electricsheepeurope/europe-ilo-ees-care-sex-jbc-nb-care-employees-by-sex-and-type-of-contract-thousan

该数据集包含欧洲15个国家1996年至2025年期间有偿护理员工的2,478个观测数据，核心指标为EES_CARE_SEX_JBC_NB，表示按性别和合同类型分类的护理员工数量（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过标准化处理并过滤为欧洲国家。数据集包含国家代码、年份、性别（总计、男性、女性）、合同类型分类、观测数值、数据状态标志和质量注释等列，适用于劳动力市场分析、表格分类、回归和时间序列预测任务。license: 知识共享署名4.0（cc-by-4.0） language: - 英语 task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语言 size_categories: - 1000 < 样本量 < 10000 tags: - 表格数据 - 欧洲 - ILOSTAT - 有偿护理工作者 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "按性别与合同类型划分的护理雇员（单位：千人）| 欧洲（ILOSTAT）" # 按性别与合同类型划分的护理雇员（单位：千人）| 欧洲（ILOSTAT） 🇪🇺 **共2478条观测样本** · **覆盖15个欧洲国家** · **时间跨度为1996年至2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖15个欧洲国家的**有偿护理工作者**相关数据，共计2478条观测样本，时间跨度为1996年至2025年，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（International Labour Organization, 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。该数据库整合了就业、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（Sustainable Development Goals, SDG）体面工作目标等多领域指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查以及行政记录。其覆盖范围超过200个经济体，数据标准化工作由国际劳工组织统计部门负责完成。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_CARE_SEX_JBC_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[知识共享署名4.0（cc-by-4.0）](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：有偿护理工作者 ## 数据处理方法 本数据集直接从国际劳工组织统计数据库（ILOSTAT）的表述性状态转移应用程序编程接口（REST API）`https://rplumber.ilo.org/data/indicator?id=EES_CARE_SEX_JBC_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。国际劳工组织统计数据库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；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 共15个欧洲国家，以下按样本量降序展示部分国家信息： | 国家代码 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 356 | 1996 | 2025 | | `GBR` | 251 | 2005 | 2025 | | `FRA` | 240 | 2005 | 2024 | | `SVK` | 210 | 1998 | 2023 | | `GRC` | 183 | 2006 | 2025 | | `MKD` | 174 | 2007 | 2025 | | `BIH` | 171 | 2006 | 2024 | | `AUT` | 165 | 2011 | 2025 | | `CZE` | 146 | 2011 | 2024 | | `PRT` | 135 | 2011 | 2025 | | `ALB` | 126 | 2010 | 2024 | | `SRB` | 117 | 2007 | 2019 | | `BLR` | 102 | 2016 | 2024 | | `ITA` | 84 | 2014 | 2020 | | `ESP` | 18 | 2001 | 2011 | ## 指标（示例） - `EES_CARE_SEX_JBC_NB` — 按性别与合同类型划分的护理雇员（单位：千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 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` | | `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 | `劳动力调查（Labour Force Survey, LFS）` | | `indicator` | `string` | ILOSTAT指标代码 | `EES_CARE_SEX_JBC_NB` | | `indicator.label` | `string` | 英语指标名称 | `Care employees by sex and type of con…` | | `sex` | `string` | 按性别拆分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `JBC_CONTRACT_TOTAL` | | `classif1.label` | `string` | — | `Contract type: Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `107.333` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 数据拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3种唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集为年度频率数据，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。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应拆分维度时，拆分字段（`sex`、`classif1`、`classif2`）才不会为空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ees-care-sex-jbc-nb-care-employees-by-sex-and-type-of-contract-thousan") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EES_CARE_SEX_JBC_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_CARE_SEX_JBC_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_CARE_SEX_JBC_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ees_care_sex_jbc_nb_care_employees_by_sex_and_type_of_contract_thousan_2025, title = {Care employees by sex and type of contract (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_CARE_SEX_JBC_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ees-care-sex-jbc-nb-care-employees-by-sex-and-type-of-contract-thousan}} } ## 许可证 本数据集基于[知识共享署名4.0（cc-by-4.0）](https://creativecommons.org/licenses/by/4.0/)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与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平台上的欧洲区域数据构建统一、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，对数据结构进行标准化处理，以Parquet格式打包，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开发工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月28日通过Electric Sheep数据管道摄入。源数据链接：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_CARE_SEX_JBC_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）旗下的核心劳动统计数据库ILOSTAT，经由Electric Sheep Europe进行标准化重封装。数据通过直接调用ILOSTAT的REST API接口获取，原始指标ID为EES_CARE_SEX_JBC_NB，代表按性别和合同类型划分的护理员工数量（单位：千人）。在获取过程中，数据被过滤至欧洲地区的ISO 3166-1 alpha-3国家代码范围内，以确保地理聚焦的精准性。ILOSTAT本身基于国际劳动统计学家会议（ICLS）定义的标准，对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行协调统一，并在source.label列中标注了数据来源，从而保证了统计口径的一致性与数据的可追溯性。最终，数据集以结构化表格形式呈现，包含2478条观测记录，覆盖15个欧洲国家，时间跨度为1996年至2025年。

特点

该数据集的核心特征在于其精细的多维分类结构与高度的时空覆盖能力。首先，数据提供了按性别（男性、女性、总计）及合同类型（如总计、临时、永久等）进行的拆解，使得用户能够深入剖析护理劳动力市场的性别结构与就业形态差异。其次，数据集涵盖了长达近三十年的年度时间序列，横跨西欧、南欧与巴尔干地区的15个国家，为进行跨时期、跨地域的比较研究奠定了坚实基础。此外，每条观测记录均附带了详细的元数据，包括ILOSTAT内部的质量标记（如obs_status用于标识数据为初步估计或不可靠值）以及注释信息（如note_indicator记录方法论修订导致的序列中断），这种透明的数据质量标注极大地增强了研究者在进行严谨统计分析时的可信度与可解释性。

使用方法

研究者可通过HuggingFace的datasets库便捷地加载该数据集。核心加载命令为`load_dataset("electricsheepeurope/europe-ilo-ees-care-sex-jbc-nb-care-employees-by-sex-and-type-of-contract-thousan")`，返回的`Dataset`对象可轻松转换为Pandas DataFrame以便进行后续处理。针对国家层面的分析，可利用`ref_area`列进行筛选，例如`df[df["ref_area"] == "DEU"]`即可提取德国的全部记录。对于时间序列分析，可依据`time`列排序并聚焦于单一指标进行可视化。若希望构建国家×年份的面板数据矩阵，可使用`pivot_table`方法，将`time`设置为行索引，`ref_area`设为列，`obs_value`作为填充值，从而生成一个适用于计量经济模型的标准面板结构。数据集的许可协议为CC-BY-4.0，使用时应引用ILO原始出处及Electric Sheep Europe的重封装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT整理，并由Electric Sheep Europe于2025年重新封装发布，聚焦于欧洲15个国家1996至2025年间有偿护理工作者的就业情况。数据集包含2478条观测记录，按性别和合同类型（如全职、兼职）细分，核心研究问题在于揭示欧洲劳动力市场中护理行业的结构性特征与性别不平等现象。作为ILO全球劳动力统计体系的重要组成部分，该数据为探讨护理工作的正规化、性别薪酬差距及社会保护政策提供了量化基础，在劳动经济学、性别研究和公共政策领域具有重要影响力。

当前挑战

该数据集所解决的领域问题在于应对护理工作者就业数据碎片化与可比性不足的挑战。欧洲各国在护理行业的定义、统计口径及数据采集频率上存在显著差异，跨国家、跨时间的一致性分析面临障碍。构建过程中，挑战主要来自数据源整合与质量标注：ILOSTAT需协调各国劳动力调查、行政记录等多种源头，进行微观数据的标准化，并需处理缺失值、方法修订导致的序列断裂（如‘Break in series’注释）以及年度数据与月度/季度数据并存时的选择偏差。此外，部分观测被标记为‘不可靠’（Unreliable），进一步增加了模型训练与因果推断的复杂度。

常用场景

经典使用场景

在劳动经济学与性别平等研究领域，该数据集被广泛用于分析欧洲各国有偿护理工作者的就业结构。研究者可基于性别与合同类型的双重维度，追踪1996至2025年间15个欧洲国家护理从业人员的规模变动。典型的使用方式包括构建面板数据模型，通过时间序列回归揭示女性在护理行业中的就业占比与全职化趋势之间的关联，或利用固定效应模型控制国家异质性，评估劳动政策对护理岗位合同稳定性的干预效果。数据集提供的年度频次与标准化的ILOSTAT指标，为跨国的比较纵向研究奠定了坚实基础。

实际应用

在实际应用中，该数据集是国际劳工组织与各国统计部门监测可持续发展目标（SDG）第8项（体面工作）与第5项（性别平等）进展的核心工具之一。政策制定者可利用其按性别和合同类型分类的就业数据，识别哪些欧盟成员国在护理行业中出现了显著的性别隔离现象，进而针对性地设计职业培训计划或修改劳动法规。社会组织也可借助数据集中的时间序列趋势，评估财政紧缩时期公共服务外包对护理人员工作保障的影响。对于数据分析平台而言，该数据集作为标准化的表格数据源，适合集成于仪表盘系统，用于实时追踪欧洲护理劳动市场的动态演变。

衍生相关工作

基于该数据集，学术界衍生出一系列聚焦欧洲护理劳动市场的开创性工作。在方法论层面，有研究团队利用其面板结构开发了混合效应模型，用于预测不同国家护理行业就业弹性的长期波动。围绕性别劳动分工的理论探讨，多篇文献以该数据为核心自变量，结合Care Work文献中的“技能贬抑”理论，探讨了合同非正规化如何加剧护理职业的工资惩罚效应。在可解释机器学习领域，该数据集被用于训练决策树或SHAP分析框架，以量化性别、国家制度类型与时间趋势对合同不稳定性路径的相对贡献。此外，该数据集还作为基准测试案例，参与了多篇关于跨国家间歇性时间序列插补算法的实证比较研究。