electricsheepasia/asia-ilo-emp-2emp-sex-eco-nb-employment-by-sex-and-economic-activity-ilo-modell

该数据集包含亚洲49个国家1991年至2025年期间按性别和经济活动划分的就业数据，基于国际劳工组织（ILO）的模型估计（单位：千）。数据集共有138,510个观测值，涵盖1个核心指标（EMP_2EMP_SEX_ECO_NB），数据来源于ILOSTAT数据库，并通过ILO统计部门使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集字段包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、经济活动分类、观测年份、观测数值及数据状态标志等。数据以年度频率发布，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Asia重新打包，采用CC-BY-4.0许可。--- 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 - 亚洲 - ILOSTAT - 就业 - 国际劳工组织（International Labour Organization, ILO） - 劳动力 pretty_name: "按性别和经济活动划分的就业情况——2025年11月国际劳工组织模型估计值（单位：千人）| 亚洲（ILOSTAT）" --- # 按性别和经济活动划分的就业情况——2025年11月国际劳工组织模型估计值（单位：千人）| 亚洲（ILOSTAT） 🌏 **138,510条观测记录** · **49个亚洲国家** · **时间跨度1991–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 核心摘要 本数据集包含覆盖**49个亚洲国家**的**就业相关数据**，共**138,510条观测记录**，时间跨度为**1991–2025年**，仅包含**1项独立指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，是全球领先的劳动力统计数据来源。其收录的指标涵盖就业、失业、薪酬、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）体面工作目标等，数据来源于全国劳动力调查、家庭收入调查、企业调查及行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_2EMP_SEX_ECO_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_2EMP_SEX_ECO_NB`拉取数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码。ILOSTAT依据**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整合；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 49个亚洲国家 · 以下按数据行数排序展示部分国家： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|---------:|---------:|---------:| | `AFG` | 2,835 | 1991 | 2025 | | `ARE` | 2,835 | 1991 | 2025 | | `ARM` | 2,835 | 1991 | 2025 | | `AZE` | 2,835 | 1991 | 2025 | | `BGD` | 2,835 | 1991 | 2025 | | `BHR` | 2,835 | 1991 | 2025 | | `BRN` | 2,835 | 1991 | 2025 | | `BTN` | 2,835 | 1991 | 2025 | | `CHN` | 2,835 | 1991 | 2025 | | `CYP` | 2,835 | 1991 | 2025 | | `GEO` | 2,835 | 1991 | 2025 | | `IDN` | 2,835 | 1991 | 2025 | | `IND` | 2,835 | 1991 | 2025 | | `IRN` | 2,835 | 1991 | 2025 | | `IRQ` | 2,835 | 1991 | 2025 | | ... | _其余34个国家_ | | | ## 指标示例 - `EMP_2EMP_SEX_ECO_NB` — 按性别和经济活动划分的就业情况——2025年11月国际劳工组织模型估计值（单位：千人） ## 数据结构 | 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 数据源代码（如劳动力调查） | `XA:2198` | | `source.label` | `string` | 英文数据源名称 | `ILO - 模型估计值` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_2EMP_SEX_ECO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment by sex and economic activi…` | | `sex` | `string` | 性别细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 维度说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `ECO_SECTOR_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `8173.747` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `A` | | `obs_status.label` | `string` | 状态标记说明 | `Adjusted` | ## 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`、`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时才非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-2emp-sex-eco-nb-employment-by-sex-and-economic-activity-ilo-modell") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EMP_2EMP_SEX_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_2EMP_SEX_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_2EMP_SEX_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_2emp_sex_eco_nb_employment_by_sex_and_economic_activity_ilo_modell_2025, title = {Employment by sex and economic activity -- ILO modelled estimates, Nov. 2025 (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_2EMP_SEX_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-2emp-sex-eco-nb-employment-by-sex-and-economic-activity-ilo-modell}} } ## 许可证 本数据集基于[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 原始数据版权归国际劳工组织（International Labour Organization, 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平台上的亚洲地区数据构建统一、适配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，对schema进行标准化处理，以Parquet格式封装，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()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月28日通过Electric Sheep数据管道获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_2EMP_SEX_ECO_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ILOSTAT统计数据库，通过REST API接口直接提取指示代码为EMP_2EMP_SEX_ECO_NB的就业数据，并依据ISO 3166-1 alpha-3标准筛选出亚洲49个国家的观测值。原始数据基于各国劳动力调查、家庭收入调查及行政记录等微观数据，经ILO按照国际劳工统计学家会议（ICLS）定义进行统一规范化处理，最终形成涵盖1991年至2025年的年度时间序列数据。数据集由Electric Sheep Asia团队重新封装，以HuggingFace Datasets格式发布，确保数据的一致性与可复现性。

特点

本数据集包含138,510条观测记录，覆盖49个亚洲国家，时间跨度长达35年，聚焦于就业人数按性别与经济活动的细分指标。数据通过性别（总、男、女）和行业分类维度进行多级拆分，并标注数据来源与观测状态（如调整值、临时值等），便于质量评估。其独特优势在于利用ILO建模估计方法填补了部分国家或年份的数据缺失，提供了跨国家、长时序的可比面板数据，特别适合跨国比较分析、劳动经济学研究及时间序列预测等任务。

使用方法

用户可通过HuggingFace的datasets库以一行代码加载数据集，并直接转换为pandas DataFrame进行后续分析。典型应用包括按国家筛选进行单一国家的时间趋势分析，或按性别与行业维度分组聚合以探究结构性变化。此外，支持长格式数据透视转换为国家×年份的矩阵形式，便于面板回归或机器学习建模。数据集结构清晰，包含ref_area、time、obs_value等核心字段，兼容分类、回归及时间序列预测等任务场景，适合研究人员与数据科学家快速开展劳动经济相关的分析与建模工作。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年11月发布，由Electric Sheep Asia重新打包并托管于HuggingFace平台。其核心研究问题聚焦于亚洲地区按性别和经济活动分类的就业状况，涵盖49个亚洲国家1991至2025年的138,510条观测数据。作为ILOSTAT数据库的衍生品，该数据集依托ILO在劳动统计领域的权威性，通过统一的标准（如ICLS定义）对各国劳动力调查数据进行协调与建模。它填补了亚洲区域就业性别与经济结构交叉分析的空白，为发展经济学、劳动力市场研究及联合国可持续发展目标（如体面工作）的监测提供了关键数据支撑，尤其对分析亚洲新兴经济体的就业转型具有重要参考价值。

当前挑战

该数据集面临的领域挑战主要包括：1）亚洲各国劳动力调查口径不一（如调查频率、年龄分组差异），导致跨国比较存在方法论鸿沟；2）就业数据易受非正规经济（如家庭帮工、自雇者）的统计遗漏影响，尤其在南亚和东南亚国家；3）时间序列中早期年份（如1990年代）的数据缺失或质量较低，对长期趋势建模造成干扰。构建过程中则面临以下挑战：1）需从ILOSTAT API抓取并过滤49个国家代码，处理多源数据中重复记录与冲突的观测状态（如“已调整”与“原始值”的取舍）；2）对按性别、经济活动等维度进行嵌套分组的380余种组合进行规范化，确保缺失值（如某些分类维度为空）不影响时序分析；3）保留溯源性信息（如`source.label`列）以应对数据更新迭代，同时需在重新打包时维持与原ILO数据的许可合规（cc-by-4.0），避免版权争议。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，该数据集为分析亚洲地区就业结构的时空演变提供了基石。其经典应用场景聚焦于构建面板数据模型，以探究性别维度下经济活动类型与就业规模之间的动态关联。研究者常利用跨越1991至2025年、覆盖49个国家的连续观测，系统刻画亚洲各国在农业、工业与服务业等不同经济部门中的就业分布差异，并深入分析性别就业比率的长期变迁轨迹。这一数据基础同样支撑着对劳动力市场制度、经济发展阶段与就业弹性之间复杂关系的量化剖析，成为检验经典就业理论在亚洲语境下适用性的关键工具。

衍生相关工作

以此为起点，衍生出了一系列具有深远影响力的学术工作。在方法论层面，研究者基于该数据集开发了混合效应的空间计量模型，用以量化亚洲国家间就业指标的跨境溢出效应与竞争性模仿行为。在应用领域，部分经典工作利用时序预测算法构建了亚洲就业增长的前瞻性预警系统，将历史数据与经济政策变量耦合以生成高精度的未来情景。此外，性别经济学领域的标杆性研究依托该数据集构建了亚洲女性劳动参与的指数化评价框架，其成果被广泛纳入联合国可持续目标（SDG）的进展监测中。这些衍生工作不仅深化了对亚洲就业动力学的理解，也确立了该数据集作为区域劳动统计数据治理标杆的地位。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区按性别和经济活动划分的就业人数（1991–2025年），来源于国际劳工组织ILOSTAT的建模估计，涵盖49个国家、138,510条观测记录。最新研究方向包括：（1）利用时间序列预测模型（如Prophet、LSTM）对亚洲各国分性别、分行业的就业趋势进行中长期预测，以支撑劳动力政策制定；（2）结合性别人口学变量分析亚洲劳动力市场的性别差距演化，尤其在制造业、服务业等关键经济部门；（3）整合至多源社会-经济数据集，开展区域就业弹性、非正规就业与可持续发展目标（SDG 8.5）关联性的实证研究。该数据为追踪新冠疫情后亚洲就业复苏、性别平等进展及产业转型对劳动力结构的冲击提供了高质量、标准化的时序基础，在宏观经济学、劳动经济学和国际发展研究领域具有重要应用价值。