electricsheepasia/asia-ilo-how-temp-sex-age-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数据库的工作时间数据，具体指标为按性别和年龄分组的就业人员平均每周实际工作小时数。数据覆盖亚洲33个国家，时间跨度为1990年至2025年，共16,476个观测值。数据集提供了详细的列信息，包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、观测年份、观测值、观测状态等，支持表格分类、回归和时间序列预测等任务。数据通过ILOSTAT REST API获取，并经过ILO基于国际劳工统计学家会议（ICLS）定义进行标准化处理，以确保可比性和可追溯性。This dataset contains Hours of work data from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Mean weekly hours actually worked per employed person by sex and age. It covers 33 Asia countries from 1990 to 2025, with 16,476 observations. The dataset includes detailed columns such as country code, country name, data source, indicator code, sex disaggregation, age classification, observation year, observed value, and observation status, supporting tasks like tabular classification, regression, and time-series forecasting. Data is pulled directly from the ILOSTAT REST API and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions for comparability and traceability.

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，通过调用其REST API获取指标HOW_TEMP_SEX_AGE_NB的原始数据，并依据亚洲ISO3国家代码进行地域筛选与过滤。数据经过ILO依据国际劳工统计学家会议（ICLS）定义进行标准化处理，以确保不同来源调查微数据的一致性与可比性。最终由Electric Sheep Asia团队重新封装为Parquet格式，发布为机器学习就绪的数据集。

特点

数据集包含16,476条观测记录，覆盖33个亚洲国家，时间跨度从1990年至2025年。核心指标为按性别和年龄分层的就业者每周实际工作平均小时数，并提供丰富的分类维度，包括性别（总、男、女、其他）及年龄分组。每条记录均附有来源标签和观测状态标志，便于用户评估数据质量。数据频率为年度，确保与宏观劳动力研究的时间对齐需求相匹配。

使用方法

用户可通过HuggingFace Datasets库便捷加载数据，使用load_dataset()命令直接获取训练集，并转换为Pandas DataFrame进行分析。支持按国家代码（如IDN）筛选特定国家数据，按指标列排序并绘制时间序列图以观察趋势。也可通过透视表将数据重构为国家×年份矩阵，便于进行跨区域横向比较或面板数据分析。所有操作均基于标准化列名与数据类型，降低了预处理门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司创建，经Electric Sheep Asia于2025年重新打包并发布于HuggingFace，收录了1990至2025年间亚洲33个国家的16476条观测数据，聚焦于不同性别与年龄层雇员实际工作的平均每周时长。作为ILO旗舰统计数据库ILOSTAT的子集，该数据集为劳动经济学、人口统计学及发展研究提供了关键支撑，尤其在衡量体面劳动、促进性别平等及评估劳动力市场效率等可持续发展目标（SDGs）领域具有重要应用价值。其系统化的分类变量设计，使得跨国家、跨时间的纵向比较研究成为可能，显著推动了劳动时间经济学在亚洲区域的经验研究。

当前挑战

该数据集在领域层面着力解决就业质量长期难以量化比较的难题，通过标准化的工作时长指标，为评估非正规就业、性别差异及代际劳动参与提供了实证基础。构建过程中面临多重挑战：其一，需整合来源各异的国家级劳动力调查与行政记录，确保不同年份与国别数据的可比性；其二，ILO需统一采用国际劳工统计学家会议（ICLS）定义，对原始微观数据进行清洗与协调，并对数据质量进行标记（如‘不可靠’、‘临时性’等状态标识）；其三，须处理因调查设计差异造成的缺失值与分类不一致问题，例如某些国家仅提供总性别数据而未细分年龄组。Electric Sheep Asia在重新打包时还需解决API数据抽取的完整性、亚洲国家过滤逻辑的准确性以及列模式标准化等工程技术难题。

常用场景

经典使用场景

在劳动经济学与区域发展研究领域，该数据集最为经典的应用场景是构建跨国面板数据模型，以揭示亚洲各国劳动力市场中工作时长的时空演变规律。基于33个国家1990至2025年的长时间序列观测值，研究者能够利用固定效应或随机效应回归分析，别离出经济发展阶段、产业结构变迁与性别差异对实际工作周时的影响。该数据集按性别与年龄维度进行了细致分层，为探究女性劳动参与率提升背景下工作时长的性别鸿沟提供了可靠的数据支撑，成为亚洲区域劳动力比较研究的基础性资源。

实际应用

在现实决策层面，该数据集被广泛用于国际组织与各国劳动部门的政策监测和效果评估。例如，国际劳工组织利用这些数据跟踪亚洲国家实现可持续发展目标8（体面工作与经济增长）中关于工作时长的具体指标进展。各国劳动经济学家借助该数据集，评估最低工资调整、产假政策或灵活工作制改革对实际工作周时的干预效果。此外，跨国企业的人力资源规划与行业薪酬基准制定也参考亚洲分性别、分年龄段的工作时长分布，以优化用工策略和合规性评估。

衍生相关工作

该数据集衍生了一系列具有影响力的经典工作。在学术层面，经济学家基于该数据构建了亚洲劳动力市场弹性指数，并据此探讨全球化进程中贸易自由化对工作时长的异质性冲击。国际劳工组织发布的旗舰报告《全球工资报告》中关于亚洲区域的分析章节，大量引用了该数据集的统计结果。此外，有学者利用此数据训练了面向劳动力市场预测的时间序列模型，其预测结果被世界银行等机构用于经济风险早期预警。该数据集还催生了多个对比奥肯定律在亚洲适用性的实证研究，将工作时长变动与经济周期波动的关联量化更加精准。