electricsheepeurope/europe-ilo-how-xees-sex-ins-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含2,535个观测值，涉及13个欧洲国家（1987年至2025年），核心指标为‘按性别和公共/私营部门划分的员工实际每周平均工作小时数’（HOW_XEES_SEX_INS_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家。数据集以表格形式提供，包括国家代码、数据来源、指标代码、性别分类（总计、男性、女性）、年份、观测值等列，用于劳动统计和时间序列分析。数据为年度频率，涵盖劳动调查等多种来源，并包含数据质量标志（如序列中断）。This dataset contains 2,535 observations across 13 European countries (1987–2025), with the core indicator Mean weekly hours actually worked per employee by sex and public/private sector (HOW_XEES_SEX_INS_NB). Sourced from the ILOs ILOSTAT database via API and filtered to European countries, it provides tabular data including country codes, data sources, indicator codes, sex disaggregation (total, male, female), year, observed values, and more. It is designed for labor statistics and time-series analysis, with annual frequency, multiple sources (e.g., labor force surveys), and data quality flags (e.g., breaks in series).

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队从国际劳工组织（ILO）的ILOSTAT REST API直接提取，原始数据指标代码为HOW_XEES_SEX_INS_NB，并经过ISO 3166-1 alpha-3国家代码筛选，限定为13个欧洲国家的观测值。ILOSTAT本身通过国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调处理，数据来源在source.label列中标注以确保可追溯性。最终数据集以Parquet格式封装，包含2,535条观测记录，覆盖1987年至2025年的时间跨度。

特点

该数据集聚焦于欧洲13个国家按性别及公共/私营部门划分的雇员实际周平均工作小时数，仅包含单一指标，但提供了丰富的维度拆分，包括性别（总、男、女）、制度部门以及观测状态注释（如序列中断、方法修订）等。数据频率为年度，且在国际劳工组织对同一国家与年份存在多个来源时采用其选定的最佳来源。数据集还附带了详细的列模式说明与数据质量注意事项，为研究者提供了透明的使用依据。

使用方法

用户可通过HuggingFace Datasets库轻松加载该数据集，使用`load_dataset("electricsheepeurope/europe-ilo-how-xees-sex-ins-nb-mean-weekly-hours-actually-worked-per-employee-by")`命令即可获取训练集，并转换为Pandas DataFrame进行后续分析。支持按国家代码（ref_area）过滤以聚焦特定国家，通过按时间排序绘制特定指标的时间序列图，或利用数据透视表功能构建以时间为行、国家为列的观测值矩阵，便于跨国家比较与趋势分析。

背景与挑战

背景概述

在劳动经济学与公共政策研究领域，工时数据是衡量劳动力市场健康状况、性别平等程度及公共与私营部门效率的核心指标。由国际劳工组织（ILO）统计司于2025年发布、Electric Sheep Europe重新整理的本数据集，汇聚了13个欧洲国家1987至2025年间共计2535条观测记录，聚焦于按性别和公共/私营部门划分的雇员每周实际工作平均小时数。该数据集基于ILOSTAT这一全球劳动统计权威数据库，其数据源自各国劳动力调查等官方渠道，并经由国际劳工统计学家会议（ICLS）定义进行协调。该数据集的问世，为研究者深入剖析欧洲劳动市场结构与性别差异提供了规范化的时序资料，有力推动了欧洲区域劳动经济学的实证研究与国际比较分析。

当前挑战

该数据集所应对的核心挑战在于，欧洲各国劳动统计在采集方法、调查频率、分类标准及数据质量上存在显著异质性。领域层面，传统的国际工时比较常受限于各国统计口径不一（如对“实际工作小时”的定义差异），以及公共与私营部门工时变动对劳动生产率与性别就业差距的复杂影响，阻碍了统一量化研究。构建过程中，数据协调面临多重困难：不同国家采用不同来源（如劳动力调查、行政记录），且同一国家在不同年份可能经历调查方法修订或序列断裂（如标注为“Break in series”），需借助ILO的“最佳来源”筛选策略进行整合；同时，性别与部门分类维度在部分观测中存在缺失，需在保证数据完整性与可比性之间谨慎权衡。

常用场景

经典使用场景

在劳动经济学与时间利用研究领域，该数据集为探究欧洲各国雇员实际工作时间的长期演变趋势提供了宝贵素材。研究人员可借助其涵盖1987至2025年间13个欧洲国家的年度观测数据，深入分析不同性别劳动者在公共与私营部门间的劳动供给行为差异。经典的利用方式包括构建跨国面板数据模型，刻画工作时间随经济周期、产业结构变迁及劳动力市场政策调整的动态波动，为理解欧洲一体化进程中工作时间的收敛或分化现象奠定量化基础。

实际应用

在真实世界场景中，该数据集为国际劳工组织及各成员国劳动统计部门提供了监控劳动力市场健康状况的基准工具。政策制定者可利用其追踪不同国家及部门的工时分布特征，评估劳动强度变化对工人福祉及生产效率的潜在影响。此外，企业人力资源规划与行业协会亦可借助这些数据，在跨国薪酬对标、灵活工作制设计以及行业工时标准谈判中获取客观的参照依据，推动劳资双方在工时安排上达成更加科学合理的共识。

衍生相关工作

基于此数据集，已衍生出多项关于工作时间不平等性与劳动市场制度差异的系统性比较研究。典型工作包括利用分解方法分析性别工资差距中的工作时长贡献，以及构建预测模型探讨老龄化社会背景下公共与私营部门就业结构的演变路径。该数据集还常与欧洲劳动力调查及其他社会经济指标相链接，用以验证工作时间调节假说，或作为训练机器学习模型以预测不同政策情景下工时调整趋势的训练数据，催生了一系列跨学科的前沿成果。