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

该数据集包含欧洲4个国家（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）在2002年至2025年间的809个观察值，聚焦于一个核心指标：按性别、公共/私营部门和残疾状况划分的员工平均每周实际工作小时数（指标代码：HOW_XEES_SEX_INS_DSB_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤至欧洲国家，涵盖了劳动统计中的工作时间主题。数据集包括多个维度，如国家代码、数据来源、指标分类、性别分类、时间年份和观察值等，并提供了数据质量说明和使用示例，适用于表格分类、回归和时间序列预测等任务。This dataset contains 809 observations across 4 European countries (United Kingdom, Moldova, Albania, Serbia) from 2002 to 2025, focusing on a key indicator: mean weekly hours actually worked per employee by sex, public/private sector and disability status (indicator code: HOW_XEES_SEX_INS_DSB_NB). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via REST API and filtered to European countries, covering the topic of hours of work. It includes multiple dimensions such as country codes, data sources, indicator classifications, sex disaggregation, time years, and observed values, with notes on data quality and usage examples, suitable for tasks like tabular classification, regression, and time-series forecasting.

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ILOSTAT中央统计数据库，通过调用其REST API，以专项指标代码“HOW_XEES_SEX_INS_DSB_NB”为筛选条件，定向获取欧洲四国（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）2002年至2025年间雇员每周实际工作小时数的微观数据。原始数据基于各国劳动力调查、家庭收入调查等统计来源，经ILO依据国际劳工统计学家会议（ICLS）定义进行规范化处理。数据集由Electric Sheep Europe团队完成二次封装，梳理整合为结构化表格形式，保留了来源标签字段以确保数据的可追溯性。

特点

本数据集核心指标聚焦于按性别、公共/私营部门以及残疾状况交叉分类的雇员平均每周实际工作小时数，总计包含809条记录，覆盖4个欧洲经济体。数据以年频发布，严格遵循ISO 3166-1 alpha-3国家代码及统一的行业分类与残疾状态编码体系，提供性别维度（总体、男性、女性）的细分信息，并附有观测状态标记及序列断裂等注释字段，便于研究者评估数据质量与连续性。所有数据均以CC-BY-4.0许可协议开放共享，兼具权威性与应用弹性。

使用方法

研究者可直接借助HuggingFace Datasets库，通过一行代码“load_dataset”即可将数据加载为Pandas DataFrame格式进行下游分析。典型操作包括按国家代码筛选特定经济体的子集、基于时间字段绘制序列演化曲线，以及利用数据透视表构建“国家-年份”矩阵以实现跨经济体比较。数据集内置的指标代码与维度标签系统简洁明了，适用于开展劳动供给、工时结构及就业质量等主题的统计回归、分类建模或时间序列预测研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并经Electric Sheep Europe重新封装，聚焦于欧洲四国（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）2002至2025年间按性别、公共/私营部门及残疾状况划分的员工实际周平均工时。作为全球劳动统计的权威来源，ILOSTAT整合各国劳动力调查、住户收支调查等微观数据，遵循国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集的核心研究问题在于揭示欧洲劳动力市场中边缘群体（如女性、残疾人员）的工作时间模式，为评估体面劳动目标（SDG 8）及劳动政策效果提供量化基础。其对劳动经济学、社会保障研究及跨国家比较分析具有重要影响力，尤其填补了残疾员工工时数据的细分空白。

当前挑战

该数据集面临的领域挑战在于：劳动工时数据受性别歧视、公共政策差异及残疾歧视等结构性因素扭曲，难以直接用于因果推断；时间序列中部分国家（如塞尔维亚仅2007年数据）存在严重间断，导致趋势分析可靠性不足。构建过程中遭遇的挑战包括：ILOSTAT数据源的多源性（如英国依赖劳动力调查，阿尔巴尼亚依赖生活标准调查）导致指标定义与采集方法不同，虽经ILO选择“最优来源”但仍存在可比性隐患；残疾状态分类维度仅含总值（DSB_STATUS_TOTAL），缺乏细粒度分层，削弱了分析深度；此外，观测值被标记为“不可靠”（如obs_status为U）的记录需谨慎处理，且元数据注释（如序列断裂）要求使用者具备专业解读能力。

常用场景

经典使用场景

该数据集收录了国际劳工组织ILOSTAT数据库中关于欧洲四国（英国、摩尔多瓦、阿尔巴尼亚、塞尔维亚）2002至2025年间员工实际周平均工时的官方统计资料，并按性别、公共/私营部门及残疾状态进行细致分层。研究者可据此构建面板数据模型，以时间序列分析或跨国家比较的方式，运用线性回归或广义矩估计等方法，揭示宏观经济变量、劳动政策变更与工时变动之间的内在关联。该数据集的年频次结构与标准化分类维度为劳动经济学提供了可靠的经验基础。

实际应用

在实际应用层面，该数据集可为欧盟成员国及国家的劳动监察机构、就业政策制定者提供数据驱动的决策支持。例如，劳动部门可利用该数据监测公共部门残疾人就业计划的执行效果，或比较男女员工在各自行业内的周工时差异，以评估性别薪酬公平性。企业人力资源部门亦可参照同类国家或行业的工时基准，优化工时调配方案，降低职业倦怠风险。数据分析师和咨询机构可借助该数据集开展劳动市场预警分析，预判工时过长引发的健康与效率隐患。

衍生相关工作

基于该数据集衍生的相关经典工作集中于劳动供给弹性测算、工作质量多维评估以及政策干预效果检验等方向。有研究以该数据为因变量，结合国家层面的最低工资标准、产假制度和反歧视条例等制度变量，构建计量模型实证分析制度环境对特殊群体工时的影响。另有工作利用该数据训练时序预测模型（如Prophet、LSTM），预测短期工时变动趋势以辅助劳动力规划。该数据还常被纳入ILOSTAT多指标联合分析框架，用于综合性体面劳动指标的跨国可比研究，推动劳动统计的机器学习标准化进程。