electricsheepasia/asia-ilo-ees-tees-sex-est-nb-employees-by-sex-and-establishment-size-thousands

该数据集包含亚洲26个国家从2000年至2025年的雇员数据，按性别和机构规模（以千计）进行细分。数据集包含4,444个观测值，涵盖1个主要指标（EES_TEES_SEX_EST_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代码。数据集结构包括国家代码（ref_area）、国家名称（ref_area.label）、数据来源（source和source.label）、指标代码和名称（indicator和indicator.label）、性别分类（sex和sex.label）、分类变量（classif1和classif1.label）、年份（time）、观测值（obs_value）、观测状态（obs_status和obs_status.label）以及相关注释（note_indicator和note_source）。数据质量方面，数据为年度频率，ILO选择最佳来源用于同一国家×年份的多个来源情况，且细分列仅在指标发布该细分时非空。数据集适用于表格分类、回归和时间序列预测任务，主要用于劳动统计和研究。license: CC BY 4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 1000 < n < 10000 tags: - 表格数据 - 亚洲 - ILOSTAT - 雇员 - ILO - 劳工 - 就业 pretty_name: "按性别和企业规模划分的雇员人数（单位：千人）| 亚洲（ILOSTAT）" # 按性别和企业规模划分的雇员人数（单位：千人）| 亚洲（ILOSTAT） 🌏 **4444条观测样本** · **覆盖26个亚洲国家** · **时间跨度2000–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装发布*      ## 快速概览（TL;DR） 本数据集包含**覆盖26个亚洲国家、时间跨度2000–2025年的雇员数据**，共计**4444条观测样本**，仅包含**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计权威数据源。其收录的指标涵盖就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（SDG）的体面劳动目标等范畴，数据来源包括全国劳动力调查、家庭收入调查、企业调查及行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计部门负责数据的标准化处理。 - **来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EST_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：雇员情况 ## 数据处理流程 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_EST_NB`拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家编码对应的数据。ILOSTAT采用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标准化处理；数据来源将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 共覆盖26个亚洲国家，以下为按样本量排序的前15个国家： | 国家代码 | 样本量 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `MNG` | 581 | 2003 | 2024 | | `THA` | 432 | 2010 | 2024 | | `PAK` | 414 | 2006 | 2025 | | `PSE` | 368 | 2010 | 2025 | | `JPN` | 360 | 2000 | 2023 | | `TUR` | 315 | 2000 | 2024 | | `JOR` | 312 | 2017 | 2024 | | `IRN` | 298 | 2005 | 2024 | | `LKA` | 210 | 2010 | 2024 | | `GEO` | 195 | 2020 | 2024 | | `KGZ` | 168 | 2010 | 2023 | | `TLS` | 98 | 2001 | 2013 | | `ARM` | 90 | 2009 | 2017 | | `TJK` | 81 | 2007 | 2016 | | `VNM` | 72 | 2019 | 2020 | | ... | _剩余11个国家_ | | | ## 指标（示例） - `EES_TEES_SEX_EST_NB` — 按性别和企业规模划分的雇员人数（单位：千人） ## 数据字段结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EES_TEES_SEX_EST_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex and establishment si…` | | `sex` | `string` | 性别分组维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 分组维度说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `EST_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `Establishment size (Aggregate): Total` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `1709.649` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 状态标记说明 | `Unreliable` | | `note_indicator` | `string` | 指标相关注释代码 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 来源相关注释代码 | `R1:3513_S3:8` | | `note_source.label` | `string` | 注释说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据分解维度 以下字段提供数据分解维度： - **`sex`**（共3个唯一值）：`SEX_T`, `SEX_M`, `SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个来源时，将采用国际劳工组织选定的“最优来源”数据。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会填充非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ees-tees-sex-est-nb-employees-by-sex-and-establishment-size-thousands") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EES_TEES_SEX_EST_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_EST_NB") ### 转换为国家×年份透视矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_EST_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ees_tees_sex_est_nb_employees_by_sex_and_establishment_size_thousands_2025, title = {Employees by sex and establishment size (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EST_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ees-tees-sex-est-nb-employees-by-sex-and-establishment-size-thousands}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Asia的重新封装版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源拉取数据，对其进行Schema标准化处理，封装为Parquet格式，并发布为统一格式的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据使用工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月26日通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EST_NB_

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的中央统计数据库ILOSTAT，通过其REST API接口（https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_EST_NB）直接抽取原始数据，并依据ISO 3166-1 alpha-3国家代码筛选出26个亚洲国家，最终由Electric Sheep Asia重新封装为机器学习就绪的Parquet格式。ILOSTAT本身基于各国劳动力调查、家庭收入调查、机构调查及行政记录，采用国际劳工统计学家会议（ICLS）的定义对微观数据进行标准化调和，数据来源在source.label列中标注以确保可追溯性。

特点

数据集涵盖2000至2025年间26个亚洲国家共计4,444条观察记录，以员工人数（千人）为核心指标，按性别（总计、男性、女性）及机构规模分类。字段结构包含国家代码、数据来源、指标编码、性别标签、分类变量、时间、观测值及多种质量标注（如临时性、不可靠性），提供了丰富的元数据信息。时间序列覆盖不均，蒙古、泰国、巴基斯坦等国记录较多，部分国家仅有个别年份数据，反映了亚洲地区劳动力统计的异质性。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset()函数加载数据集，并利用to_pandas()转换为数据框进行后续分析。典型操作包括按国家代码（如IDN）筛选子集、针对单一指标按时间排序绘制趋势图，或通过pivot_table生成国家×年份矩阵以观察跨区域模式。由于数据为年度频率且部分观测带有质量标注，建议在建模或推断时结合obs_status和note字段评估数据可靠性，并注意不同国家间统计口径的差异。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场的统计监测与标准化工作，其ILOSTAT数据库汇聚了200余个经济体的就业、失业、工资及劳动条件等核心指标。在此背景下，亚洲地区雇员按性别与机构规模分布的统计数据（EES_TEES_SEX_EST_NB）经Electric Sheep Asia于2025年重新封装发布，覆盖26个亚洲国家、2000至2025年间共计4444条观测记录。该数据集核心研究问题在于揭示亚洲各国不同规模企业中男女雇员的数量分布特征，为劳动力市场性别平等与产业结构研究提供量化基础。其数据源自各国劳动力调查与行政记录，经国际劳工统计学家会议定义框架统一调和，对区域就业政策制定与学术研究具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于刻画亚洲各国雇员在性别与机构规模维度上的分布规律，其核心挑战源于数据来源的异质性与稀疏性。各国劳动力调查方法、机构规模分类标准及统计频率参差不齐，部分国家仅提供零星年度数据，导致时间序列断裂与跨区域可比性受限。构建过程中，ILO需依赖'最佳来源'筛选机制弥合多源数据冲突，对不一致的分类体系进行标准化映射，并标注断点与不可靠观测值。此外，性别维度与机构规模维度的交叉分类常因样本量不足而缺失，进一步加剧了数据完整性与统计推断的难度。

常用场景

经典使用场景

在劳动经济学与性别研究的交叠领域，该数据集凭借其覆盖亚洲26国、跨越2000至2025年的雇员性别与机构规模分布数据，成为刻画区域劳动力市场结构性特征的经典语料。研究者常以之构建面板数据模型，借助时间序列分析与横截面回归，系统考察不同规模企业中男女雇员数量的动态演变轨迹，进而揭示亚洲各国在就业性别结构与产业组织形态之间的耦合关系。

解决学术问题

该数据集为劳动经济学中长期存在的性别就业差距测度与机构规模效应识别问题提供了可复用的微观基础。通过区分总就业、男性与女性雇员维度，研究者得以检验“规模-性别”交互假说，即企业规模扩张是否伴随女性就业比例的系统性变化。这一数据资源亦有助于校正跨国比较中因统计口径差异所致的偏差，为国际劳工组织倡导的体面劳动监测框架提供实证支撑。

衍生相关工作

基于该数据集的衍生研究已见于多份国际劳工组织技术报告与亚洲开发银行国别诊断中，部分学者将其与世界银行企业调查数据匹配，探究机构规模对女性劳动参与率的调节效应。亦有研究利用其时间序列维度，检验经济周期波动对性别就业构成的异质性冲击，相关成果发表于劳动经济学期刊及区域发展研究辑刊。