electricsheepasia/asia-ilo-gdp-205u-noc-nb-output-per-worker-gdp-constant-2015-us-ilo-modelle

该数据集包含亚洲49个国家从1991年至2027年的劳动生产率数据，共有1,804个观测值，涵盖1个独特指标。具体指标为每个工人的产出（以2015年不变价美元计）——国际劳工组织模型估计，2025年11月。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并过滤为亚洲国家。数据集结构包括国家代码、国家名称、数据来源、指标代码、指标名称、观测年份和观测值等列。数据为年度频率，经过国际劳工组织统一处理，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集适用于表格分类、表格回归和时间序列预测等任务，旨在为机器学习和研究提供统一的、易于使用的亚洲经济数据层。This dataset contains 1,804 observations of labour productivity data across 49 Asia countries, spanning from 1991 to 2027, covering 1 distinct indicator. The specific indicator is Output per worker (GDP constant 2015 US $) -- ILO modelled estimates, Nov. 2025. The data is sourced from the International Labour Organizations (ILO) ILOSTAT database, retrieved via its REST API and filtered to Asia country codes. The dataset schema includes columns such as country code, country name, data source, indicator code, indicator name, observation year, and observed value. The data is annual frequency, harmonized by the ILO using International Conference of Labour Statisticians (ICLS) definitions. It is suitable for tasks like tabular classification, tabular regression, and time-series forecasting, and is part of a unified, ML-ready data layer for Asia on HuggingFace.

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接口直接提取指标编码为GDP_205U_NOC_NB的原始数据，并依据ISO 3166-1 alpha-3编码筛选出涵盖49个亚洲国家的观测值。数据经过ILO基于国际劳工统计学家会议（ICLS）定义的统一标准化处理，整合了来自劳动力调查、家庭收入调查等多种来源的微观数据，最终形成包含1804条观测记录的年度面板数据，时间跨度从1991年至2027年。

特点

数据集的核心特色在于其聚焦于亚洲地区劳动生产率指标，即每个工人产出（以2015年不变价美元计）的ILO模型估计值，提供了长时间序列下的跨国家可比数据。每个观测记录均包含国家代码、数据来源标签、指标定义及具体数值，并附有ILO挑选的“最佳来源”标识以确保数据质量。此外，数据集采用统一的Parquet格式封装，便于机器学习和时间序列分析的直接使用。

使用方法

用户可通过HuggingFace的datasets库轻松加载该数据集，例如使用`load_dataset("electricsheepasia/asia-ilo-gdp-205u-noc-nb-output-per-worker-gdp-constant-2015-us-ilo-modelle")`命令，并将其转换为Pandas DataFrame进行后续分析。针对特定国家筛选，可通过过滤`ref_area`列实现；对于单一指标的时间序列可视化，可对`obs_value`按年份排序并绘图；此外，还能通过数据透视操作将数据重塑为国家×年份的矩阵形式，便于跨国家比较与面板数据建模。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，经Electric Sheep Asia团队于2026年重新打包并托管于HuggingFace平台，旨在为亚太地区劳动力生产率研究提供标准化、机器就绪的数据资源。核心研究问题聚焦于刻画亚洲49个国家在1991至2027年间单位工人产出（以2015年不变价美元计）的时空演变规律，填补了该区域长期、多国劳动力生产率可比数据的空白。作为ILOSTAT数据库的衍生数据集，其依托ILO对200多个经济体劳动力调查的统合编算，在劳动经济学、发展经济学及国际比较研究中具有重要影响力，为政策制定者与学者提供了评估亚洲经济增长质量与劳动效率演进的量化基础。

当前挑战

该数据集面临的核心领域挑战在于，劳动力生产率作为综合经济指标，其跨国可比性受制于各国统计口径、调查方法与数据质量的非均衡性，ILO虽通过ICLS定义进行协调，但原始数据源的差异仍可能引入测量误差。构建过程中，挑战主要体现为多源异构数据的归一化处理：需从ILOSTAT的REST API接口抽取原始微数据，严格筛选亚洲国家的ISO3编码，并对不同调查类型（如劳动力调查、行政记录）标注来源标签以保留可追溯性；此外，时间序列的年度频率限制导致无法捕捉季度或月度波动，且当同一国家-年份存在多个数据源时，需依赖ILO的主观“最佳来源”选择策略，这可能在数据一致性与敏感度之间产生权衡。

常用场景

经典使用场景

该数据集汇集了国际劳工组织（ILO）对亚洲49个国家1991年至2027年间单位劳动者产出（以2015年不变价美元计）的建模估计值，共计1804条观测记录。在劳动经济学与区域发展研究中，其最经典的使用场景是作为跨国产出效率比较的核心基准，为学者提供亚洲各国劳动生产率长期演变的标准化面板数据。研究者可借助该数据构建时间序列模型，揭示亚洲经济体劳动生产率增长的时间趋势与周期性特征，或通过国家间的横截面比较，剖析不同发展阶段与政策环境下的生产效率差异。

衍生相关工作

基于该数据集衍生的代表性工作主要包括三方面：其一，劳动生产率与经济结构的实证研究，如探索制造业与服务业劳动生产率差异如何影响亚洲国家的工业化进程与就业结构转型；其二，政策效果评估模型的构建，例如结合贸易开放度、外商直接投资等变量，量化全球化对亚洲各国单位劳动者产出的冲击与传导机制；其三，机器学习与计量经济学的融合应用，如利用长短期记忆网络（LSTM）对劳动生产率的未来走势进行多步预测，并对比传统面板回归模型的表现。这些工作进一步拓展了该数据集在因果推断与预测科学中的理论价值与实践边界。

数据集最近研究

最新研究方向

该数据集源于国际劳工组织ILOSTAT数据库，聚焦亚洲49国在1991至2027年间基于2015年不变价美元计算的单位工人产出（劳动生产率的经典测度），为区域劳动力经济分析提供横跨近四十年、覆盖完整亚洲地理版图的高质量时序面板数据。在当下的前沿研究中，该数据集被广泛用于评估亚洲经济体在全球供应链重构背景下的劳动生产率收敛与分化趋势，特别是结合后疫情时代的劳动力市场韧性与数字化转型议题，揭示南亚与东南亚新兴经济体在制造业升级、产业政策干预下的生产率跃迁路径。同时，得益于ILO采用的国际劳工统计学家会议（ICLS）定义进行数据协调，研究者能以此为基础构建跨国面板回归模型或时间序列预测算法，量化劳动力结构变化、自动化采纳率及社会保障支出对产出效率的长期影响，为可持续发展目标第八项（体面工作与经济增长）的亚太区域政策评估提供扎实的计量支撑。