已收到的人均官方发展援助（ODA）净额（现价美元）
Net ODA received per capita (current US$)
下载数据指标解释
World Bank official description / 世界银行官方说明
Net official development assistance (ODA) per capita consists of disbursements of loans made on concessional terms (net of repayments of principal) and grants by official agencies of the members of the Development Assistance Committee (DAC), by multilateral institutions, and by non-DAC countries to promote economic development and welfare in countries and territories in the DAC list of ODA recipients; and is calculated by dividing net ODA received by the midyear population estimate. It includes loans with a grant element of at least 25 percent (calculated at a rate of discount of 10 percent).
可供参考的中文翻译：人均净官方发展援助（ODA）包括发展援助委员会（DAC）成员国的官方机构、多边机构以及非DAC国家向DAC受援国名单中的国家和地区提供的优惠贷款支付（减去本金偿还后的净额）和捐赠，旨在促进经济发展和福利。计算方法是用已收到的净ODA除以年中人口估计值。包括至少具有25%捐赠成分的贷款（以10%的贴现率计算）。
数据口径与风险提示
- 本指标反映的是人均净ODA流量，负值表示该国对外偿债或转移的官方资金超过收到的援助，不代表该国经济状况恶化。
- 中国的人均ODA数据从1979年才开始有记录，1979年之前无数据，因此无法计算1960-1970年代的变化。
- 不同国家接收ODA的规模受人口基数影响显著，人口大国的分母较大，可能导致人均值被稀释。
- ODA定义和口径可能随时间调整，历史数据的国际可比性需要结合来源机构说明进行验证。
- 本指标使用现价美元，未经过通胀调整，横跨数十年的比较需考虑美元购买力变化。
- 中国作为ODA受援国的身份在2010年代后逐渐弱化，负值可能反映对外偿债增加而非援助减少。
- 世界平均值受少数高人均援助小国影响较大，不代表大多数发展中国家的实际水平。
- ODA与外资直接投资（FDI）、贸易等资金流动性质不同，不宜简单替代或混淆。
中国趋势
中国人均净ODA经历了从无到有、快速攀升、然后持续回落的完整周期。1979年起步时人均仅约0.02美元，1980年代随着国际合作扩大而快速上升，1995年达到约2.87美元的历史峰值。此后逐步下降，2000年代基本在0.8-1.4美元之间波动，2011年首次转负后持续在负值区间，2023年为-0.19美元。这一走势反映了中国从主要受援国向发展合作伙伴转变的过程，负值表明对外官方偿债净额超过了新收到的援助金额。
- 1979年人均约0.02美元，为有记录以来最低正值。
- 1995年人均约2.87美元，为历史最高值。
- 2011年首次转负，当年人均约-0.45美元。
- 2017年人均约-0.71美元，为历史最低值。
- 2023年人均约-0.19美元，较2017年有所收窄。
- 1980-1989年间人均增长约27.7倍，是增幅最显著的十年。
- 1979-2023年整体变化为下降约0.21美元。
- 近年来变化趋于平稳，2020-2023年间变化幅度约0.24。
全球趋势
全球人均净ODA整体呈长期上升趋势，从1960年约1.81美元增至2023年约32.18美元，增长约17.8倍。与中国先升后降的倒U型曲线不同，世界均值经历了1970年代的快速增长期、1980-1990年代的相对稳定期，以及2000年代至今的加速增长期。这一差异反映了全球发展援助资金规模的扩大，同时也与人口增长速度放缓有关。2022-2023年的快速攀升可能与全球卫生危机后的援助加码有关。
- 1960年人均约1.81美元，为历史最低值。
- 2023年人均约32.18美元，为历史最高值。
- 1960-1979年间增长约3.5倍，是增速最快的早期阶段。
- 1980年代基本持平，期末与期初比值约1.12。
- 1990年代略有下降，期末与期初比值约0.75。
- 2000年代加速增长，期末与期初比值约2.25。
- 2010-2023年持续上升，期末与期初比值约1.22。
- 1960-2023年整体增长约17.8倍。
每十年变化摘要
| 十年区间 | 中国变化 | 世界变化 | 提示 |
|---|---|---|---|
| 1960-1969 | - | 1.1x | 该时期世界人均净ODA增长约1.13倍，增速相对平缓，主要反映战后国际发展援助体系的建立和早期扩张。中国在该时期尚无公开的人均ODA记录。 |
| 1970-1979 | - | 3.5x | 世界人均净ODA增长约3.5倍，增速显著加快，可能与石油美元循环和冷战期间援助竞争加剧有关。中国在该时期末开始有数据记录。 |
| 1980-1989 | 27.7x | 1.1x | 中国人均净ODA增长约27.7倍，而世界仅增长约1.1倍，这一悬殊差距主要源于中国起点极低、1980年代改革开放后国际合作扩大，以及同期世界人均水平基本持平。中国的快速增长可能反映受援规模的实质扩大，而非援助优先级的单向提升。 |
| 1990-1999 | 1.1x | 0.7x | 中国人均净ODA增长约1.07倍，而世界下降约0.75倍，这一反差可能反映中国受援需求相对减弱或经济实力提升导致援助资格下降，同时全球受援国范围扩大导致人均被稀释。中国的增长趋缓可能意味着援助依赖度开始下降。 |
| 2000-2009 | 0.6x | 2.3x | 中国人均净ODA降至期初的约0.62倍，而世界增至期初的约2.25倍，这一分叉趋势可能反映中国逐渐从净受援国转向对外援助提供方，同时全球官方发展融资整体扩大，两条曲线的背离可能需要结合中国对外ODA和世界援助总量数据进一步验证。 |
| 2010-2019 | -0.6x | 1.2x | 中国人均净ODA出现负值（-0.60倍），而世界增长约1.22倍。这一极端反差可能反映中国对外偿债规模超过新受援金额，也可能意味着中国已从净受援国转变为净援助提供国，需要结合流量绝对值和债务数据确认具体驱动因素。 |
| 2020-2029 | 0.5x | 1.3x | 中国人均净ODA为正（0.47倍），而世界增长约1.29倍。中国该时期转正可能反映援助结构的变化或偿债到期低谷，而世界持续增长可能与全球卫生和气候援助增加有关。该时期数据受近年波动影响较大，需持续观察。 |
2023 年全部国家排名
排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。
使用建议、常见误用与研究场景
数值较高通常意味着什么
对于大多数发展中国家而言，人均净ODA较高通常意味着获得了更多的外部发展资金支持，可用于公共投资和社会支出。对于中国而言，较高正值可能反映特定年份国际合作项目的集中执行，而非持续依赖外部援助。
数值较低通常意味着什么
对于传统受援国而言，人均净ODA较低可能意味着外部支持减少或自身融资能力提升。对于中国而言，持续走低甚至转负可能反映对外偿债增加，或中国已从受援国转为援助提供国。
鍙ｅ緞闄愬埗
- 人均指标掩盖了总量规模的差异，一个大国极低的人均值可能对应着相当规模的绝对援助流量。
- 负值不一定是负面信号，它可能反映对外投资或偿债活动，不应简单解读为发展条件恶化。
- 现价美元计价，通胀和汇率变化会影响不同年份间的可比性。
- 各国ODA统计方法和报告时点存在差异，国际可比性有限。
- 人口估计值的不确定性会传递到人均值的误差中。
- ODA不包括私人资本流动，片面关注ODA可能低估一国的外部融资全貌。
- 人均值无法反映援助的质量、附加条件或与受援国发展需求的匹配程度。
使用建议
- 使用时应结合该指标的绝对值（DT.ODA.ODAT.CD）判断实际资金规模。
- 分析中国数据时应关注正负值背后的驱动因素，结合债务和援助双向流量。
- 进行国际比较时，应选取发展阶段相近、经济规模相当的国家作为参照系。
- 研究长期趋势时，建议使用不变价或PPP调整后的数据进行验证。
- 结合ODA占GNI比重（DT.ODA.ODAT.GN.ZS）等相对指标评估援助依赖程度。
- 关注指标定义中关于"净"的计算口径，确认是否包含债务免除等非现金流项目。
- 涉及政策分析时，应区分援助的赠与成分和贷款成分，二者对财政的影响不同。
- 跨国比较时注意不同国家加入DAC受援国名单的时间差异。
常见错误用法
错误做法：将中国人均净ODA的负值解读为"中国获得的国际援助减少"或"国际社会减少对华支持"。
正确做法：应将负值理解为"对外官方偿债净额超过了新收到的援助金额"，反映的是资金流向的逆转。
ODA是流量指标，净值的正负取决于收援与偿债的相对大小。负值不直接说明援助绝对规模的变化，可能是对外偿债大幅增加导致的。
错误做法：将中国人均净ODA的长期下降趋势解读为中国经济实力下降。
正确做法：应结合中国从受援国向援助提供国转变的背景理解这一趋势，反映的是发展阶段的跨越。
ODA受援资格通常与国家经济水平挂钩。中国人均ODA下降的阶段恰好与中国经济快速增长的时期重叠，更可能反映的是援助优先级的重新配置。
错误做法：直接用中国人均净ODA与世界人均值比较，得出"中国获得的援助远低于世界平均"的结论。
正确做法：应考虑发展阶段和援助定位的差异，选取可比国家或使用相对指标进行比较。
人均值受人口基数影响，且不同阶段的国家援助定位不同。2010年代后中国已不再是传统意义上的受援国，横向比较缺乏政策含义。
错误做法：将中国人均净ODA在某个年份的突然变化解读为当年的政策转向。
正确做法：应结合多年趋势和绝对金额综合判断，关注数据的滞后性和报告口径调整。
ODA数据可能因统计方法调整、债务重组或项目周期等因素出现年度波动，单一年份的异常值不宜做过度解读。
错误做法：将本指标作为衡量中国国际发展影响力的主要指标。
正确做法：评估中国在全球发展合作中的角色应使用对外ODA数据（而非已收到的ODA）以及更广泛的官方资金流动数据。
本指标反映的是中国作为受援国的角色，而非中国作为援助方的角色。用已收到的ODA来评估对外影响力会产生方向性的误判。
实际应用场景
- 中国发展融资结构的演变研究：分析中国从净受援国向净援助国的转型过程 被解释变量/结果变量 可结合绝对金额数据（DT.ODA.ODAT.CD）和人口数据，计算人均值的时间序列。通过断点检测识别转型时点，并结合宏观经济指标验证转型驱动因素。控制变量应包括人均GNI、FDI流入和出口规模。
- 全球发展援助有效性的跨国比较：评估不同收入水平国家ODA依赖度的差异及其与发展成果的关系 比较变量 选取多个人均ODA指标序列进行跨国面板分析。采用固定效应模型控制国家不可观测的异质性，使用工具变量或双重差分处理内生性问题。可将中国与同等发展阶段国家进行对照。
- 中国ODA与南南合作的互补性分析：探索传统多边援助与中国主导的发展融资渠道之间的关系 稳健性检验变量 将中国人均净ODA与中国对外直接投资、贸易融资等非ODA渠道进行关联分析。检验两种资金来源是互补还是替代关系，使用 Granger因果检验探索领先滞后关系。
- 债务可持续性与发展援助的关系研究：评估ODA流入与外债累积的关系 机制变量 构建联立方程模型，将人均净ODA作为债务累积的一个解释变量。区分ODA中的赠与成分和贷款成分，检验不同成分对债务可持续性的差异化影响。控制 GDP增速、利率环境和汇率波动。
- 小岛屿发展中国家援助依赖度分析：研究太平洋岛国等小规模经济体的外部资金依赖模式 控制变量 以人均净ODA作为控制变量加入发展成果回归模型。检验在高援助依赖条件下，援助是否有效转化为发展成果。关注援助与FDI的替代效应，以及援助波动对宏观经济稳定的影响。
已收到的人均官方发展援助（ODA）净额（现价美元）常见问题
中国人均净ODA为什么会出现负值？
负值表示该国对外官方偿债（包括优惠贷款的还本）金额超过了当年新收到的净援助金额。2011年后中国出现负值，主要因为中国对外偿债增加，同时自身作为援助提供国的角色日益突出，并非意味着获得的援助减少。
为什么图瓦卢、帕劳这些小国的人均ODA这么高？
这些太平洋岛国人口基数极小（部分仅万人级别），但作为DAC认定的受援国可以获得相对固定的援助金额，经人均分摊后数值很高。同时这些国家经济规模小、自生能力弱，国际社会对其有特殊的发展援助承诺。
世界人均净ODA持续上升说明什么？
全球人均ODA长期上升反映了国际社会对发展中国家承诺的扩大，尤其在2000年后增速加快，可能与千年发展目标和可持续发展目标的推进有关。但需注意，现价美元计价会受美元通胀和汇率影响，真实援助量的增长可能与此有所出入。
中国人均净ODA在1995年达到峰值后持续下降，这代表什么？
这一趋势可能反映中国自身经济发展导致国际援助优先级调整，以及中国逐渐承担更多对外援助责任的转变。人均值的下降需要结合绝对金额和对外援助数据综合判断，不能简单解读为发展条件的恶化。
可以用这个指标比较中国和美国的国际援助力度吗？
不可以直接比较。本指标是"已收到的ODA"，反映的是作为受援国的角色。美国作为高收入国家，通常是ODA的净提供方而非接受方，其人均净ODA数值极低甚至为负。如需比较国际援助贡献力，应使用各国对外提供的ODA总额。
为什么中国1979年之前没有人均净ODA数据？
世界银行数据库中中国的ODA记录从1979年开始，这可能与当时中国对外开放程度和国际援助合作的起始时间有关。1979年是中国改革开放的元年，此后中国开始较多参与国际发展援助体系。
下载数据
免费获取世界银行WDI完整数据集，包含已收到的人均官方发展援助（ODA）净额（现价美元）等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据