electricsheepasia/asia-ilo-how-xees-sex-ins-dsb-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的亚洲国家员工平均每周实际工作时间数据，具体指标为按性别、公共/私营部门和残疾状况划分的员工平均每周实际工作时间。数据集涵盖17个亚洲国家，时间跨度为1997年至2024年，共1,820个观测值。数据按性别（总计、男性、女性、其他）、机构部门（总计）和残疾状况（总计）等维度进行细分，包括国家代码、来源、指标代码、观测年份、观测值及其状态等信息。数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究亚洲劳动力市场提供机器学习就绪的数据支持。This dataset contains mean weekly hours actually worked per employee by sex, public/private sector and disability status for Asia countries, sourced from the ILOSTAT database of the International Labour Organization (ILO). It covers 17 Asia countries from 1997 to 2024, with 1,820 observations. The data is disaggregated by dimensions such as sex (total, male, female, other), institutional sector (total), and disability status (total), and includes columns for country code, source, indicator code, observation year, observed value, and status flags. It is designed for tabular classification, regression, and time-series forecasting tasks, providing ML-ready data for labor market analysis in Asia.

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核心统计数据库，通过REST API直接提取指标代码为HOW_XEES_SEX_INS_DSB_NB的原始数据，并依据ISO 3166-1 alpha-3标准筛选出17个亚洲国家的观测记录。ILOSTAT团队依据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、机构调查及行政记录等微观数据进行标准化处理，确保跨时间与跨国家的统计口径一致。数据经过Electric Sheep Asia管线的二次封装，以Parquet格式存储并上传至HuggingFace平台，实现机器学习就绪的便捷调用。

使用方法

用户可通过HuggingFace的datasets库以load_dataset函数直接加载数据集，并转换为Pandas DataFrame进行后续分析。典型使用场景包括按国家代码筛选特定国家的子集，对单一指标按时间排序绘制趋势图，或利用pivot_table构建以年份为行、国家为列的透视矩阵，从而开展跨国的劳动时间比较研究。数据还兼容时间序列预测任务，适用于基于历史模式建模亚洲劳动力市场动态的计量经济学分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其核心统计数据库ILOSTAT发布，并由Electric Sheep Asia在HuggingFace上重新封装，旨在系统性地记录亚洲17个国家1997至2024年间按性别、公共/私营部门及残疾状况划分的雇员每周实际工作平均时数。其核心研究问题在于揭示亚洲区域劳动力市场的异质性工时模式，为跨国比较、劳动政策评估及可持续发展目标（SDG）中体面工作指标的监测提供标准化的数据基础。通过对ILO基于国际劳动统计学家会议（ICLS）定义协调的官方调查微观数据进行整合与清洗，该数据集极大降低了跨国产出、制度与统计框架差异带来的比对障碍，成为劳动经济学、发展经济学及社会政策研究领域的重要实证工具。

当前挑战

该数据集所应对的领域挑战在于劳动时间统计中普遍存在的跨国可比性难题，原始数据来源（如劳动力调查与行政记录）因各国调查设计、抽样框架与定义口径不一而难以直接聚合，ILOSTAT虽提供协调输出，但其‘最佳来源’选取规则与序列中断标记（如方法修订）仍导致时间序列的非连续性与潜在偏误。构建过程中，对亚洲17国筛选时需处理数据稀疏性问题——部分国家（如马尔代夫、黎巴嫩）仅有单一年份观测，而亚美尼亚与柬埔寨贡献了逾六成记录，地域覆盖极不均衡；此外，按残疾状况与部门进行的二维细分造成大量观测缺失，真正包含所有维度的有效案例极为有限，为多变量分析与面板建模带来严峻的缺失值挑战。

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，该数据集为研究者提供了亚洲17个国家自1997年至2024年间，按性别、公共/私营部门及残疾状态细分的雇员实际周均工作时长记录。其最经典的使用场景聚焦于跨国比较分析，通过整合1820条结构化的年度观测值，学者得以构建面板数据模型，系统揭示亚洲各经济体在劳动力时间投入上的异质性模式。数据集中的多元分类变量（如性别、机构部门及残疾状况）使得研究者能够精准剥离个体特征对工作时长的边际影响，为理解亚洲劳动市场的结构性分化提供了不可多得的实证基础。

解决学术问题

该数据集有效填补了亚洲区域劳动统计领域中，针对弱势群体（如女性及残疾劳动者）工作时长数据的系统性缺失。它直接回应了国际劳工组织（ILO）体面劳动议程中的核心关切，即探究劳动力市场中性别与残疾歧视如何通过工作时长的差异得以体现。通过该数据集，学术界能够检验不同制度环境下（如公共部门与私营部门）工作时长的收敛与发散趋势，并评估社会经济政策（如残疾人就业保障法）对劳工福利的实际效果。其跨时二十七年的纵向跨度，更使得长期结构性变迁与短期周期波动的分离成为可能，深化了对亚洲劳动力市场演进规律的认识。

实际应用

该数据集的实际应用价值超越了单纯的学术探索，直接服务于多边组织及国家层面的政策制定与监测。国际劳工组织及各国劳动部门可借此基准数据，评估体面劳动指标中的工作时长目标达成情况，尤其在跟踪残疾人就业包容性政策的实施效果方面具有显著优势。此外，数据集为跨国企业的人力资源策略提供了区域参照系，协助其在亚洲布局时规避过度劳动风险，推动负责任的生产外包。非营利机构亦可依赖这些分类数据，设计针对性的劳动权益倡导项目，例如在工时过长且性别差异显著的行业推动议程设置。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区雇员按性别、公共/私营部门及残疾状态划分的周均实际工时，为劳动经济学与包容性增长研究提供了关键数据支撑。在劳动力市场分析的学术前沿，研究者正利用这一跨时27年、覆盖17国的面板数据，深入探究性别工时差异的收敛趋势、残疾劳动者在非正规就业中的时间配置特征，以及公共部门雇佣政策对弱势群体劳动参与率的调节效应。尤为值得关注的是，结合ILO近年推动的“体面劳动”议程，该数据集支持了关于工作质量而非单纯就业率的国际比较，例如评估新冠疫情期间亚洲各国工时收缩的异质性。其价值体现在打通了宏观劳动统计与微观权益保障的壁垒，为计量模型中的劳动供给弹性估算和SDG指标8.5的实证检验提供了可信的基准参数。