electricsheepasia/asia-ilo-how-temp-sex-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含按性别划分的就业人员平均每周实际工作时间 | 亚洲（ILOSTAT）的数据，涵盖了33个亚洲国家从1990年至2025年的1,104个观测值，聚焦于一个具体指标：HOW_TEMP_SEX_NB，即按性别划分的就业人员平均每周实际工作时间。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和重新打包，适用于表格分类、回归和时间序列预测等任务。This dataset contains data on Mean weekly hours actually worked per employed person by sex | Asia (ILOSTAT), comprising 1,104 observations across 33 Asia countries from 1990 to 2025, focusing on one specific indicator: HOW_TEMP_SEX_NB, which represents the mean weekly hours actually worked per employed person by sex. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, processed and repackaged for use in tasks such as tabular classification, regression, and time-series forecasting.

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）核心统计数据库ILOSTAT，聚焦亚洲地区33个国家的劳动工时指标。通过调用ILOSTAT的REST API接口，直接获取编号为'HOW_TEMP_SEX_NB'的原始数据，并依据亚洲ISO3国家代码进行地理范围筛选。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义标准，对各国的劳动力调查、收入调查及行政记录等原始微观数据进行统一协调与质量标注，最终形成1104条观测记录，时间跨度覆盖1990年至2025年。数据集以Parquet格式封装，经Electric Sheep Asia团队重新整理并提供一致的Schema结构，确保纳入的每个字段均具有明确的来源标注与元数据追溯能力。

特点

该数据集核心特征在于其精细化的维度拆解与权威性的数据来源。指标'平均每周实际工作时间'按性别进行详细划分，涵盖总人数、男性、女性及其他人四个类别，能够支持性别维度的深入对比分析。数据来源字段详细记录了每项观测所依据的具体调查类型，如劳动力调查，增强了数据的透明性与可追溯性。此外，数据集提供了观测状态标记（如序列中断、临时数据）和注释说明，帮助用户识别数据质量与潜在的统计口径变动。33个亚洲国家的广泛地理覆盖，结合多年份的时间序列结构，使其成为研究亚洲区域劳动工时演变趋势与跨国比较的宝贵资源。

使用方法

该数据集被设计为可直接集成至机器学习工作流的格式，支持分类、回归及时间序列预测等多种任务。通过HuggingFace的'load_dataset'函数即可一键加载为Pandas DataFrame，极大简化了数据获取流程。用户可按国家代码进行子集筛选，以聚焦特定经济体的工时模式；亦可通过指标字段筛选后进行时间序列的可视化与建模分析，适合季节性变动或长期趋势的探索。此外，数据集支持按年份与国别透视形成国家×年份的矩阵结构，便于实施面板数据回归或跨区域差异的统计检验。研究者和开发者可直接利用其中的浮点型'obs_value'作为核心目标变量，结合时间与分类特征开展多元分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年整理发布，经Electric Sheep Asia重新封装后以HuggingFace数据集形式呈现，旨在提供亚洲33个国家1990年至2025年间按性别划分的每周实际平均工作小时数。核心研究问题聚焦于揭示亚洲地区劳动时间模式的长期演变趋势与性别差异，为劳动经济学、性别平等研究及国际劳工政策制定提供高颗粒度、标准化的时间序列数据。作为ILOSTAT数据库的亚洲子集，该数据集填补了该区域劳动统计可比性不足的空白，支撑可持续发展目标（SDG）中体面劳动指标的监测，对推动基于证据的区域劳工政策评估具有重要参考价值。

当前挑战

领域挑战在于，亚洲各国劳动统计在调查方法、行业覆盖与职业定义上存在显著异质性，例如不同国家采用的劳动力调查（LFS）采样框架与ILO国际劳动统计学家会议（ICLS）标准的对齐程度参差不齐，导致跨国比较时需谨慎处理方法学差异。构建过程中的挑战包括：从ILOSTAT API海量数据中精准筛选亚洲国家子集，需处理ISO代码映射歧义与历史数据追溯性问题；多源数据整合时需依据ILO“最佳来源”优先级规则消除同一国家年份的重复记录，但部分国家的调查间断或替代数据源的突然转换（如标志位“Break in series”所示）会引入非随机缺失与纵向不连续性，影响时间序列建模的稳健性。

常用场景

经典使用场景

在劳动经济学与人口统计学研究中，该数据集被广泛用于分析亚洲地区不同性别劳动者周均实际工作时间的长期演变趋势。借助覆盖33个国家、跨越35年的面板数据，研究者能够构建时间序列模型，探索女性、男性及总体就业人群工作时长的分布特征与动态变化。通过性别维度的拆解，可以揭示性别劳动参与差异背后的结构性规律，为理解亚洲劳动力市场的演变提供量化基础。

衍生相关工作

围绕该数据集衍生出一系列经典的计量经济学工作，包括利用固定效应模型和工具变量法识别工作时间与劳动生产率之间的因果关系，以及采用合成控制法评估重大劳动政策改革的冲击效应。此外，研究者还基于此数据构建了亚洲国家工作时间的预测性模型，并与ILO其他就业指标联合分析，深化了对非正规就业、劳动力流动和性别工资差距的理解，相关成果发表在《Labour Economics》等权威期刊。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区按性别划分的周均实际工时演变规律，为劳动经济学中的性别差异与工作强度研究提供了关键支撑。在ILOSTAT框架下，基于33个国家1990至2025年的时序观测，前沿方向集中于利用该高分辨率面板数据进行跨国劳动市场动态比较，尤其是结合机器学习模型预测后疫情时代工时修复轨迹，以及通过因果推断方法量化性别工资差距与工作时间不均衡的交互效应。该数据对于评估国际劳工组织体面劳动议程中的性别平等目标、推动区域劳动力政策（如亚洲多国周工时上限法案）的循证优化具有显著意义，同时为人工智能驱动的劳动力供需预测模型提供了扎实的训练基底。