electricsheepasia/asia-ilo-ees-tees-sex-eco-nb-employees-by-sex-and-economic-activity-thousands

该数据集包含关于亚洲46个国家员工数据的65,230个观测值，时间跨度为1963年至2025年，涵盖1个独立指标。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，主题为员工（Employees），具体指标为按性别和经济活动分类的员工（千计）。数据集提供了按性别（如总计、男性、女性）和经济活动部门分类的员工数量信息，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，包括来源标记和质量控制，适用于机器学习和数据分析。This dataset contains 65,230 observations of employee data across 46 Asian countries, spanning the period from 1963 to 2025, and covers 1 independent indicator. The data is sourced from the ILOSTAT statistical database of the International Labour Organization (ILO). The core subject is Employees, with the specific indicator being Employees by sex and economic activity (in thousands). The dataset provides employee count information categorized by sex (e.g., total, male, female) and economic activity sectors, and is applicable to tasks such as tabular classification, regression, and time series forecasting. The data has undergone standardized processing by the ILO, including source tagging and quality control, and is suitable for machine learning and data analysis.

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）的ILOSTAT中央统计数据库为根基，通过其REST API接口直接提取指标EES_TEES_SEX_ECO_NB的原始数据，并依据ISO3国家代码筛选出亚洲地区46个国家的记录。ILOSTAT依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、家庭收入调查等微观数据进行统一协调，数据来源在source.label列中予以标注，以确保可追溯性。经Electric Sheep Asia重新打包后，形成覆盖1963至2025年、共计65,230条观测的机器学习就绪数据集。

特点

数据集以亚洲46国为空间范围，时间跨度逾六十年，聚焦按性别和经济活动分类的雇员人数（千人）。其核心特点在于多维度 disaggregation，包含性别（总计、男性、女性、其他）、经济 activity 分类以及来源注释等字段，并附有观测状态标志以标识临时性或不可靠数据。数据以年度频率发布，表结构清晰，囊括ref_area、indicator、sex、classif1、time、obs_value等列，便于进行表格分类、回归及时序预测任务。

使用方法

研究人员可通过HuggingFace datasets库以一行代码加载数据集，并转换为Pandas DataFrame进行探索。典型操作包括按ref_area筛选特定国家（如印度尼西亚）、按indicator过滤后按时间排序绘制时序曲线、或利用pivot_table生成国家×年份矩阵以观察跨地区趋势。该数据集支持表格分类、回归和时序预测等任务，使用时应留意obs_status与note类字段所提示的数据质量信息，并在成果中同时引用ILO原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）自1919年成立以来，始终致力于全球劳动统计的标准化与可及性，其核心数据库ILOSTAT汇集了200余个经济体的劳动力调查数据，成为劳动经济学与政策研究的基石。在此背景下，asia-ilo-ees-tees-sex-eco-nb-employees-by-sex-and-economic-activity-thousands数据集由Electric Sheep Asia于2025年基于ILOSTAT REST API重新封装而成，覆盖46个亚洲国家、1963至2025年间按性别和经济活动分类的雇员人数（千人）观测值，共计65,230条记录。该数据集回应了亚洲地区性别就业结构长期缺乏统一、可比较时序数据的核心问题，为研究性别差距、经济结构转型与劳动市场动态提供了重要基础，并对区域劳动政策制定与学术研究产生了深远影响。

当前挑战

该数据集所应对的领域问题在于亚洲各国经济活动分类体系与性别统计口径的异质性，导致跨时空比较困难，而ILOSTAT的协调虽提升了可比性，仍面临源头调查覆盖不均、部分国家数据缺失或中断的固有挑战。构建过程中，主要难点包括：从REST API批量提取并过滤亚洲ISO3代码时需处理非标准国家代码与重复记录；调和不同调查来源（如劳动力调查与行政记录）的指标定义差异，并保留源标签以确保可追溯性；应对观测状态标志所提示的临时值、不可靠数据及方法变更导致的序列断裂，同时维持大量分类变量的稀疏性管理，从而在数据完整性与准确性之间寻求平衡。

常用场景

经典使用场景

在国际劳动经济学与区域发展研究的交汇处，该数据集以亚洲46国为空间单元，以1963至2025年为时间纵轴，将雇员人数按性别与经济部门进行细致划分，构筑起一幅跨越逾一甲子的劳动力市场性别结构长卷。其最经典的使用场景在于时间序列分析与面板数据建模，研究者可借助年度观测值追踪各国女性与男性雇员在不同产业部门中的分布变迁，识别性别就业差距的收敛或扩大趋势，亦可利用部门维度的分解揭示经济结构转型对两性就业机会的差异化影响，从而为劳动供给弹性、性别工资差距及产业结构调整等议题提供坚实的描述性基础。

衍生相关工作

基于该数据集及其同源国际劳工组织系列，学术界与政策研究领域衍生出诸多经典工作。比较政治经济学文献常援引此类数据检验女性劳动参与率与经济发展阶段之间的U型关系，劳动经济学研究则利用其部门分解探究贸易开放与技术变革对性别就业构成的冲击。国际组织发布的全球就业与社会展望报告亦以此为底层数据支撑，追踪亚洲地区在可持续发展目标框架下体面劳动的实现进度，另有若干机器学习驱动的劳动力市场预测模型将其作为训练与验证的关键语料。

数据集最近研究

最新研究方向

在劳动经济学与性别平等研究的交汇处，该数据集正推动着亚洲地区就业结构变迁的精细化分析。前沿研究聚焦于利用其1963至2025年的长时序覆盖，结合性别与经济活动的交叉分类，探究女性在制造业、服务业等部门的就业弹性及其对经济增长的响应机制。同时，数据中涉及的非标准经济活动分类与序列断点标注，为评估方法学修订对趋势估计的干扰提供了独特素材。近期有关亚洲非正规就业扩张与性别鸿沟的讨论，亦促使研究者运用该数据检验结构性转型假说，其意义在于为循证政策设计提供跨时空可比的基础观测。