同性别、不同国家情境下公共部门雇员实际工作周均时长的异质性特征。通过时序分析，学者能够捕捉经济周期、劳动力市场改革及制度变迁对公共部门劳动供给的长期影响。该数据集还为跨国比较研究提供了稀缺的标准化指标，使得探索福利国家模式与公共部门工作强度的关联成为可能，为理解欧洲一体化进程中劳动条件的趋同或分化提供实证基础。

衍生相关工作

基于此数据集，已衍生出多项关键学术与工程实践成果。在计量经济学领域，研究者利用该数据构建了动态面板回归模型，验证了公共部门就业保护法规对工作时长的抑制效应。机器学习领域，相关工作采用长短期记忆网络对13国时序数据进行多步预测，形成公共部门劳动投入的预警系统。数据仓库工程层面，Electric Sheep Europe的标准化管线为后续数十个ILOSTAT子数据集的快速集成提供了可复现的ETL范式。开源社区也诞生了交互式仪表盘项目，允许用户按国家、性别和时间维度动态探索工时分布，这些衍生工作共同强化了该数据集作为欧洲劳动研究基础设施的地位。

数据集最近研究

最新研究方向

在劳动经济学与公共政策研究的前沿，该数据集聚焦于欧洲公共部门劳动者平均每周实际工作时间的长期演变趋势，为后疫情时代工作模式重构、工时弹性化政策评估以及性别劳动参与差异分析提供了关键量化依据。依托ILOSTAT权威统计框架与跨13国近40年的面板数据，研究者可结合时间序列预测与因果推断方法，深入探索经济周期、财政紧缩措施及数字化办公转型对公共部门劳动供给的异质性冲击，同时为欧盟《欧洲就业战略》中体面劳动目标的监测与比较研究注入实证活力。