electricsheepasia/asia-ilo-emp-publ-sex-jbt-nb-public-sector-employment-by-sex-and-working-time-a

该数据集包含亚洲31个国家从1997年至2025年的2,644个观测值，涵盖公共部门就业按性别和工作时间安排（以千计）的指标。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代码，包括国家代码、来源、指标、性别分类、时间、观测值等列，用于表格分类、回归和时间序列预测任务。This dataset contains 2,644 observations of public sector employment by sex and working time arrangement (in thousands) across 31 Asia countries from 1997 to 2025, sourced from the ILOSTAT database of the International Labour Organization (ILO), with data retrieved via API and filtered to Asia country codes, including columns for country codes, sources, indicators, sex disaggregation, time, and observed values, 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直接提取了“EMP_PUBL_SEX_JBT_NB”指标的数据，并过滤出亚洲地区的ISO3国家代码。原始调研微观数据依据国际劳工统计学家会议（ICLS）定义进行统一整合，并由Electric Sheep Asia团队重新封装为ML就绪的Parquet格式，确保数据来源可靠且可追溯。

特点

数据集包含2644条观测记录，覆盖1997年至2025年间31个亚洲国家的公共部门雇员数据，按性别与工作时间的分类维度进行细分。每一观测值均附有详细的分类标签、数据状态标记及来源注释，便于用户评估数据质量。数据以年度频率呈现，并采用统一的模式结构，支持跨国家、跨时间的比较分析。

使用方法

用户可通过HuggingFace的`datasets`库直接加载数据集，如使用`load_dataset()`函数即可获取并转换为Pandas DataFrame。支持通过`ref_area`列筛选特定国家、利用`time`与`obs_value`进行时间序列分析，或使用`pivot_table`方法构建国家-年份矩阵，便于后续的分类、回归或时间序列预测任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，并由Electric Sheep Asia进行重新整理和封装，专注于亚洲地区公共部门就业的性别与工时结构分析。数据集涵盖1997年至2025年间31个亚洲国家的2644条观测记录，核心研究问题在于揭示公共部门就业中性别差异与工作时间安排的动态演变规律。作为ILOSTAT数据库的衍生资源，数据严格遵循国际劳工统计学家会议（ICLS）定义标准，经由统一化处理后的高规范化数据结构，为劳动经济学、性别研究及公共政策评估等领域提供了可靠的时间序列证据。该数据集在亚洲区域公共就业比较研究方面具有独特价值，填补了跨国家、长时段、细粒度性别与工时联合分析的数据空白。

当前挑战

该数据集所解决的领域核心挑战在于，如何在公共部门就业研究中系统性地纳入性别与工作时间的交叉维度，从而突破传统宏观就业统计对结构性差异的忽视。构建过程中面临多重难题：首先，不同国家原始调查数据来源（如劳动力调查、行政记录）在采集时间、样本覆盖和定义口径上差异显著，ILO虽已尝试基于统一标准进行调和，但仍存在‘最佳来源’选择导致的偏好风险；其次，数据注解中‘方法修订’与‘序列断裂’标记真实反映了历史定义变更带来的时序可比性挑战；此外，仅包含年度频率数据限制了对短期就业波动与季节性模式的捕捉，而性别与工时分类层级有限进一步约束了细粒度比较的可能性，部分国家数据缺失造成亚洲区域内的分析覆盖不均衡。

常用场景

经典使用场景

该数据集记录了1997年至2025年间31个亚洲国家的公共部门就业情况，按性别和工作时间安排进行细分，共包含2644条观测数据。经典使用场景包括利用时间序列分析探究亚洲各国公共部门就业的长期演变趋势，揭示性别就业差异的动态变化；通过面板数据模型分析公共部门规模与宏观经济指标（如GDP、财政支出）的关联；以及运用分类或回归任务预测特定国家或性别的公共部门就业人数。数据集的结构化特性使其成为劳动经济学、发展经济学和公共政策研究的理想基础资源。

衍生相关工作

基于该数据集可衍生出一系列重要学术工作：构建亚洲公共部门就业的预测模型，融合人口结构变动与制度变迁因素，预测至2030年的就业走势；开发按性别与工作类型分解的就业聚类分析，识别‘高女性全职就业-低性别差异’等典型国家模式；结合ILOSTAT其他指标（如工资水平、非正规就业比例）开展多变量因果推断，量化公共部门扩张对私营部门就业的挤入或挤出效应。这些工作将深化对亚洲劳动力市场结构性转型的理解，并为‘体面劳动’目标的实证研究开辟新路径。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲31国公共部门就业的性别维度和工时安排差异，为劳动经济学与性别平等研究提供了跨越近三十年（1997-2025年）的时序数据基础。在国际劳工组织（ILO）倡导体面劳动与可持续发展目标（SDG 8）的宏观背景下，该数据尤其适合用于探讨公共部门就业结构的性别分化趋势、非标准工时安排对女性劳动参与的隐性影响，以及亚洲各国劳动力市场制度变迁的实证分析。通过结合ILOSTAT标准化指标与地区政策热点（如日本女性活跃推进政策、印度公共部门改革），研究者可深入挖掘公共部门作为性别平等‘调节器’的作用机制，从而为制定更具包容性的劳动政策提供数据支撑。