electricsheepeurope/europe-ilo-emp-publ-sex-mts-nb-public-sector-employment-by-sex-and-marital-status

该数据集包含欧洲14个国家从1987年至2025年的2,840条观察数据，核心指标为EMP_PUBL_SEX_MTS_NB，即按性别和婚姻状况划分的公共部门就业人数（以千人为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家数据，涵盖国家代码、年份、性别分类（总计、男性、女性）、观测值、数据来源和质量标志等字段。数据集旨在提供公共部门就业的标准化时间序列数据，适用于表格分类、回归和时间序列预测等任务。This dataset contains 2,840 observations of public sector employment data across 14 European countries from 1987 to 2025, with the indicator EMP_PUBL_SEX_MTS_NB representing public sector employment by sex and marital status (in thousands). Sourced from the International Labour Organization (ILO) ILOSTAT database via API and filtered to European countries, it includes fields such as country codes, years, sex disaggregation (total, male, female), observed values, data sources, and quality flags. The dataset provides standardized time-series data for public sector employment, suitable for tabular classification, regression, and time-series forecasting tasks.

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数据库，通过REST API接口直接提取公共部门就业指标（EMP_PUBL_SEX_MTS_NB），并依据欧洲国家ISO3代码进行地理范围筛选。原始数据经由ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一整合与标准化处理，涵盖来自劳动力调查、行政记录等多源异构数据。Electric Sheep Europe团队进一步对数据进行清洗与重构，采用统一的Parquet格式封装，确保数据集具备机器学习就绪（ML-ready）特性。

特点

数据集包含2,840条观测记录，覆盖1987年至2025年间14个欧洲国家，聚焦单一核心指标——按性别与婚姻状况分类的公共部门就业人数（单位：千）。数据结构丰富，除国家代码、时间戳与观测值外，还提供详细的分类维度（性别：总、男、女）及溯源信息（数据来源、状态标识、注释说明），便于用户进行精细化的统计分析与时间序列建模。数据许可采用CC-BY-4.0，确保合规引用与广泛使用。

使用方法

数据集可通过HuggingFace Datasets库便捷加载，调用`load_dataset('electricsheepeurope/europe-ilo-emp-publ-sex-mts-nb-public-sector-employment-by-sex-and-marital-status')`即可获取`train`分割并转换为Pandas DataFrame。用户可借助`ref_area`字段按国家过滤数据，利用`time`与`obs_value`列构建单指标的时间序列。支持通过`pivot_table`操作重塑为以时间为行、国家为列的矩阵，便于进行面板数据分析或可视化呈现。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，并经Electric Sheep Europe于2025年重新打包发布，聚焦于欧洲14个国家1987至2025年间公共部门就业人数按性别和婚姻状况的统计观察，共计2840条记录。在劳动经济学与公共政策研究领域，性别与婚姻状况对劳动力市场参与度的影响始终是核心议题，而公共部门作为就业的重要组成部分，其结构性变化对经济稳定与社会公平具有深远意义。该数据集依托ILOSTAT数据库，该数据库是全球劳动统计的权威来源，通过整合各国劳动力调查、行政记录等多源数据，为跨国比较研究提供了标准化基础。其发布推动了基于性别视角的公共就业动态分析，助力学者与政策制定者揭示婚姻状况如何与性别共同塑造公共部门的雇佣格局，进而对包容性就业政策的制定产生实质性影响。

当前挑战

该数据集所解决的领域挑战在于，公共部门就业数据在跨国比较中常因统计口径、调查方法与时间序列不统一而难以整合，尤其性别与婚姻状况的交织分析更受限于细粒度数据的匮乏。欧洲各国劳动力市场的制度差异导致数据可比性低下，例如部分国家仅报告总就业人数，缺失按婚姻状况的细分，使得跨区域时序分析面临偏差风险。构建过程中，ILOSTAT需协调多达14个国家的多种数据源（如劳动力调查与行政记录），并依据国际劳工统计学家会议（ICLS）定义进行标准化，但数据质量指标显示存在序列断裂（如'Break in series'标记），反映出方法修订或源数据更替带来的不一致性。此外，观测值中的'暂定'或'不可靠'状态标识表明部分年份数据完整性不足，对模型训练的鲁棒性构成考验。

常用场景

经典使用场景

该数据集收录了来自国际劳工组织ILOSTAT数据库的欧洲14国公共部门就业数据，涵盖1987至2025年间按性别和婚姻状况分类的就业人数（单位：千人），共计2840条观测记录。作为时间序列与表格数据融合的典范，经典使用场景包括利用性别与婚姻状况维度进行公共部门劳动力参与率的纵向趋势分析，以及构建面板数据模型以探究欧洲各国公共就业规模的动态演变规律。

解决学术问题

数据集有效解决了劳动经济学中公共部门就业的结构性分解难题，尤其填补了传统宏观就业数据在性别与婚姻状况交叉维度上的细粒度空白。学者可借此分析婚姻状态对男女公共部门就业选择的差异化影响，检验公共就业政策在促进性别平等方面的成效，并评估劳动力市场制度变迁对公共部门雇佣行为的冲击，为理解欧洲福利国家的就业保护机制提供实证基础。

衍生相关工作

基于该数据衍生的经典工作包括ILOSTAT官方发布的《全球劳动市场关键指标》年度报告中的欧洲公共就业专题章节，以及多个运用混合效应模型或贝叶斯时间序列方法进行的跨国面板研究。此外，Electric Sheep Europe团队将其标准化为机器学习就绪格式后，催生了面向时序预测和分类任务的基准测试框架，推动了劳动统计数据的可复现分析与自动化建模实践。