electricsheepasia/asia-ilo-emp-publ-sex-ocu-nb-public-sector-employment-by-sex-and-occupation-tho

这是一个关于亚洲公共部门就业的表格数据集，包含按性别和职业分类的年度数据，单位为千。数据集覆盖33个亚洲国家，时间跨度为1997年至2025年，包含13,421个观测值和1个主要指标（EMP_PUBL_SEX_OCU_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API提取并过滤为亚洲国家代码，经过Electric Sheep Asia重新打包为机器学习就绪的Parquet格式。数据列包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、职业分类、观测年份、观测值（就业人数，单位为千）以及数据质量标志（如临时或不可靠数据）。数据集适用于表格分类、回归和时间序列预测任务，可用于分析亚洲各国公共部门就业趋势和性别差异。This is a tabular dataset on public sector employment in Asia, containing annual data disaggregated by sex and occupation, in thousands. The dataset covers 33 Asian countries, spanning the years 1997 to 2025, with 13,421 observations and one main indicator (EMP_PUBL_SEX_OCU_NB). The data is sourced from the International Labour Organizations (ILO) ILOSTAT statistical database, extracted via API and filtered to Asian country codes, and repackaged by Electric Sheep Asia into a machine-learning-ready Parquet format. Columns include country code, country name, data source, indicator code, sex classification (total, male, female), occupation classification, observation year, observed value (employment in thousands), and data quality flags (e.g., provisional or unreliable data). The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of public sector employment trends and gender disparities across 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数据库，通过其REST API直接提取指标EMP_PUBL_SEX_OCU_NB，并严格筛选至亚洲地区ISO3国家代码范围。数据经过ILOSTAT系统基于国际劳工统计学家会议（ICLS）定义的框架进行统一整合，来源信息在source.label列中标注，确保数据可追溯。最终由Electric Sheep Asia整理并打包为HuggingFace数据集，便于机器学习应用。

使用方法

用户可通过HuggingFace的`load_dataset`函数一键加载数据集，并利用Pandas库将其转换为DataFrame格式进行深入分析。支持按国家代码筛选特定国家数据，或按指标排序后绘制时间序列图。此外，可运用数据透视表功能将数据重塑为国家×年份的矩阵形式，便于比较不同国家同一指标的时间演变趋势。数据集设计兼顾易用性与灵活性，适合统计建模与时序预测任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Asia重新封装，聚焦亚洲33个国家1997至2025年间公共部门就业人员的性别与职业分布状况。源自ILOSTAT这一全球劳动统计权威数据库，数据经国际劳工统计学家会议（ICLS）定义统一整合，涵盖13421条观测值。该数据集为研究亚洲地区公共部门劳动力结构、性别平等与职业分层提供了高质量的时间序列数据，对劳动经济学、发展社会学及公共政策研究具有重要支撑价值。

当前挑战

领域层面，亚洲各国公共部门就业数据的统计口径、调查方法和时间跨度差异显著，数据可比性是一大挑战。构建过程中，ILOSTAT需从多国劳动力调查、行政记录等异构来源中提取数据，处理断裂时间序列、方法论修订（如标注‘Break in series’）及不同来源间的优先级选择。同时，数据经性别与职业分类的细粒度划分后，部分子类观测值稀疏，标注可靠性标注（如‘unreliable’状态）复杂，增加了数据清洗与质量控制的难度。

常用场景

经典使用场景

该数据集收录了1997年至2025年间亚洲33个国家的公共部门就业数据，按性别与职业类型进行细致分层，涵盖超过1.3万条观测记录。其经典使用场景集中于劳动经济学与公共政策研究领域，学者可借助该数据构建多国面板数据，运用时间序列分析或固定效应模型，系统考察亚洲地区公共部门就业规模的长期演变趋势、性别差异格局及其与宏观经济周期的关联。

解决学术问题

在学术研究层面，该数据集有效解决了亚洲公共部门劳动力市场微观数据匮乏、跨国可比性差的核心难题。依托国际劳工组织（ILO）统一统计标准，研究人员得以克服各国统计口径差异，量化分析公共就业对性别平等、职业结构变迁及劳动力市场刚性的影响。这为验证公共部门就业的‘避风港’假说、评估财政扩张政策效果提供了坚实的数据基础，推动了发展经济学与劳动经济学的实证研究。

实际应用

在实际应用领域，该数据集为国际组织、政府智库及非营利机构提供了关键的决策支撑。政策制定者可基于按性别和职业细分的公共就业数据，识别劳动力市场中女性或特定技能群体的参与不足现象，从而设计更具包容性的公共招聘与培训计划。同时，该数据也可作为评估公共部门规模扩张对私人部门就业挤出效应的分析工具，助力优化亚洲各国的人力资源配置策略。

数据集最近研究

最新研究方向

在亚洲劳动力市场研究的前沿领域，这一整合了ILOSTAT标准化公共部门就业数据的数据集，正推动着性别平等与职业结构交叉分析的深化。随着国际劳工组织对体面劳动目标的持续追踪，研究者借助该数据集的历史序列，能够细致剖析1997至2025年间33个亚洲国家公共部门就业的性别与职业分布变迁，从而揭示后疫情时代政府雇佣政策的调整轨迹及其对就业质量的影响。尤为关键的是，数据集中包含的观测值状态标识与方法论注释，为处理跨国统计口径差异提供了严谨依据，使得基于该数据的时序预测模型能够更准确地捕捉亚洲经济体公共就业的结构性转型，为SDG相关政策的量化评估注入实证力量。