electricsheepeurope/europe-ilo-how-2tot-sex-nb-total-weekly-hours-worked-of-employed-persons-by-s

该数据集包含欧洲39个国家从2005年至2027年期间，按性别分类的就业人员每周总工作小时数的统计观测数据，共计2,673条观测记录。数据来源于国际劳工组织（ILO）的模型估计（2025年11月版），核心指标为HOW_2TOT_SEX_NB，即按性别划分的就业人员每周总工作小时数——国际劳工组织模型估计（单位：千小时）。数据集提供了国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（总计、男性、女性）、观测年份、观测值、观测状态等字段，并按性别维度进行细分。数据由Electric Sheep Europe重新打包，以表格形式呈现，适用于表格分类、回归和时间序列预测等任务。This dataset contains 2,673 observations of hours of work data across 39 European countries, spanning the years 2005–2027, covering 1 distinct indicator. The core indicator is HOW_2TOT_SEX_NB, which represents the total weekly hours worked of employed persons, by sex, based on ILO modelled estimates (November 2025, in thousands). The dataset includes fields such as country code, country name, data source, indicator code, indicator label, sex disaggregation (total, male, female), observation year, observed value, and observation status. It is repackaged by Electric Sheep Europe from the ILOSTAT database, presented in tabular format, and 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）的ILOSTAT统计数据库，通过其REST API直接提取特定指标（HOW_2TOT_SEX_NB）的原始数据，随后依据欧洲ISO3国家代码进行地理过滤，最终整合为涵盖39个欧洲国家、时间跨度从2005年至2027年的2,673条观测记录。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，并在source.label列中标注数据来源，以确保数据的可追溯性。Electric Sheep Europe团队对数据进行了重新封装，将其转化为适用于机器学习的Parquet格式，并附带了标准化的数据集描述卡片。

使用方法

使用者可通过Hugging Face Datasets库便捷加载数据，只需调用load_dataset函数即可将数据集转换为Pandas DataFrame进行后续分析。典型的分析流程包括按国家代码过滤以聚焦特定国家的时间序列，或按性别维度分组观察不同群体的工时演变趋势。利用pandas的pivot_table方法，用户能够轻松将数据重塑为国家×年份的矩阵形式，为后续的回归建模、分类任务或时间序列预测提供了规整的表格化输入。该数据集设计适用于表格分类、回归以及时间序列预测等多种机器学习任务场景。

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 Europe在HuggingFace上重新打包整理，聚焦于欧洲39个国家2005至2027年间就业人员按性别划分的每周总工作小时数。作为ILOSTAT数据库的衍生数据集，其核心研究问题在于揭示欧洲劳动力市场时间投入的性别差异与长期演变趋势。凭借ILO对各国劳动力调查数据的统一标准化处理，该数据集为劳动经济学、性别平等研究及跨国比较分析提供了高可信度的时序数据基础，对理解欧洲就业结构变化、评估劳动政策效果具有重要学术与实践影响力。

当前挑战

该数据集所解决的领域挑战之一是劳动时间统计中跨国家、跨年份数据的可比性难题——不同国家原始调查方法各异，ILO通过ICLS定义进行数据整合，但仍需处理源数据标注和选择最优来源的复杂性。构建过程中的挑战则体现在数据质量控制上：年度频率限制了更细微的时间波动捕捉，部分指示器虽有月度数据却未被包含；同时，数据集仅包含单一指标准（总工作时间），缺乏行业或职业等细分维度，限制了深层次因果分析的能力，需研究者结合其他指标综合解读劳动力市场动态。

常用场景

经典使用场景

该数据集汇集了国际劳工组织（ILO）对欧洲39个国家2005至2027年间按性别划分的就业人员每周总工作时间的模型估计，共计2673条观测记录。经典使用场景聚焦于跨国家、跨时序的劳动力市场比较分析，研究者可借助该数据探索欧洲各国工作时间的长期演变趋势，揭示性别差异在劳动参与中的动态特征，并作为面板数据应用于劳动经济学中的政策评估与跨国异质性研究。

解决学术问题

该数据集有效解决了欧洲劳动统计领域数据碎片化与可比性不足的学术难题。通过ILO标准化的国际劳工统计学家会议（ICLS）定义进行数据协整，研究者得以规避各国调查口径差异带来的偏误，精准剖析工作时间与性别、区域、经济周期之间的关联机制。其贡献在于为验证工作共享假说、评估劳动法规效果以及刻画非标准就业形态提供了可靠的数据基石，推动了劳动经济学理论模型的实证检验。

实际应用

在实际应用中，该数据为政府机构、国际组织及智库制定劳动力政策提供了量化依据。例如，欧盟委员会可据此监测成员国工作时间的性别收敛进度，优化《欧洲性别平等战略》中的目标设定；各国劳动部门可借助模型估计值预判劳动力供给变化，调整最低工时与加班法规；企业人力资源部门亦可结合区域工时基准，设计更具包容性的灵活工作制度。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲劳动力市场中按性别划分的就业者周总工时分析，结合ILO 2025年11月发布的最新模型估计，覆盖2005至2027年的时间序列数据。在前沿研究方向中，该数据被广泛用于探究性别差异对劳动力参与度的影响，尤其是在后疫情时代欧洲经济复苏背景下，工时变化与就业质量、性别平等议题的交叉研究成为热点。其多国对比和长时序特性，为时间序列预测、劳动关系动态建模以及欧盟政策评估（如《欧洲性别平等战略》）提供了可靠支撑，有助于揭示结构性就业不平等和劳动力市场韧性。