electricsheepeurope/europe-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含欧洲38个国家从1991年至2025年按性别、年龄和经济活动分类的雇员平均每周实际工作小时数数据，共计975,044个观测值。数据来源于国际劳工组织(ILO)的ILOSTAT数据库，涵盖一个主要指标：HOW_XEES_SEX_AGE_ECO_NB（按性别、年龄和经济活动划分的雇员平均每周实际工作小时数）。数据集包含国家代码、数据来源、指标代码、性别分类、年龄分类、经济活动分类、观测年份、观测值及数据质量标志等字段。数据经过ILO基于国际劳工统计学家会议(ICLS)定义进行标准化处理，并筛选了欧洲国家的数据。--- license: CC BY 4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 100K < n < 1M tags: - 表格数据 - 欧洲 - ILOSTAT - 工作时长 - ILO - 劳工 - 就业 pretty_name: "按性别、年龄和经济活动划分的欧洲雇员实际周平均工作时长 | 欧洲（ILOSTAT）" --- # 按性别、年龄和经济活动划分的欧洲雇员实际周平均工作时长 | 欧洲（ILOSTAT） 🇪🇺 **975,044条观测值** · **38个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 速览 本数据集包含覆盖38个欧洲国家、时间跨度为1991至2025年的**975,044条工作时长数据观测值**，涉及**1个唯一指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，也是全球领先的劳工统计数据源。其整合了就业、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体面工作目标等各类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录，覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据源**：[ILOSTAT数据库](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_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**：工作时长 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=HOW_XEES_SEX_AGE_ECO_NB`拉取，并筛选欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化协调；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 38个欧洲国家，以下为按观测行数排序的前15个国家及剩余23个国家的汇总： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 35,575 | 1991 | 2025 | | `GBR` | 35,556 | 1993 | 2025 | | `FRA` | 33,880 | 1993 | 2024 | | `IRL` | 32,792 | 1993 | 2024 | | `NLD` | 32,716 | 1993 | 2024 | | `ITA` | 32,342 | 1992 | 2024 | | `PRT` | 31,847 | 1993 | 2025 | | `GRC` | 31,760 | 1993 | 2025 | | `DEU` | 31,698 | 1993 | 2024 | | `DNK` | 31,656 | 1993 | 2024 | | `SWE` | 30,504 | 1995 | 2024 | | `ESP` | 30,171 | 1993 | 2025 | | `AUT` | 29,333 | 1995 | 2025 | | `NOR` | 28,635 | 1995 | 2024 | | `FIN` | 28,066 | 1995 | 2024 | | ... | _另有23个国家_ | | | ## 指标（示例） - `HOW_XEES_SEX_AGE_ECO_NB` — 按性别、年龄和经济活动划分的雇员实际周平均工作时长 ## 数据Schema | 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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `HOW_XEES_SEX_AGE_ECO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别细分的维度（`SEX_T`=全体、`SEX_M`=男性、`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 细分维度的名称 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | 第一分类变量的说明 | `Age (Youth, adults): 15+` | | `classif2` | `string` | 第二分类变量（按需使用） | `ECO_SECTOR_TOTAL` | | `classif2.label` | `string` | 第二分类变量的说明 | `Economic activity (Broad sector): Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `43.6` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 观测状态的说明 | `Unreliable` | | `note_classif` | `string` | 分类变量备注 | `—` | | `note_classif.label` | `string` | 分类变量备注的说明 | `—` | | `note_indicator` | `string` | 指标备注 | `I11:264` | | `note_indicator.label` | `string` | 指标备注的说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 数据源备注 | `R1:3513` | | `note_source.label` | `string` | 数据源备注的说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`（全体）、`SEX_M`（男性）、`SEX_F`（女性） ## 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，但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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "HOW_XEES_SEX_AGE_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_AGE_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_AGE_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_xees_sex_age_eco_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex, age and economic activity | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 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 Europe的重新整理版本。 ## 关于Electric Sheep Europe Electric Sheep Europe是Electric Sheep使命的一部分：旨在为HuggingFace平台构建统一的、适配机器学习的欧洲数据层。我们从权威开源数据源获取数据，标准化其数据结构（Schema），封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_NB_

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于国际劳工组织（ILO）的ILOSTAT统计数据库，通过调用其REST API接口直接获取指标ID为'HOW_XEES_SEX_AGE_ECO_NB'的原始数据，并依据欧洲ISO3国家代码进行地理范围过滤。数据来源涵盖各国劳动力调查、家庭收入调查、企业调查及行政记录，ILO依据国际劳工统计学家会议（ICLS）定义对微观数据进行协调统一，同时通过'source.label'字段标注数据源以保持可追溯性。这一流程确保了数据集在跨国家、跨时间维度上的一致性，为后续分析提供了可靠基准。

特点

该数据集汇聚了975,044条观测记录，覆盖38个欧洲国家及1991至2025年的长期时间跨度，核心指标为按性别、年龄及经济活动分类的雇员实际周均工作小时数。数据通过'sex'、'classif1'和'classif2'等维度字段实现精细分层，允许研究者从性别（总、男、女）、年龄组及经济部门等多角度展开剖析。此外，数据标注了观测状态及系列断裂等元信息，为评估数据质量和识别方法变更提供了关键依据，使其在劳动经济学的时间序列与横截面分析中具备独特价值。

使用方法

数据集以HuggingFace Datasets库的标准格式发布，用户可通过'load_dataset'函数一键加载并转换为Pandas DataFrame进行后续操作。应用场景包括针对特定国家（如德国'DEU'）的筛选分析，或对单一指标进行按时间排序的时序可视化。进一步地，通过透视表操作可将原始数据重塑为国家×年份的矩阵形式，便于跨国产出横向对比或构建面板数据模型。这一设计极大降低了预处理门槛，使研究者能够聚焦于劳动市场结构性特征的深度挖掘。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其核心统计数据库ILOSTAT中发布，并由Electric Sheep Europe于2025年重新打包整合，旨在提供欧洲38个国家、跨越1991至2025年间的周平均实际工作小时数，并按性别、年龄及经济活动进行精细分层。作为全球劳动统计的权威来源，ILOSTAT统一采用国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行标准化处理，确保了跨国比较的可靠性。该数据集聚焦于劳动力市场中的工作时长这一核心研究议题，为经济学、劳动社会学及公共政策领域提供了长达三十余年的高分辨率面板数据，尤其适合用于探讨性别差异、代际变迁与产业结构对劳动供给的影响，对于理解欧洲劳动力市场的长期演变及其社会保障体系的设计具有重要学术价值与应用基础。

当前挑战

该数据集所解决的领域挑战主要在于劳动统计学中细粒度工作时长数据的稀缺性与跨国产出可比性的缺失。传统的人工调查或行政记录往往局限于单一国家或狭窄维度，难以同时获取覆盖长时间跨度、多国别、多社会经济分层指标的统一数据。在构建过程中，面临的挑战包括：不同国家数据的来源与调查方法各异，如何通过ILOSTAT的协调机制筛选出官方认可的“最佳来源”以保证数据质量；处理因方法论修订或统计口径变化导致的序列中断问题，如数据集中存在标识为“Methodology revised”的备注列；以及确保性别、年龄、经济活动等多维分类变量的非空值表示仅在实际存在细分数据时出现，避免因缺失值解读而引入分析偏差。

常用场景

经典使用场景

在欧洲劳动经济学与社会政策研究中，该数据集为分析不同性别、年龄及经济活动分类下雇员每周实际工作时间的演变规律提供了坚实的数据基础。研究者可借助其覆盖1991至2025年、涵盖38个欧洲国家的近百万条观测记录，构建面板数据模型，考察工作时间在纵向时间维度与横向国家间的异质性变化。常见研究设计包括利用固定效应模型控制国家与年份层面的不可观测因素，识别经济周期、劳动法规调整或社会政策变革对平均工时的影响，或运用时间序列分析方法探索特定国家内工时趋势的转折点。

解决学术问题

该数据集系统性地回应了劳动经济学中关于工作强度与劳动力市场结构关系的诸多关键问题。它不仅为检验性别工时差距的收敛性假说提供了跨国家与跨时间的实证证据，还为探究人口老龄化对平均工时的影响机制创造了条件。通过精细的经济活动分类，学者能够区分不同产业部门在工时供给弹性上的差异，从而深入理解产业结构转型对劳动投入总量的作用。此外，该数据集为评估工作共享政策、最低工时立法等制度安排的实际效应提供了可信的数据支撑，对完善欧洲劳动市场理论框架具有重要学术意义。

衍生相关工作

基于该数据集，劳动经济学领域已衍生出若干经典研究路径。围绕性别与年龄维度的工时分解工作蔚然成风，学者构建了多种分解模型以量化结构效应与行为效应对工时变化的贡献。经济活动分类交叉分析催生了关于产业间工时差异收敛性的系列研究，推动了劳动力市场分割理论的发展。此外，该数据集常被作为基准与欧盟统计局（Eurostat）劳动力调查数据互验，促进了跨国数据可比性方法论的研究。在非参数估计领域，研究者利用其丰富分类变量开发了针对异质性劳动力群体的工时预测模型，为后续机器学习方法在劳动统计中的应用奠定了基础。