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

该数据集包含亚洲32个国家从1990年至2025年的48,088个观测值，聚焦于工作时长主题，具体指标为按性别、年龄和工作时间安排划分的就业人员实际平均每周工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据集结构包括国家代码、性别分类（如总计、男性、女性）、年龄分类、工作时间安排、观测年份和数值等列，适用于时间序列预测、表格分类和回归等任务。数据以年度频率发布，并包含数据质量标志（如不可靠数据）。This dataset contains 48,088 observations across 32 Asia countries from 1990 to 2025, focusing on Hours of work with the indicator Mean weekly hours actually worked per employed person by sex, age and working time arrangement. Sourced from the International Labour Organization (ILO) ILOSTAT database via API and filtered to Asia countries. The dataset schema includes columns such as country code, sex disaggregation (e.g., total, male, female), age classification, working time arrangement, observation year, and value, suitable for time-series forecasting, tabular classification, and regression tasks. Data is published at annual frequency and includes quality flags (e.g., unreliable data).

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REST API接口直接获取原始指标数据，并筛选出亚洲32个国家的观测值。原始数据基于各国劳动力调查、家庭收入调查等官方统计资料，经ILO依据国际劳工统计学家会议（ICLS）定义进行统一协调与标准化处理。Electric Sheep Asia团队进一步将数据重新封装为适用于机器学习的Parquet格式，并保留来源标签以确保可追溯性，最终形成包含48,088条观测记录的标准化数据集。

使用方法

用户可通过HuggingFace的datasets库轻松加载数据集，只需一行代码即可将数据转换为Pandas DataFrame进行后续处理。典型使用包括按国家筛选子集、绘制特定指标的时间序列趋势图，或利用pivot_table构建以年份为行、国家为列的矩阵视图，便于进行跨国家横向对比与时间序列建模。该数据集适用于表格分类、回归及时间序列预测等机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库发布，并由Electric Sheep Asia重新打包以适配机器学习工作流。核心研究问题聚焦于亚洲地区按性别、年龄和工作时间安排划分的受雇人员实际每周平均工时，旨在揭示劳动力市场的结构性特征与时空演变规律。数据集涵盖1990年至2025年间32个亚洲国家的48,088条观测记录，为劳动经济学、社会政策研究及可持续发展目标（SDG）中的体面劳动指标评估提供了标准化、跨国的实证基础。作为全球劳动统计的权威来源，ILOSTAT的数据经国际劳工统计学家会议（ICLS）定义统一规范，使该数据集在跨国比较与纵向分析中具有显著的方法学优势，对理解亚洲多样化的劳动参与模式与工时演变具有重要影响力。

当前挑战

该数据集所应对的领域挑战在于，劳动工时数据常因各国调查口径、分类标准及数据采集方法差异而难以直接比较，导致区域或全球性劳动政策评估缺乏可靠基准。具体挑战包括：性别、年龄及工作时间安排的交叉分类导致数据稀疏性，尤其对女性或非正规就业群体覆盖率不足，可能引发估计偏差；多数据源融合时需处理不同调查（如劳动力调查、家庭收入调查）间的定义不一致性，ILO虽以“最佳来源”策略筛选，但部分国家观测存在质量标记（如“不可靠”（U）状态），增加了噪声处理与置信度评估的复杂性；此外，年度频率限制了高精度时间序列建模的潜力，且部分国家早期数据缺失，使得填充与推断方法的选择成为关键难点。

常用场景

经典使用场景

该数据集记录了1990年至2025年间32个亚洲国家按性别、年龄和工作时间安排划分的就业者每周实际工作平均小时数，共计48,088条观测值。在劳动经济学与人口统计学研究中，它常被用于构建跨国面板数据模型，以分析亚洲地区不同群体工作时间的长期演变趋势。研究者可借此考察经济发展、产业结构变迁与劳动力市场制度如何塑造不同性别和年龄层的工作时长分布，例如女性因家庭责任导致的兼职比例变化，或青年群体在灵活就业中的工时特征。数据的分层属性（如性别、年龄组）使得异质性分析成为可能，从而揭示宏观政策干预对特定亚群体的差异化影响。

解决学术问题

该数据集有效填补了亚洲区域劳动时间微观统计的空白，解决了长期以来跨国比较中数据口径不一、时间跨度不足的学术困境。通过ILOSTAT统一采用国际劳工统计学家会议（ICLS）定义进行数据协调，研究者得以规避原始调查中定义差异带来的测量偏误。这一标准化过程使得跨国的潜在产出估计、劳动生产率测算以及工作强度与福利关系的研究成为可能，特别有助于探讨亚洲新兴经济体在快速城镇化进程中工作时间与生活质量的权衡问题。数据集为检验效率工资假说、性别歧视理论以及工作时间法制的有效性提供了实证基础。

实际应用

在实际应用层面，该数据集为政府机构、国际组织及企业人力资源部门提供了宝贵的决策支持。劳动部门可依据不同性别和年龄群体的工时动态，调整加班法规上限、设计灵活就业政策或优化社会保障覆盖率。国际组织如ILO本身利用此类数据监督可持续发展目标（SDG）中体面劳动指标的进展，评估各成员国在缩减非正规就业和工时过长方面的成效。企业则能够借助跨国工时基准，在亚洲供应链管理中评估劳工权益风险，制定负责任的企业采购策略，确保符合国际劳动标准的要求。

数据集最近研究

最新研究方向

该数据集基于国际劳工组织ILOSTAT官方统计体系，收录了1990至2025年间亚洲32个国家按性别、年龄与工时安排划分的就业者实际周均工作小时数，共计48,088条观测记录。在劳动经济学与时序预测前沿领域，该数据正被广泛用于探究后疫情时代亚洲劳动力市场的结构性变迁，尤其是非标准工时安排对生产率与性别工资差距的深层影响。伴随全球对体面劳动与可持续发展目标（SDG 8）的持续关注，该数据集为跨国比较工时弹性化趋势、预测短期就业波动以及评估劳动政策干预效果提供了高颗粒度、跨年度的实证基石，成为连接宏观劳工统计与微观就业行为分析的重要桥梁。