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

这是一个关于亚洲28个国家1997年至2025年间，按性别、公共/私营部门和婚姻状况划分的雇员平均每周实际工作时间的统计数据集。数据集包含16,780个观测值，涵盖1个核心指标（HOW_XEES_SEX_INS_MTS_NB），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家。数据模式包括国家代码、数据来源、指标代码、性别分类、机构部门分类、婚姻状况分类、观测年份、观测数值及数据状态等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains 16,780 observations of Hours of work data across 28 Asia countries, spanning 1997–2025, covering 1 distinct indicator: Mean weekly hours actually worked per employee by sex, public/private sector and marital status (HOW_XEES_SEX_INS_MTS_NB). The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered to Asia ISO3 country codes. The schema includes columns such as country code, source, indicator, sex, sector classification, marital status classification, year, observed value, and data status flags, suitable for tabular classification, regression, and time-series forecasting tasks.

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直接抽取指标代码为HOW_XEES_SEX_INS_MTS_NB的原始数据，并依据ISO 3166-1 alpha-3编码筛选出28个亚洲国家的观测记录。数据经Electric Sheep Asia重新封装，保留了ILO基于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的字段，并在source.label列中标注数据来源，确保可追溯性。最终形成包含16,780条观测值的结构化表格，覆盖1997至2025年的时间跨度。

使用方法

用户可通过HuggingFace的datasets库以load_dataset()接口一键加载数据，并轻松转换为Pandas DataFrame进行后续分析。典型应用包括按国家筛选（如印尼）进行局部洞察、对单一指标进行时间序列可视化，或利用pivot_table构建国家×年份的矩阵以比较各国劳动模式。数据集以cc-by-4.0许可发布，使用时需同时引用ILO原始数据及Electric Sheep Asia的封装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）基于其ILOSTAT统计数据库构建，由Electric Sheep Asia于2025年重新打包发布，聚焦亚洲地区1997年至2025年间员工实际周平均工作时间的性别、公共/私营部门及婚姻状况分项数据。ILOSTAT作为全球劳动统计的权威来源，通过整合各国劳动力调查、家庭收入调查等行政记录，提供了覆盖28个亚洲国家、16,780条观测值的结构化时间序列数据。该数据集核心研究问题在于揭示亚洲劳动力市场中工作时间模式的异质性，为劳动经济学、性别平等研究及可持续发展目标（SDG）中体面工作的监测提供关键实证基础，尤其对理解非正规就业、性别差距及区域劳动政策成效具有重要参考价值。

当前挑战

该数据集面临的核心挑战包括：首先，数据质量与跨国可比性是关键难题，因各国调查方法、定义口径（如国际劳工统计学家会议ICLS标准）及数据采集周期存在差异，需通过ILO的统一协调与源标记（source.label）来缓解，但观测状态标记（如不可靠值U）仍提示需审慎处理；其次，数据稀疏性与维度复杂性并存，尽管时间跨度达28年，部分国家观测值密度不均（如菲律宾1952行，而缅甸仅360行），且性别、婚姻状况等分项交叉后可能导致细粒度单元样本量不足；此外，年频数据无法捕捉月度或季度波动，限制了短期动态分析，而分类变量（如婚姻状况聚合）的聚合层级差异更增加了跨群体比较的难度。

常用场景

经典使用场景

该数据集记录了亚洲28个国家自1997年至2025年间雇员的平均每周实际工作小时数，并按性别、公共/私营部门以及婚姻状况进行了精细分层。在劳动经济学与公共政策研究中，研究者常以此数据为基础，构建面板回归模型或时间序列分析，以揭示不同人口学特征与部门属性对工作时长的影响模式。例如，利用性别的细分维度，可对比男性和女性在公共与私营部门间的工时差异，进而探讨性别平等政策在劳动时间分配上的实效。该数据集为跨时期、跨国别的比较研究提供了结构化、可重复的基准。

解决学术问题

长期以来，亚洲地区缺乏统一、标准化的劳动时间微观数据，制约了学界对区域劳动力市场变迁的系统性理解。该数据集通过国际劳工组织（ILO）的ILOSTAT平台，整合并规范化了来自不同国家劳动力调查的原始资料，有效解决了跨国可比性不足与时间跨度零散的难题。它使研究者能够聚焦于工作时长随经济周期、制度变迁及社会结构变动的演化轨迹，并量化性别工资差距与就业质量等关键命题中的工时维度。其存在显著推进了关于发展中国家劳动力市场灵活性与社会保障制度适应性的实证研究。

实际应用

在实际应用中，该数据集可赋能国际发展机构与政策制定者开展精细化的人力资源规划与社会评估。一方面，劳动部门可结合该数据监测不同群体（如已婚女性与未婚男性）的工时趋势，识别过度劳动或就业不足的风险群体，为制定工时上限与最低工资标准提供经验依据。另一方面，企业人力资源管理团队能借助这些宏观基准，优化区域性的薪酬结构设计，确保劳动成本与生产力水平相协调。此外，非政府组织可将其作为证据基础，在公众倡导中推动更为包容与可持续的就业政策改革。

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方向中，基于ILOSTAT标准化的工时统计数据集正被广泛用于解析后疫情时代就业结构的深层变迁。该数据集以性别、公私部门及婚姻状况为交叉维度，覆盖28个亚洲经济体长达近三十年的观测记录，为揭示非正规就业扩张、性别工资差距演变及公私部门用工弹性差异提供了高颗粒度的定量基础。结合国际劳工组织倡导的体面劳动议程，研究者正借助这些细粒度时序数据构建预测模型，评估自动化与平台经济对传统工时模式的冲击，同时追踪婚姻状态与劳动力供给之间的动态关联。这一数据资源在跨国的可比性框架内，有力支撑了关于经济增长与社会包容性协同演进的实证探讨，其影响已延伸至亚洲各国的劳动政策制定与SDG指标监测领域。