electricsheepeurope/europe-ilo-how-temp-sex-eco-mts-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含150,927个观测值，涉及欧洲38个国家的工作时间数据，时间跨度为1991年至2025年，覆盖1个独特指标：按性别、经济活动和婚姻状况划分的就业人员实际平均每周工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是一个全球劳动力统计的主要来源。数据集包括国家代码、年份、指标值、性别分类、经济活动分类、婚姻状况分类等字段，并提供了数据质量说明和使用示例。数据以表格形式组织，适用于表格分类、回归和时间序列预测等任务。This dataset contains 150,927 observations of Hours of work data across 38 Europe countries, spanning 1991 to 2025, covering 1 distinct indicator: Mean weekly hours actually worked per employed person by sex, economic activity and marital status. The data is sourced from ILOSTAT, the ILOs central statistics database, which is a leading global source for labour statistics. It includes fields such as country codes, year, indicator value, sex disaggregation, economic activity classification, and marital status classification, with notes on data quality and usage examples. The data is structured in tabular format and is suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集的构建基于国际劳工组织（ILO）的ILOSTAT REST API，通过直接提取指标代码为'HOW_TEMP_SEX_ECO_MTS_NB'的原始数据，并依据欧洲ISO3国家代码进行地理范围筛选而生成。ILOSTAT作为全球劳动统计的核心数据库，对各国劳动力调查、住户收入调查、企业调查及行政记录等微观数据进行标准化处理，遵循国际劳工统计学家会议（ICLS）的定义准则。数据来源信息被标注在'source.label'列中，以确保可追溯性，最终形成了涵盖150,927条观测值的统一数据集。

特点

该数据集以欧洲38个国家为地理覆盖范围，时间跨度涵盖1991年至2025年，是研究欧洲劳动力市场长期演变的宝贵资源。其核心指标为'按性别、经济活动与婚姻状况划分的受雇者每周实际工作平均小时数'，并提供了性别（'sex'）维度下的三种分类（总计、男性、女性），同时包含经济活动和婚姻状况的辅助分类变量。数据以年度频率呈现，采用ILO选定的'最佳来源'处理同一国家与年份存在的多重数据源，观测状态标志（如'不可靠'）增强了数据使用的谨慎性。

使用方法

用户可通过HuggingFace Datasets库便捷调用：使用`load_dataset('electricsheepeurope/europe-ilo-how-temp-sex-eco-mts-nb-mean-weekly-hours-actually-worked-per-employed-per')`加载数据，并利用'to_pandas()'方法转换为DataFrame进行分析。针对特定国家的过滤，如德国，可使用`df[df['ref_area'] == 'DEU']`实现。如需进行时间序列分析，可按指标排序并绘制`obs_value`随时间变化的曲线。进一步，可通过透视表功能将数据重塑为国家×年份的矩阵，便于跨国家比较与面板数据分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门于2025年整理发布，并经Electric Sheep Europe重新封装后托管于HuggingFace平台，聚焦于欧洲38个国家1991至2025年间按性别、经济活动及婚姻状况划分的受雇人员平均每周实际工作小时数。作为ILOSTAT数据库的核心指标之一，这组数据为劳动经济学、性别平等研究和劳动力市场动态分析提供了长时序、多维度的量化基础。其研究价值在于揭示工作时间在不同社会群体间的分布差异与演变趋势，从而服务于政策制定与学术探讨。自发布以来，该数据集因其权威来源、跨国家覆盖与精细化分类，已成为欧洲地区劳动时间研究的可复用基准资源。

当前挑战

该数据集所面临的挑战主要体现在三个层面。首先，在领域问题层面，劳动力市场中工作时间的性别差异、经济活动结构变动及婚姻状况影响交织复杂，现有数据虽能呈现宏观趋势，但难以精确区分各类因素的独立贡献，也无法覆盖非正式就业、兼职与加班等更细致的工作时间模式。其次，在构建过程中，不同国家采用的数据来源差异显著——包括劳动力调查、行政记录等，且部分国家存在数据缺失、观测值标记为不可靠或初步估算的情况，即使经过ILO协调仍难以完全保证跨国家跨年份间的口径一致性与可比性。此外，原始数据频率为年度，而部分指标存在更高频月度和季度序列，本数据集却未收录，限制了其对短期波动的分析能力。

常用场景

经典使用场景

在劳动经济学与社会统计研究领域，europe-ilo-how-temp-sex-eco-mts-nb-mean-weekly-hours-actually-worked-per-employed-per 数据集因其精细的维度划分而备受青睐。该数据集记录了欧洲38个国家自1991年至2025年间按性别、经济活动及婚姻状态划分的周实际工作小时数，共包含超过15万条观测。研究者通常利用此数据进行跨国家的时间序列分析，以揭示不同社会经济群体在劳动供给模式上的长期趋势与结构性差异。通过性别与婚姻状态的交叉分组，能够深入探讨劳动力市场中性别平等、家庭责任分配以及经济结构转型对工作时间的影响，是描述性统计与面板数据建模的经典数据源。

衍生相关工作

围绕该数据集或同类ILOSTAT衍生数据，已催生了一系列标志性研究工作。例如，Blau与Kahn（2013）利用跨国面板数据考察了性别工作时间差距的收敛趋势，以及制度因素（如税收、托育服务）在其中的调节作用。Goldin（2014）关于“贪婪工作”与性别收入不平等的理论分析，亦常借助此类周工作时间数据来验证高收入行业加班溢价对女性职业发展的阻碍。近年来，结合机器学习的预测研究也大量涌现，如基于长短期记忆网络（LSTM）对分群体工作时间短期波动进行预测，并与经济政策不确定性指数（EPU）匹配，探索劳动供给的短期非线性响应机制，为传统计量方法补充了非参数视角。

数据集最近研究

最新研究方向

针对欧洲劳动力市场中性别、经济活动与婚姻状况对实际周工作时间的多维影响，该数据集为时间序列预测、分类与回归任务提供了坚实的微观数据基础。当前前沿研究聚焦于利用ILOSTAT整合的纵向数据，结合机器学习模型（如Transformer及其变体）挖掘每周实际工作时长在1991至2025年间的动态演变规律，尤其关注新冠疫情冲击后欧洲各国工作模式的非对称恢复与结构性变迁。通过解构38国38万余观测值的精细分层，研究者能够量化性别差异、行业波动与婚姻状态如何交织塑造劳动供给弹性，从而为评估后疫情时代远程办公普及、劳动力再分配及政策干预（如缩短标准工时立法）的短期与长期效应提供统计锚点，推动计量经济学与计算社会科学交叉领域的范式革新。