electricsheepasia/asia-ilo-how-eare-sex-nb-mean-weekly-hours-actually-worked-per-employee-in

该数据集包含了亚洲31个国家从1997年至2025年间，关于护理就业中每位员工实际平均每周工作小时数的统计数据，按性别划分。数据集包含706个观测值，涵盖1个具体指标（HOW_EARE_SEX_NB），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。数据包括国家代码、国家名称、数据来源、指标代码、性别分类、观测年份、观测值、观测状态等多个字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains 706 observations of mean weekly hours actually worked per employee in care employment by sex across 31 Asia countries, spanning 1997–2025, covering 1 distinct indicator (HOW_EARE_SEX_NB). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to Asia ISO3 country codes. It includes fields such as country code, country name, data source, indicator code, sex disaggregation, observation year, observed value, and observation status, 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，聚焦于亚洲地区有偿护理从业者每周实际工作时长的性别差异。数据通过ILOSTAT REST API直接获取，筛选出亚洲31个国家的ISO3国家代码，并依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一整合。来源信息在`source.label`列中明确标注，以确保可追溯性。最终整理为包含706条观测值的表格数据。

特点

数据集覆盖1997年至2025年间31个亚洲国家，包含一个核心指标——按性别划分的有偿护理从业人员平均每周实际工作时间。数据按性别（总、男、女、其他）进行细分，并附有观察状态标签和注释信息，以说明数据中断或方法修订等质量变化。多源数据采用国际劳工组织选定的“最佳来源”，确保了数据的一致性和可靠性。

使用方法

用户可通过HuggingFace Datasets库的`load_dataset()`函数轻松加载数据，并将其转换为Pandas DataFrame进行后续分析。支持按国家、时间或指标进行筛选，例如提取印度尼西亚的观测值或对特定指标绘制时间序列图。此外，还可以通过透视表将数据重塑为国家×年份的矩阵形式，便于进行跨国的比较研究。

背景与挑战

背景概述

在亚洲地区，护理工作者作为社会照护体系的核心力量，其劳动状况的量化评估长期面临数据碎片化与跨国比较困难的窘境。为填补这一空白，国际劳工组织（ILO）下属的ILOSTAT数据库于2025年发布了该数据集，由Electric Sheep Asia团队在HuggingFace平台重新整理。数据集聚焦于“受雇护理员工每周实际平均工作小时数”，按性别分列，覆盖亚洲31个国家，时间跨度从1997年至2025年，共包含706条观测值。作为首套系统整合亚洲护理行业劳动投入的公开面板数据，它为区域劳动力市场分析、性别平等研究及可持续发展目标（SDG）监测提供了关键基准，尤其强化了国际劳工统计学家会议（ICLS）定义的标准化劳动指标在亚洲的应用基础。

当前挑战

该数据集面临的核心挑战之一在于跨国家与跨时间的统计口径衔接：各国原始数据源自不同的劳动力调查（LFS）、家计调查或行政记录，尽管ILO通过ICLS标准进行协调，但方法论修订（如指标注释中的“Break in series”）仍导致序列不连贯，例如部分国家数据存在性别人数过少导致数值波动剧烈。构建过程中，数据汇集需处理多源调查的高维异构性（如年度与月度频次不统一），并需在保留分类维度（性别、来源标签）的同时筛选ILO选定的“最佳来源”以剔除重复记录。此外，护理工作定义的区域差异（如正式与非正规就业界定）使得小时数可比性受限于隐性概念漂移，而亚太国家中低覆盖率国家（如阿富汗）的稀疏采样进一步加剧了时空插补的难度。

常用场景

经典使用场景

在劳动经济学与性别研究领域，该数据集最经典的使用场景在于评估亚洲地区有偿护理工作者每周实际工作时间的性别差异及其长期演变趋势。通过整合31个亚洲国家1997至2025年的标准化观测数据，研究者能够构建跨国的面板分析框架，精确刻画不同性别劳动者（男性、女性及总体）在护理行业中的劳动投入特征。结合ILOSTAT提供的统一方法论，该数据集支持时间序列分解、性别不平等指数计算以及政策干预效果的事后评估，为理解亚洲护理劳动力市场的结构性变迁提供了可靠的数据基础。

衍生相关工作

该数据集衍生了一系列具有影响力的学术工作。在时间序列预测领域，研究者利用该数据结合宏观经济变量构建了护理劳动力供给的贝叶斯结构模型，成功预测了后疫情时代亚洲国家护理工作时间的恢复轨迹。在性别经济学方向，相关文献基于此数据集开发了加权性别工时不平等指数，扩展了传统基尼系数的应用边界，首次量化了护理行业中女性超额工作时间对家庭福利的挤出效应。此外，数据驱动的聚类分析工作被用于识别亚洲护理劳动力市场的四种典型发展模式，为区域比较政治经济学提供了新的分类学框架。这些工作共同构建了以ILOSTAT数据为核心的护理劳动研究社群。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区护理工作者按性别分列的周实际工作时长，为劳动经济学与性别研究领域提供了关键的时间序列数据支撑。在新冠疫情后全球对护理经济关注度激增的背景下，该数据可助力探究亚洲各国护理工作者的劳动负担差异、性别不平等现象，并评估各国劳动政策与国际劳工组织（ILO）可持续发展目标（SDG 8体面工作）的契合度。其涵盖1997至2025年31个亚洲国家的706条观测，为跨国比较及面板数据分析提供了高价值资料，尤其适用于研究亚洲新兴经济体劳动力市场转型中的护理行业结构演变。