electricsheepasia/asia-ilo-how-xees-sex-mts-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含了亚洲31个国家从1996年至2025年关于工作时间的8,070个观测值，核心指标是按性别和婚姻状况划分的雇员实际平均每周工作小时数（指标代码：HOW_XEES_SEX_MTS_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，涵盖了年度频率的统计数据。数据集提供了详细的维度划分，包括性别（总计、男性、女性等）和婚姻状况分类，并通过列如国家代码、数据来源、观测年份、观测值、观测状态等字段进行结构化组织。数据经过ILO基于国际劳工统计学家会议（ICLS）定义进行协调处理，并标注了来源以便追溯。--- 许可证: CC BY 4.0（知识共享署名4.0国际许可协议） 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: 单语言 样本规模: - 1000 < n < 10000 标签: - 表格数据 - 亚洲 - ILOSTAT（国际劳工组织统计数据库） - 工作时长 - ILO（国际劳工组织） - 劳工 - 就业 展示名称: "按性别与婚姻状况划分的亚洲雇员实际周平均工作时长 | 国际劳工组织统计数据库（ILOSTAT）" --- # 按性别与婚姻状况划分的亚洲雇员实际周平均工作时长 | 国际劳工组织统计数据库（ILOSTAT） 🌏 **8070条观测样本** · **31个亚洲国家** · **1996–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 核心摘要 本数据集包含覆盖31个亚洲国家、时间跨度为1996至2025年的**8070条工作时长**观测样本，仅涉及**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）的中央统计数据库，为全球领先的劳工统计权威来源。其收录涵盖就业、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）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、机构调查与行政记录，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协调。 - **数据源**: [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_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**: 工作时长 ## 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=HOW_XEES_SEX_MTS_NB`拉取原始数据，并筛选出亚洲地区的ISO3国家编码对应的样本。国际劳工组织统计数据库（ILOSTAT）依据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协调；数据来源信息将在`source.label`字段中标注，以保证可追溯性。 ## 地理覆盖范围 31个亚洲国家，以下按样本行数排序展示部分国家： | 国家（ISO3编码） | 样本行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `IDN` | 672 | 1996 | 2023 | | `PHL` | 660 | 2001 | 2023 | | `KOR` | 615 | 2000 | 2025 | | `TUR` | 612 | 2000 | 2024 | | `CYP` | 527 | 1999 | 2020 | | `IRN` | 488 | 2005 | 2024 | | `KHM` | 449 | 1997 | 2023 | | `VNM` | 378 | 2011 | 2024 | | `THA` | 360 | 2010 | 2024 | | `LKA` | 336 | 2010 | 2024 | | `PAK` | 312 | 2006 | 2025 | | `ISR` | 312 | 2012 | 2024 | | `ARM` | 309 | 2007 | 2018 | | `BRN` | 216 | 2014 | 2024 | | `IND` | 202 | 2018 | 2025 | | ... | 另有16个国家 | | | ## 指标示例 - `HOW_XEES_SEX_MTS_NB` — 按性别与婚姻状况划分的雇员实际周平均工作时长 ## 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 国家编码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 数据源编码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标编码 | `HOW_XEES_SEX_MTS_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `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` | 维度标签 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `MTS_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量标签 | `婚姻状况（汇总）：总计` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `41.79` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 状态标签 | `不可靠` | | `note_indicator` | `string` | 指标备注编码 | `I11:264` | | `note_indicator.label` | `string` | 指标备注说明 | `序列中断：方法已修订` | | `note_source` | `string` | 数据源备注编码 | `R1:3513_S3:8` | | `note_source.label` | `string` | 数据源备注说明 | `存储库：国际劳工组织统计司 - 微观数据…` | ## 数据细分维度 以下字段提供数据细分维度： - **`sex`**（共4个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 数据质量与注意事项 - 本数据集采用年度频率数据，部分指标同时发布月度或季度序列，此类数据未包含在本数据集中。 - 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」。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-how-xees-sex-mts-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_XEES_SEX_MTS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_MTS_NB") ### 转换为国家-年份透视矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_MTS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_how_xees_sex_mts_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex and marital status | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_MTS_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-how-xees-sex-mts-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 许可证声明 本数据集采用[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（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 Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia隶属于Electric Sheep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，标准化数据结构，以Parquet格式封装，并发布为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使用。 浏览完整数据集集合: [huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月27日通过Electric Sheep数据管道摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_MTS_NB_

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT数据库，聚焦于亚洲地区雇员实际周均工作小时数，并按性别与婚姻状况进行分层统计。数据通过ILOSTAT的REST API接口直接采集，原始指标代码为HOW_XEES_SEX_MTS_NB。在获取全球观测值后，依据ISO 3166-1 alpha-3编码筛选出31个亚洲国家的8,070条记录，时间跨度覆盖1996年至2025年。所有数据均经过ILO统计部门依据国际劳动统计学家会议（ICLS）定义进行统一协调处理，并在source.label列中明确标注各观测值的原始调查数据来源，确保了跨国家、跨年份数据的可比性与可追溯性。

使用方法

使用该数据集极为便捷，研究者可通过Hugging Face的`datasets`库直接调用`load_dataset()`函数一行加载。加载后，数据可直接转换为Pandas DataFrame进行深入分析。典型应用包括：按国家筛选进行国别研究，或对单一指标进行时间序列建模与趋势预测。亦可将数据透视，构建以年份为索引、以国家为列的多国面板数据矩阵，便于进行横向比较分析与面板数据回归。数据中包含`obs_status`和`note_indicator`等标注列，用户可在分析时识别并处理标记为不可靠或存在方法变更的观测值，从而提升研究结论的稳健性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT统计数据库的基础上整理发布，后经Electric Sheep Asia于2025年重新打包，收录了1996年至2025年间亚洲31个经济体共8,070条“按性别和婚姻状况划分的雇员每周实际平均工作时长”观测数据。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、入户收入调查及行政记录，通过国际劳工统计学家会议（ICLS）定义进行数据协调，为研究亚洲地区就业质量、性别平等及工作时间的区域差异提供了结构化、机器学习的标准化数据基础。该数据集直接以劳动经济学中的工时指标为核心，聚焦于亚洲这一高速发展且劳动形态多样化的区域，为跨国的劳动市场比较分析与政策评估提供了可复现的量化依据，对发展经济学、社会政策及机器学习领域的时序预测研究具有显著参考价值。

当前挑战

该数据集所解决的领域问题在于，亚洲各国劳动统计数据的采集标准、定义口径及可获取性存在显著差异，传统上难以在跨国层面进行直接比较，而通过ILO的统一协调与标准化，该数据集将多元嵌套的工时数据整合为一致的HuggingFace兼容格式，降低了研究门槛。构建过程中面临的挑战包括：ILOSTAT原始数据来源复杂，涉及不同国家劳动力调查的年度频率及多重分类维度，需处理缺失值、方法学修订引起的序列断裂以及ILO内部选取的‘最佳来源’与其他潜在来源间的冲突；此外，数据的规范性要求在保持地理覆盖完整性的同时，确保性别、婚姻状况等分类变量的跨时间段一致性，这对数据清洗与架构设计提出了高度严谨的技术要求。

常用场景

经典使用场景

该数据集汇聚了1996年至2025年间亚洲31个国家的员工平均每周实际工作时长，并按性别和婚姻状况进行细致分层，为劳动经济学中的工作时长决定因素研究提供了宝贵素材。经典使用场景包括构建面板数据回归模型，分析性别与婚姻状况如何交叉影响工作时间；亦可用于时间序列预测，探索亚洲各国劳动力市场的长期趋势与波动特征。

解决学术问题

数据集以其细粒度的分层结构，有效解决了劳动经济学中关于工作时长性别差异与婚姻溢价效应的实证难题。研究者可借助该数据检验人力资本理论、家庭分工理论在亚洲语境下的适用性，揭示婚姻状态对男女工作时长的非对称影响。其长期跨度的观测值还为分析经济周期、政策干预对工作时间的冲击提供了稳健的数据基础，推动了亚洲劳动市场比较研究的深化。

实际应用

在实际应用层面，该数据集支持国际组织与政府部门开展区域性劳动力监测，如评估性别平等政策对工作时长的影响，或为制定最低工时标准、加班法规提供经验证据。企业人力资源部门亦可借助数据对标行业基准，优化岗位设计与弹性工作安排。此外，数据的时间序列特性使其成为经济预测模型的核心输入，辅助投资决策与就业规划。

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与婚姻状况划分的雇员平均每周实际工作时间，为劳动经济学中的性别差异与工作行为研究提供了关键微观证据。结合ILOSTAT的权威数据源，该数据集在时间序列预测与面板数据分析领域具有重要价值，尤其适合探究婚姻状况对男女劳动供给模式的差异化影响。近期前沿方向包括利用机器学习模型（如LSTM、Transformer）对亚洲各国工时趋势进行多步预测，以及结合性别平等政策（如日本“女性经济学”倡议）评估制度变迁对女性劳动参与率与工作强度的因果效应。此外，数据集与ILO“体面劳动”议程及联合国可持续发展目标（SDG 8）紧密关联，可用于量化分析新冠疫情期间亚洲劳动力市场的不对称恢复路径，为政策制定者提供数据驱动的决策支持。电力羊亚洲团队的重新打包与标准化处理，进一步提升了数据在PyTorch、TensorFlow等框架中的可访问性和复现性，推动了劳动统计研究的民主化进程。