electricsheepasia/asia-ilo-ees-tees-sex-est-dsb-nb-employees-by-sex-establishment-size-and-disability

该数据集包含1,898个观察值，覆盖13个亚洲国家（2006-2024年），聚焦于按性别、企业规模和残疾状况分类的雇员数据（单位：千）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API获取并筛选亚洲国家代码。数据集包含一个核心指标（EES_TEES_SEX_EST_DSB_NB），涵盖国家代码、年份、观测值、数据来源、分类维度（如性别、企业规模、残疾状况）及数据质量标记等字段。数据经过ILO基于国际劳工统计学家会议（ICLS）定义的标准化处理，适用于表格分类、回归和时间序列预测等任务。This dataset contains 1,898 observations of Employees data across 13 Asia countries, spanning 2006–2024, covering 1 distinct indicator. It provides data on employees disaggregated by sex, establishment size, and disability status (in thousands), sourced from the ILOSTAT database of the International Labour Organization (ILO) via API and filtered to Asia ISO3 country codes. The dataset includes fields such as country codes, years, observed values, data sources, classification dimensions (e.g., sex, establishment size, disability status), and data quality flags, harmonized using ICLS definitions. It is 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）的中央统计数据库ILOSTAT，通过其REST API端点直接提取指标EES_TEES_SEX_EST_DSB_NB的原始记录，并依据ISO3国家代码筛选出亚洲区域数据。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录等微观数据进行统一 harmonization，以确保跨国可比性。Electric Sheep Asia在此基础上进行再包装：标准化字段命名、转换存储格式为Parquet，并保留source.label等溯源信息，最终形成1,898条观测、涵盖13个亚洲国家2006至2024年的面板数据集。

使用方法

用户可通过HuggingFace datasets库以load_dataset函数加载数据集，并利用to_pandas方法转换为DataFrame进行后续分析。典型操作包括按国家代码筛选（如df[df['ref_area']=='IDN']）以获取特定国家的子集；针对单一指标绘制时间序列图以观察趋势；或通过pivot_table构建国家×年份矩阵，便于横向比较。数据集字段含义清晰，obs_value为观测值，time为年份，sex、classif1、classif2提供分解维度，用户可根据研究需求灵活选取。使用时应留意数据质量标注，并遵循CC-BY-4.0许可协议，同时引用ILO原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）自1919年成立以来，始终致力于全球劳动统计的标准化与可比性，其核心数据库ILOSTAT汇集了200余个经济体的劳动力调查数据，为就业、失业、工资等议题提供权威基准。在此背景下，Electric Sheep Asia于2024年对ILOSTAT中“按性别、企业规模与残疾状况分类的雇员数”指标进行重新打包，覆盖13个亚洲国家、2006至2024年的1898条观测。该数据集直面残障人士在劳动力市场中的边缘化问题，通过细分企业规模和性别维度，为探究残障就业的结构性差异提供了稀缺的跨国面板数据，对推动包容性劳动政策研究具有奠基性意义。

当前挑战

该数据集所回应的领域问题在于：残障群体就业统计长期面临定义模糊、样本稀疏及跨国可比性不足的困境，而企业规模与残疾状况的交叉分类更因调查成本高昂而鲜有系统记录。在构建过程中，原始数据源自各国差异显著的劳动力调查，ILO虽以国际劳工统计学家会议（ICLS）标准进行调和，但残缺值、序列中断及“不可靠”标记仍普遍存在；同时，部分国家仅有个别年份数据，导致时序分析受限，而分类变量仅当指标发布细分时才非空，进一步加剧了数据稀疏性。这些挑战要求使用者在建模时谨慎处理缺失机制与样本偏倚。

常用场景

经典使用场景

在劳动经济学与残障就业研究的交汇处，该数据集凭借其按性别、企业规模及残障状况三重维度分层的雇员人数统计，成为剖析亚洲劳动力市场结构性差异的经典面板数据源。研究者惯常利用其2006至2024年的时序特征，构建跨国固定效应模型，以捕捉不同经济体中残障人士就业分布的动态演变，尤其适用于检验企业规模对残障雇员吸纳能力的调节效应。

解决学术问题

该数据集有效回应了残障就业研究中长期存在的两个学术难题：其一，缺乏同时涵盖性别、企业规模与残障状态的系统性跨国数据，致使交叉性分析难以展开；其二，亚洲地区残障就业统计的碎片化，阻碍了区域比较研究的深入。通过提供统一编码与可追溯来源的1,898条观测，该数据集为量化残障就业的性别差距、规模效应及国别异质性奠定了实证基础，对推动包容性劳动力市场政策研究具有显著意义。

实际应用

在政策制定与企业实践层面，该数据集为国际组织、政府劳工部门及企业社会责任机构提供了关键参考。例如，ILO可据此监测亚洲区域残障就业进展，评估各国残疾人就业配额政策的实效；跨国企业则可参照不同规模企业的残障雇员比例，优化多元化招聘策略。同时，非政府组织能够利用其时序数据，倡导针对中小企业的残障就业补贴与无障碍改造支持。

数据集最近研究

最新研究方向

在全球劳动力市场日益关注包容性增长的背景下，该数据集为探究亚洲地区残疾就业的结构性差异提供了独特视角。前沿研究正利用其性别、企业规模与残疾状态的多维交叉数据，结合时间序列方法，分析不同规模企业中残疾雇员比例的演变趋势，并评估反歧视立法与配额政策的效果。与联合国《残疾人权利公约》及可持续发展目标第八项紧密关联，该类研究有助于揭示残疾群体在正规就业中的边缘化程度，为制定精准的就业支持政策提供实证依据。