electricsheepasia/asia-ilo-str-days-eco-nb-days-not-worked-due-to-strikes-and-lockouts-by-eco

该数据集包含亚洲22个国家从1969年至2024年的4,484条观察数据，专注于“工业关系”领域，涵盖1个独特指标：STR_DAYS_ECO_NB，即因罢工和停工而未工作的天数，按经济活动分类。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并过滤至亚洲国家。数据模式包括国家代码、国家名称、来源、指标、分类变量、年份、观察值等列，支持表格分类、回归和时间序列预测任务。数据集由Electric Sheep Asia重新打包，旨在为亚洲提供统一的机器学习就绪数据层，使用CC-BY-4.0许可证发布。This dataset contains 4,484 observational records spanning from 1969 to 2024 across 22 Asian countries, focusing on the field of industrial relations. It covers one unique indicator: STR_DAYS_ECO_NB, which refers to the number of working days lost due to strikes and work stoppages, categorized by economic activity. The data is sourced from the ILOSTAT database of the International Labour Organization (ILO), extracted via API and filtered to retain only records from Asian countries. The dataset includes columns such as country code, country name, data source, indicator, categorical variables, year, and observed values, supporting tasks including tabular classification, regression, and time series forecasting. Repackaged by Electric Sheep Asia, this dataset aims to provide a unified machine learning-ready data layer for Asia, and is released under the CC-BY-4.0 license.

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中央统计数据库，通过REST API接口从官方数据源中提取了指标代码为STR_DAYS_ECO_NB的原始数据，并依据ILO的亚洲ISO3国家代码列表进行地域筛选。ILO的统计部门运用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协调，所有数据来源均在source.label字段中加以标记，以确保数据的可溯源性与透明性。数据集的构建由Electric Sheep Asia团队完成，他们将抽取后的数据整合为规范的Parquet格式，并发布了统一的HuggingFace数据集卡片，使得研究者能够直接通过load_dataset函数快速调用。数据集收录了22个亚洲国家从1969年至2024年间共4,484条观测记录，汇聚了关于经济活动中因罢工和闭厂而未工作天数的单一指标。

使用方法

使用该数据集时，研究者可首先通过HuggingFace Datasets库的load_dataset函数直接加载，并将其转换为Pandas的DataFrame格式以便进行后续操作。例如，可以通过筛选ref_area字段获取特定国家的子集，或利用indicator字段锁定唯一的‘STR_DAYS_ECO_NB’指标进行深入分析。典型的使用场景包括绘制某国或整个区域该指标随时间变化的折线图，以观察罢工事件的波动趋势；亦可通过pivot_table方法将数据转换为以年份为行、国家为列的面板数据矩阵，便于直接应用计量经济学模型。数据集的Schema中提供了详细列描述与示例值，涵盖国家代码、指标标签、经济活动分类及观测值等，极大降低了数据清洗与整合的门槛，让用户能够迅速聚焦于分析本身。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，经由Electric Sheep Asia于2024年重新打包并发布在HuggingFace平台，专注于记录1969至2024年间亚洲22个国家因罢工和停工而未工作天数的经济活动分布。核心研究问题聚焦于从时间序列和行业分类的视角，量化劳资关系冲突对亚洲区域劳动力市场效率与生产稳定性的影响。作为ILOSTAT劳动统计体系的关键组成部分，该数据集为比较政治经济学、劳动经济学以及产业关系研究提供了标准化的量化基础，推动了学界对亚洲各国劳资矛盾演进规律及宏观经济效应的实证探索。

当前挑战

该领域面临的首要挑战在于数据可比性：各国对罢工和停工的法律定义、报告门槛及统计口径差异显著，例如部分国家仅记录超过特定持续时间的冲突，导致跨国横向比较时存在系统性偏差。其次，数据稀疏性与时间断层问题突出，印度尼西亚、巴基斯坦等国存在长期空窗期（如巴基斯坦数据截至2003年），限制了完整面板回归分析的有效性；同时，细粒度信息标注不足，缺少锁厂、停工等原因标签，使得经济活动的行为归因路径模糊。此外，数据来源注释表明存在源统计方法转换与数据收集频率差异（部分指标仅年报而未收录月/季度数据），这削弱了时间序列分析中季节性波动的捕捉能力，给模型构建与因果推断带来了额外的规范化挑战。

常用场景

经典使用场景

该数据集汇聚了1969年至2024年间22个亚洲国家因罢工和闭厂而损失的工作日数，按经济活动类别划分，共计4484条观测记录。其最经典的使用场景集中于时间序列分析与面板数据建模，研究者可借此追溯各国劳资冲突的演变轨迹，量化经济波动与社会动荡对劳动供给的冲击效应。在分类与回归任务中，该数据能够支持对罢工强度、持续时间及行业分布模式的预测建模，成为劳动经济学、产业关系学及发展经济学领域不可或缺的实证素材。

解决学术问题

数据集有效回应了劳动经济学中关于罢工行为的跨时空比较难题。在学术层面，它填补了亚洲区域劳资冲突量化数据的长期缺失，使学者得以系统评估经济发展阶段、制度环境与集体行动风险之间的关联。研究者可借助该数据检验罢工潮与宏观经济周期、产业结构变迁、劳动法规演变等变量的交互作用，从而推动罢工理论模型的经验校准。此外，该数据集为探究劳动力市场摩擦与生产效率损失提供了可靠的因果推断基础，深化了对社会冲突经济代价的理解。

实际应用

在实际应用层面，该数据集为政府劳工部门、国际组织及企业风险管理团队提供了量化决策工具。政策制定者可依据历史罢工数据优化劳动法规设计，预判高风险行业并制定冲突预防机制。国际劳工组织（ILO）等机构借助此类指标监测体面劳动目标的实现进展。跨国企业在评估亚洲市场投资环境时，可结合罢工频率与经济损失数据，对供应链稳定性与劳资关系风险进行前瞻性评估，辅助海外布点的区位权衡。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区因罢工和停工导致的未工作日数，按经济活动分类，源自ILOSTAT数据库，覆盖22个亚洲国家1969至2024年的时序数据。当前前沿研究方向包括利用时间序列预测模型分析劳工冲突的经济影响，结合宏观经济指标评估罢工对生产率的冲击，以及通过面板数据探索制度因素与劳动纠纷的关联性。数据集与全球供应链韧性、体面劳动目标等热点议题紧密相连，可为政策制定者优化劳资关系治理、减少社会经济损失提供量化依据，尤其对亚洲新兴经济体的工业关系研究具有重要实证价值。