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

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，主题为工作时间。具体而言，它记录了32个亚洲国家从1994年至2025年间，按性别、职业和教育程度划分的就业人员实际平均每周工作小时数。数据集共包含170,317条观测记录，核心指标为HOW_TEMP_SEX_OCU_EDU_NB（Mean weekly hours actually worked per employed person by sex, occupation and education）。数据通过ILOSTAT REST API获取，并经过 harmonization 处理以符合国际劳工统计学家会议（ICLS）的定义。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类、职业分类、教育分类、观测年份、观测值、观测状态标志以及相关注释等，支持表格分类、表格回归和时间序列预测等任务。数据以年度频率发布，并包含了数据质量说明和使用示例。This dataset contains statistical data from the International Labour Organization (ILO) ILOSTAT database on the topic of Hours of work. Specifically, it records the mean weekly hours actually worked per employed person, disaggregated by sex, occupation, and education, across 32 Asian countries from 1994 to 2025. The dataset comprises 170,317 observations, with the core indicator being HOW_TEMP_SEX_OCU_EDU_NB (Mean weekly hours actually worked per employed person by sex, occupation and education). Data is pulled directly from the ILOSTAT REST API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset provides a detailed schema including country codes, country names, data sources, indicator codes, indicator labels, sex disaggregation, occupation classification, education classification, observation year, observed value, observation status flags, and relevant notes, supporting tasks such as tabular classification, tabular regression, and time-series forecasting. Data is published at annual frequency and includes data quality caveats and usage examples.

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）旗下的ILOSTAT统计数据库，聚焦于亚洲地区劳动市场中“按性别、职业与教育程度划分的受雇人员平均每周实际工作时间”这一关键指标。数据通过ILOSTAT的REST API接口（HOW_TEMP_SEX_OCU_EDU_NB）直接抓取，并依据亚洲ISO3国家代码进行严格筛选。ILOSTAT本身依据国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行协调与标准化，所有来源均在source.label列中清晰标注，确保了数据的可追溯性与科学性。

特点

数据集涵盖1994年至2025年间32个亚洲国家的170,317条观测记录，具有显著的地理广度与时序深度。其核心指标（HOW_TEMP_SEX_OCU_EDU_NB）提供了受雇人员平均每周实际工作时间的均值，并细分为性别（总、男、女）、职业技能等级与教育层次等多重维度，支持复杂的交叉分析。数据以年度频率呈现，采用ILO选定的“最佳来源”进行处理，平衡了不同国家数据源的一致性与可比性。

使用方法

数据集可通过HuggingFace的datasets库便捷加载，使用load_dataset函数直接获取，并转为pandas DataFrame进行后续分析。用户可针对单一国家（如印度尼西亚）筛选数据框子集，或针对核心指标进行时间序列的可视化与趋势分析。此外，借助pivot_table函数可轻松构建国家×年份的矩阵结构，便于进行面板数据回归或跨区域比较研究，为劳动经济学与社会学领域的量化分析提供了高效工具。

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数据库构建，并由Electric Sheep Asia团队重新打包发布，聚焦于亚洲地区按性别、职业和教育程度划分的就业人员平均每周实际工作小时数。其核心研究问题在于揭示亚洲32个国家在1994至2025年间劳动力工时结构的动态演变，为劳动经济学、性别平等研究和教育政策评估提供跨时空的标准化定量基础。作为ILOSTAT全球劳动统计体系的重要组成部分，该数据集整合了各国劳动力调查和行政记录，填补了亚洲区域工时细粒度数据的空白，对推动可持续发展目标中体面劳动指标的监测具有显著影响力。

当前挑战

该数据集面临的核心挑战首先在于领域问题：工时数据受非正规经济、多份工作从业者及季节性波动影响，导致观测值在跨国家比较时易出现系统性偏差；同时，数据中观测状态标记为不可靠的条目揭示了原始调查方法差异和统计口径不统一带来的质量隐患。构建过程中的挑战则体现在多源数据整合上：ILOSTAT需协调32个国家在不同调查框架下的微观数据，对性别、职业和教育的分类标准进行国际劳工统计会议定义下的归一化处理，而数据中非标教育水平注释的出现，正反映了跨体系对齐时遗留的语义歧义问题。

常用场景

经典使用场景

在劳动经济学和社会政策研究领域，该数据集被广泛应用于分析亚洲各国不同性别、职业与教育背景的就业者平均每周实际工作时间的跨时空分布特征。研究者可借助其丰富的维度拆分字段，构建线性混合效应模型或面板数据回归，以识别工作时间在年份、国家与人口群体间的变异规律。数据集覆盖1994至2025年间32个亚洲经济体的年度观测值，为探究亚洲劳动力市场的结构性变迁与区域差异提供了坚实的量化基础，成为时间序列分析、层次建模与多变量分解等经典研究范式的理想载体。

衍生相关工作

围绕该数据集，学界已涌现出一系列具有影响力的衍生工作，涵盖统计指标归一化处理方法的改进、多源劳动力调查数据的协整分析以及基于机器学习的工时预测模型构建。部分研究将本数据作为验证集，评估不同职业分类标准（如ISCO-08技能等级）与教育分类调整方案对工时估计结果稳健性的影响。另有工作将其与ILOSTAT中失业率、工资中位数等互补指标融合，形成了面向亚洲劳动力市场的多模态分析框架，推动了面板VAR模型、聚类分析与时空图谱跟踪等方法的交叉应用。这些衍生成果不仅扩展了原数据的分析边界，也促进了劳动计量领域方法论的持续演进与创新。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲32国1994至2025年间按性别、职业与教育程度划分的就业者平均每周实际工时，为劳动经济学领域的前沿研究提供了高分辨率的结构化时序数据。在全球供应链重构与后疫情时代劳动力市场弹性议题升温的背景下，研究者利用此数据深入探讨性别与教育对工作时长的差异化影响，尤其关注亚洲新兴经济体中的技能错配与工作质量演变。ILOSTAT的标准化采集与多维度分类使得跨国比较与政策模拟成为可能，为国际劳工组织推动的体面劳动议程及SDG 8（体面工作和经济增长）的量化评估提供了关键实证支撑，推动了从单一工时总量分析向结构性不平等与人力资本配置效率的动态建模转型。