electricsheepasia/asia-ilo-emp-cpif-sex-rt-share-of-care-employment-outside-the-formal-sector

该数据集包含了亚洲地区25个国家从2006年至2025年期间，按性别划分的正式部门外护理就业比例（%）的统计数据，共463个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，核心指标为EMP_CPIF_SEX_RT，即Share of care employment outside the formal sector by sex (%)。数据集提供了国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年份、观测值、观测状态等字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILOSTAT API提取并过滤为亚洲国家，采用ICLS定义进行标准化，并包含数据质量说明，如年度频率和来源选择方法。This dataset contains 463 observations of the share of care employment outside the formal sector by sex (%) across 25 Asian countries from 2006 to 2025. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, with the core indicator being EMP_CPIF_SEX_RT. It includes fields such as country codes, country names, data sources, indicator codes, sex disaggregation (total, male, female), year, observed values, and observation status. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks. Data is extracted via the ILOSTAT API, filtered for Asian countries, harmonized using ICLS definitions, and includes quality caveats like annual frequency and source selection methods.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Asia团队通过ILOSTAT官方REST API从国际劳工组织（ILO）的中央统计数据库中直接提取，并基于ISO 3166-1 alpha-3国家代码筛选出亚洲区域数据。原始数据来自各国劳动力调查、家庭收入调查、机构调查及行政记录，经过ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集中每个观测值均带有来源标签，确保可追溯性，最终整合为包含25个亚洲国家、横跨2006至2025年的463条观测记录。

特点

数据集聚焦于亚洲地区有偿护理工作者在正规部门之外的就业比例，按性别（总、男性、女性）进行细分解构，提供唯一的指标`EMP_CPIF_SEX_RT`，以百分比衡量。其核心特点在于高覆盖度与可追溯性：涵盖25个亚洲国家长达20年的时间序列数据，各观测值附有观测状态标志、数据来源及方法论注释，便于用户评估数据质量。此外，数据集提供了丰富的元数据列，包括国家名称、指标标签和断点注释，为区域比较研究奠定了坚实的数据基础。

使用方法

该数据集已打包为HuggingFace Datasets格式，用户可通过`load_dataset()`函数一键加载并直接转换为Pandas DataFrame进行高效分析。具体应用场景包括：按国家代码筛选特定国家的时序数据；对单一指标按年份排序后绘制趋势线，直观呈现护理就业非正式化进程；以及利用数据透视表构建国家×年份的观测矩阵，适用于面板数据分析或跨区域比较研究。数据列如`ref_area`（国家代码）、`time`（年份）、`obs_value`（观测值）及`sex`（性别分解）为标准查询提供了清晰接口。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门（ILOSTAT）创建，经Electric Sheep Asia团队于2025年重新整理并发布在HuggingFace平台，聚焦于亚洲25个国家2006至2025年间按性别分列的“正规部门外护理就业占比”指标（EMP_CPIF_SEX_RT）。护理就业作为全球劳动力市场的重要组成部分，其正规化程度直接关联可持续发展目标中体面劳动与性别平等的实现。ILOSTAT作为全球劳动统计的权威来源，通过协调各国劳动力调查、家庭收入调查及行政记录数据，为这一研究提供了坚实基础。该数据集的价值在于填补了亚洲地区护理就业非正规性研究的量化空白，为政策制定者、经济学家和社会学者追踪性别差异、评估劳动保护覆盖范围提供了关键的时间序列证据，推动了区域比较研究和循证决策的发展。

当前挑战

该数据集在领域层面面临的挑战是，护理就业的非正规性在亚洲各国定义标准迥异，且受文化、法律和社会保护体系差异影响，难以建立统一测算框架，导致跨国家、跨年份数据的一致性和可比性存疑。构建过程中，数据来源于多样化的国家调查与行政记录，需经过ILOSTAT基于国际劳工统计学家会议（ICLS）定义的严格协调，但原始数据存在来源不一致、年度频次限制以及观测值缺失情况（如部分国家仅覆盖少数年份）。此外，数据质量标记包含“不可靠”与“方法修订导致序列中断”等情况，对时间序列分析的鲁棒性构成挑战，要求研究者在使用时进行审慎的插补与技术处理，以避免偏差传导。

常用场景

经典使用场景

该数据集记录了亚洲25个国家2006年至2025年间有偿照护工作者在非正规部门就业的比例，按性别分列。其最经典的使用场景是作为时间序列数据进行跨国家、跨性别的纵向比较分析，研究者可通过年度观测值追踪各国照护经济非正规化的动态演变轨迹，结合性别维度揭示女性与男性在非正规照护就业中的结构性差异。

衍生相关工作

该数据集衍生了一系列重要的后续研究，包括利用其构建跨国面板数据模型，探讨经济发展水平、制度环境与照护就业非正规化率之间的因果效应；以及结合ILO其他指标（如工资水平、工时数据）进行多维统计分析，揭示非正规照护工作的整体图景。此外，基于该数据集的时序特征，已有工作采用机器学习方法对亚洲各国照护就业非正规化趋势进行预测建模，拓展了传统统计分析的边界。

数据集最近研究

最新研究方向

该数据集聚焦于亚太地区非正规部门照护就业的性别比例分布，为研究照护经济中的性别不平等提供了关键数据支撑。当前前沿方向之一是利用该时间序列数据构建计量经济学模型，量化女性在非正规照护岗位中的比例变化与政策干预（如性别平等立法、社会保障扩展）之间的因果效应。同时，结合多国面板数据，研究者正探索照护工作非正规化与劳动力市场弹性、贫困代际传递之间的关联机制。在老龄化加速和照护需求激增的背景下，该数据集揭示了亚洲国家在实现体面劳动目标中面临的系统性挑战。此外，通过机器学习方法对缺失值进行插补并预测未来趋势，有望为亚洲各国制定包容性照护经济发展政策提供实证依据，推动可持续发展目标中性别平等与体面工作的协同实现。