electricsheepeurope/europe-ilo-ees-tees-sex-ins-mts-nb-employees-by-sex-public-private-sector-and-marital

该数据集包含20,367个观测值，覆盖14个欧洲国家（包括阿尔巴尼亚、奥地利、波斯尼亚和黑塞哥维那、法国、希腊、马其顿、摩尔多瓦、黑山、波兰、塞尔维亚、斯洛伐克、西班牙、瑞士和英国），时间跨度为1987年至2025年，涉及1个核心指标：按性别、公共/私营部门和婚姻状况划分的雇员数量（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，基于国家劳动力调查、家庭收入调查、企业调查和行政记录等数据，并按照国际劳工统计学家会议（ICLS）的定义进行标准化处理。数据集以表格形式提供，包含国家代码、年份、指标值、性别分组（总计、男性、女性）、机构部门分类、婚姻状况分类等列，适用于表格分类、回归和时间序列预测等任务。--- 许可证: CC BY 4.0 语言: - 英语 任务类别: - 表格分类 - 表格回归 - 时间序列预测 多语言属性: 单语 数据规模: - 10000条 < 数据量 < 100000条 标签: - 表格数据 - 欧洲 - ILOSTAT - 雇员 - ILO - 劳工 - 就业 友好名称: "按性别、公共/私营部门及婚姻状况划分的雇员（千人）| 欧洲（ILOSTAT）" --- # 按性别、公共/私营部门及婚姻状况划分的雇员（千人）| 欧洲（ILOSTAT） 🇪🇺 **20367条观测值** · **14个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 简明摘要（TL;DR） 本数据集包含覆盖14个欧洲国家、时间跨度为1987至2025年的雇员数据，共计**20367条观测值**，仅包含**1项明确指标**。 ## 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）的中央统计数据库，是全球领先的劳工统计权威来源。它整合了就业、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领域的指标，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。其覆盖范围涵盖200多个经济体，由国际劳工组织统计部门负责数据标准化工作。 - **数据源**: [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_INS_MTS_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**: 雇员数据 ## 数据处理方法 数据直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_INS_MTS_NB` 拉取，并筛选出欧洲地区的ISO3国家代码。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处理；数据来源将在`source.label`列中标记以保证可追溯性。 ## 地理覆盖范围 14个欧洲国家 · 以下按数据行数排序的前几行示例： | 国家（ISO3代码） | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `CHE` | 2,663 | 1996 | 2025 | | `MDA` | 2,007 | 2000 | 2025 | | `POL` | 1,872 | 2000 | 2025 | | `ESP` | 1,872 | 2000 | 2025 | | `GBR` | 1,694 | 2005 | 2025 | | `MKD` | 1,613 | 2006 | 2025 | | `AUT` | 1,584 | 2004 | 2025 | | `FRA` | 1,552 | 2005 | 2024 | | `ALB` | 1,446 | 2002 | 2024 | | `BIH` | 1,391 | 2001 | 2020 | | `SRB` | 1,017 | 2007 | 2020 | | `GRC` | 918 | 1987 | 2020 | | `SVK` | 423 | 2006 | 2020 | | `MNE` | 315 | 2011 | 2024 | ## 指标示例 - `EES_TEES_SEX_INS_MTS_NB` — 按性别、公共/私营部门及婚姻状况划分的雇员（千人） ## 数据架构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英语国家名称 | `Albania`（阿尔巴尼亚） | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英语数据源名称 | `LFS - Labour Force Survey`（劳动力调查） | | `indicator` | `string` | ILOSTAT 指标代码 | `EES_TEES_SEX_INS_MTS_NB` | | `indicator.label` | `string` | 英语指标名称 | `Employees by sex, public/private sect…`（按性别、公共/私营部门划分的雇员……） | | `sex` | `string` | 按性别拆分的维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total`（总计） | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `INS_SECTOR_TOTAL` | | `classif1.label` | `string` | — | `Institutional sector: Total`（机构部门：总计） | | `classif2` | `string` | 可选的第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `Marital status (Aggregate): Total`（婚姻状况（汇总）：总计） | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位请参照指标定义） | `537.005` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable`（不可靠） | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised`（序列中断：方法已修订） | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…`（存储库：ILO统计 - 微观数据……） | ## 数据拆分维度 以下列提供数据拆分维度： - **`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」。 - 拆分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ees-tees-sex-ins-mts-nb-employees-by-sex-public-private-sector-and-marital") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python # 筛选德国数据 germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列 python sample = (df[df["indicator"] == "EES_TEES_SEX_INS_MTS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_INS_MTS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_INS_MTS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ees_tees_sex_ins_mts_nb_employees_by_sex_public_private_sector_and_marital_2025, title = {按性别、公共/私营部门及婚姻状况划分的雇员（千人）| 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_INS_MTS_NB}, publisher = {HuggingFace 数据集，由Electric Sheep Europe重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ees-tees-sex-ins-mts-nb-employees-by-sex-public-private-sector-and-marital}} } ## 许可证声明 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 © 国际劳工组织（ILO）。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项目的组成部分：该项目旨在为HuggingFace上的欧洲数据构建统一的、适用于机器学习的标准化数据层。我们从权威开源数据源拉取数据，规范数据架构，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者可以通过`load_dataset()`函数在数秒内开始使用数据。浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_INS_MTS_NB_

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）的中央统计数据库ILOSTAT，通过其REST API接口直接提取指标代码为EES_TEES_SEX_INS_MTS_NB的原始数据，并依据ISO3国家代码筛选出14个欧洲国家。ILOSTAT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，遵循国际劳工统计学家会议（ICLS）的定义标准，确保跨国可比性。数据经Electric Sheep Europe重新打包为Parquet格式，保留来源标签与注释字段，形成覆盖1987至2025年、共计20,367条观测的结构化表格数据集。

特点

该数据集以员工人数（千人）为核心测度，按性别、公共/私营部门和婚姻状况三个维度进行交叉 disaggregation，涵盖3类性别编码及机构部门、婚姻状况等分类变量。时间跨度长达三十八年，地理范围覆盖中东欧、南欧及西欧共14国，观测频次为年度。每条记录附带来源标识、观测状态标志及指标注释，便于追溯数据质量与方法论变更。数据集规模适中，适用于分类、回归及时间序列预测等多类表格任务。

使用方法

研究者可通过Hugging Face的datasets库以一行代码加载数据集，并直接转换为Pandas DataFrame进行探索性分析。典型操作包括按ref_area列筛选特定国家、按indicator列提取单指标时间序列并排序绘图，或利用pivot_table将数据重塑为国家×年份矩阵以开展面板分析。所有字段均有明确的类型定义与标签说明，用户可根据sex、classif1和classif2等列进行分组聚合或构建预测模型，无需额外清洗即可投入机器学习流程。

背景与挑战

背景概述

国际劳工组织（ILO）长期以来致力于构建全球劳动力市场的权威统计体系，其核心数据库ILOSTAT为比较跨国就业结构提供了关键基础设施。在此背景下，Electric Sheep Europe于2025年对ILOSTAT中“按性别、公共/私营部门及婚姻状况划分的雇员数据”进行规范化重打包，覆盖14个欧洲国家、1987至2025年间逾两万条观测值。该数据集回应了劳动经济学中关于性别就业差异、部门分割与家庭结构交互效应的研究需求，为分析转型经济体与发达经济体间就业模式异质性提供了长时序、多维度的高质量面板数据，对促进欧洲劳动力市场政策的实证评估具有基础性意义。

当前挑战

该数据集所面临的挑战兼具领域与构建双重维度。就领域问题而言，如何从异质性极强的国别劳动力调查中提取可比的雇员分类，始终受制于各国统计口径、部门界定与婚姻状态分类的历时变迁；构建过程中，原始微观数据经ILO协调后仍存在来源不一致、序列中断及观测值可靠性标记缺失等问题，部分国家与年份的细分维度非全覆盖，加之年度频率对短期波动捕捉不足，均为时间序列建模与跨国比较分析带来显著的统计推断障碍。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉领域中，该数据集最为经典的使用场景在于刻画欧洲各国按性别、公私部门及婚姻状况划分的雇员规模演变轨迹。研究者可借助其跨越1987至2025年的年度序列，构建面板数据模型，考察女性劳动参与率随婚姻状态变动的长期趋势，或比较公共部门与私营部门在吸纳不同性别与婚姻群体劳动力方面的结构性差异。此类时序分析常以可视化手段呈现，如绘制分国别的雇员数量折线图，并结合分类维度进行分层比较，从而揭示欧洲劳动力市场在制度变迁与社会观念演进中的动态特征。

实际应用

在实际应用层面，该数据集为政策制定者与国际组织提供了监测欧洲劳动力市场结构变化的量化依据。就业部门与工会可据此评估公共部门雇佣政策对不同性别及婚姻状况群体的包容性，社会保障机构则能借助其识别婚姻状态与就业稳定性之间的关联，进而优化家庭福利与劳动激励设计。跨国企业亦可参考各国分性别、分部门的雇员规模数据，辅助人力资源配置与多元化战略的制定。这些应用共同凸显了该数据集在循证决策与劳动治理中的工具价值。

衍生相关工作

围绕该数据集，已衍生出一系列具有影响力的后续研究。部分学者将其与欧洲社会调查、欧盟收入与生活条件统计等微观数据链接，探讨婚姻状况对公私部门工资差距的调节效应；另有研究运用其时间序列维度，检验自动化与服务业扩张对女性就业结构的异质性冲击。在方法论层面，该数据集亦被用于开发跨国劳动统计的缺失值插补与序列断点校正技术。这些工作不仅拓展了国际劳工组织数据的学术生命力，也为构建欧洲劳动力市场统一分析平台奠定了数据基础。