农村清洁烹饪燃料和技术获取率（占农村人口的百分比）

Access to clean fuels and technologies for cooking, rural (% of rural population)

下载数据

指标代码：EG.CFT.ACCS.RU.ZS所属主题：环境：Energy production & useEnvironment: Energy production & use

2023最新有效年份

188最新年份有值国家

265历史上有数据经济体

67%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Access to clean fuels and technologies for cooking, rural is the proportion of rural population primarily using clean cooking fuels and technologies for cooking. Under WHO guidelines, kerosene is excluded from clean cooking fuels.

可供参考的中文翻译：农村清洁烹饪燃料和技术获取率指农村人口中主要使用清洁烹饪燃料和技术的比例。根据世界卫生组织的指导方针，煤油不计入清洁烹饪燃料。

数据口径与风险提示

本指标仅反映主要烹饪燃料使用情况，多燃料家庭的辅助燃料使用可能被低估。
世界卫生组织对"清洁燃料"的定义会定期更新，不同版本数据可能存在口径差异。
数据采集方式包括入户调查、建模估算等，不同来源国别可比性有限。
各国对"农村"的界定标准不同，可能影响跨国产值的可比性。
本指标不区分燃料质量、烹饪时长和通风条件，不能直接等同于健康风险程度。
部分年份和国家存在数据缺失，长时间序列分析需注意样本完整性。
本指标反映的是获得性而非实际使用频率，高获取率不等于高使用率。

中国趋势

趋势解读

中国农村清洁烹饪燃料获取率在2000年至2023年间实现持续快速增长，从期初约21%提升至约77%，增长了约3.7倍。增长呈现明显的阶段性特征：2010年代的增长倍数（1.95倍）明显高于2000年代（1.48倍），表明改善速度在2010年代进一步加快。然而2020年代的增长倍数降至约1.13倍，反映出随着覆盖率的提升，边际改善空间逐步收窄，可能意味着覆盖率已接近较高水平，进一步提升需要触及更偏远的地区和更复杂的实施环境。

2000年农村清洁烹饪燃料获取率为20.9%，2023年升至77.4%，整体增长56.5个百分点。
2000-2009年十年间年均约提升1个百分点，从21%升至约33.6%。
2010-2019年增速明显加快，年均约提升3.2个百分点，从33.6%升至约65.6%。
2020-2023年三年间再增约8.7个百分点，从68.7%升至77.4%。
2023年达到有数据记录以来的最高值77.4%。
数据仅包含主要烹饪燃料使用情况，辅助燃料使用未被反映。
偏重山区、边境地区的覆盖率可能低于全国均值。
数据采集方式在不同年份可能存在差异。

全球趋势

趋势解读

全球农村清洁烹饪燃料获取率从2000年的约23.8%提升至2023年的约55.7%，增长约2.3倍。整体趋势与中国类似，呈持续上升态势，但增速明显低于中国。全球增长在2000年代和2010年代均较为平稳（分别为约1.23倍和约1.56倍），2020年代增速进一步放缓至约1.12倍。这一模式表明，全球层面仍存在大量缺乏清洁烹饪条件的农村人口，欠发达地区的基础设施建设和能源转型进程相对滞后，不同区域和国家间的改善进度存在显著差异。

2000年全球农村清洁烹饪燃料获取率为23.8%，2023年升至55.7%，累计增长约32个百分点。
2000年代年均增长不足1个百分点。
2010年代年均增长约1.9个百分点，略快于2000年代。
2020年代增速继续放缓，年均约2.7个百分点（以2020-2023三年估算）。
2023年达到有数据记录以来的最高值55.7%。
低收入国家数据缺失比例较高，可能影响全球均值的代表性。
各区域改善进度差异极大，区域聚合掩盖了内部异质性。
数据来源和估算方法在不同国家间存在差异。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1970-1979	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1980-1989	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1990-1999	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
2000-2009	1.5x	1.2x	该阶段中国增长倍数（1.48倍）明显高于全球（1.23倍），可能反映中国在快速城镇化背景下大规模推进农村能源基础设施建设，而同期全球尤其是南亚和撒哈拉以南非洲地区进展相对缓慢，基数和分母上的差异使中国在全球排名中快速追赶。
2010-2019	2.0x	1.6x	该阶段中国增长倍数（1.95倍）进一步扩大与全球（1.56倍）的差距，可能意味着中国在此期间实施了更密集的农村清洁能源补贴和扶贫项目，而全球进展仍受制于发展中国家融资困难和基础设施薄弱，分子（中国提升幅度）和分母（各国起点）的相对变化使中国逐步缩小与高收入国家的绝对差距。
2020-2029	1.1x	1.1x	该阶段中国增长倍数（1.13倍）与全球（1.12倍）趋于收敛，可能反映中国覆盖率已处于较高水平，边际提升需要突破地理条件更恶劣、成本更高的地区；而全球仍有大量人口尚未获得清洁烹饪条件，改善空间仍然较大，两者的收敛可能意味着中国正在从"追赶"转向"巩固"阶段。

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。

排名	国家	代码	数值
1	Andorra 安道尔	AND	100.0
2	Antigua and Barbuda 安提瓜和巴布达	ATG	100.0
3	Australia 澳大利亚	AUS	100.0
4	Austria 奥地利	AUT	100.0
5	Bahamas, The 巴哈马	BHS	100.0
6	Bahrain 巴林	BHR	100.0
7	Barbados 巴巴多斯	BRB	100.0
8	Belgium 比利时	BEL	100.0
9	Brunei Darussalam 文莱	BRN	100.0
10	Canada 加拿大	CAN	100.0
11	Chile 智利	CHL	100.0
12	Croatia 克罗地亚	HRV	100.0
13	Cyprus 塞浦路斯	CYP	100.0
14	Czechia 捷克	CZE	100.0
15	Denmark 丹麦	DNK	100.0
16	Estonia 爱沙尼亚	EST	100.0
17	Finland 芬兰	FIN	100.0
18	France 法国	FRA	100.0
19	Germany 德国	DEU	100.0
20	Greece 希腊	GRC	100.0
21	Guyana 圭亚那	GUY	100.0
22	Hungary 匈牙利	HUN	100.0
23	Iceland 冰岛	ISL	100.0
24	Ireland 爱尔兰	IRL	100.0
25	Israel 以色列	ISR	100.0
26	Italy 意大利	ITA	100.0
27	Japan 日本	JPN	100.0
28	Korea, Rep. 韩国	KOR	100.0
29	Kuwait 科威特	KWT	100.0
30	Latvia 拉脱维亚	LVA	100.0
31	Lithuania 立陶宛	LTU	100.0
32	Luxembourg 卢森堡	LUX	100.0
33	Malta 马耳他	MLT	100.0
34	Monaco 摩纳哥	MCO	100.0
35	Nauru 瑙鲁	NRU	100.0
36	Netherlands 荷兰	NLD	100.0
37	New Zealand 新西兰	NZL	100.0
38	Norway 挪威	NOR	100.0
39	Oman 阿曼	OMN	100.0
40	Palau 帕劳	PLW	100.0
41	Panama 巴拿马	PAN	100.0
42	Poland 波兰	POL	100.0
43	Portugal 葡萄牙	PRT	100.0
44	Qatar 卡塔尔	QAT	100.0
45	Romania 罗马尼亚	ROU	100.0
46	Russian Federation 俄罗斯	RUS	100.0
47	San Marino 圣马力诺	SMR	100.0
48	Saudi Arabia 沙特阿拉伯	SAU	100.0
49	Seychelles 塞舌尔	SYC	100.0
50	Singapore 新加坡	SGP	100.0
51	Slovak Republic 斯洛伐克	SVK	100.0
52	Slovenia 斯洛文尼亚	SVN	100.0
53	Spain 西班牙	ESP	100.0
54	St. Kitts and Nevis 圣基茨和尼维斯	KNA	100.0
55	Sweden 瑞典	SWE	100.0
56	Switzerland 瑞士	CHE	100.0
57	United Arab Emirates 阿联酋	ARE	100.0
58	United Kingdom 英国	GBR	100.0
59	United States 美国	USA	100.0
60	Uruguay 乌拉圭	URY	100.0
61	Egypt, Arab Rep. 埃及	EGY	99.9
62	Turkmenistan 土库曼斯坦	TKM	99.9
63	Maldives 马尔代夫	MDV	99.8
64	Tunisia 突尼斯	TUN	99.8
65	Belarus 白俄罗斯	BLR	99.4
66	Iraq 伊拉克	IRQ	99.4
67	Algeria 阿尔及利亚	DZA	99.1
68	Jordan 约旦	JOR	99.1
69	Mauritius 毛里求斯	MUS	99.1
70	Viet Nam 越南	VNM	98.7
71	Moldova 摩尔多瓦	MDA	98.3
72	Argentina 阿根廷	ARG	98.2
73	Azerbaijan 阿塞拜疆	AZE	97.8
74	Morocco 摩洛哥	MAR	97.8
75	Armenia 亚美尼亚	ARM	97.3
76	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	94.0
77	Iran, Islamic Rep. 伊朗	IRN	93.3
78	Suriname 苏里南	SUR	92.9
79	St. Lucia 圣卢西亚	LCA	91.3
80	Cuba 古巴	CUB	90.9
81	Kazakhstan 哈萨克斯坦	KAZ	90.9
82	Costa Rica 哥斯达黎加	CRI	90.3
83	Jamaica 牙买加	JAM	89.7
84	Syrian Arab Republic 叙利亚	SYR	89.0
85	Tonga 汤加	TON	88.7
86	El Salvador 萨尔瓦多	SLV	87.7
87	Ukraine 乌克兰	UKR	87.6
88	Bhutan 不丹	BTN	87.5
89	Georgia 格鲁吉亚	GEO	87.1
90	Ecuador 厄瓜多尔	ECU	86.5
91	Grenada 格林纳达	GRD	84.3
92	Turkiye 土耳其	TUR	84.2
93	Indonesia 印度尼西亚	IDN	84.1
94	Tajikistan 塔吉克斯坦	TJK	83.8
95	Venezuela, RB 委内瑞拉	VEN	83.8
96	Brazil 巴西	BRA	83.4
97	Thailand 泰国	THA	81.1
98	Dominican Republic 多米尼加共和国	DOM	79.6
99	Dominica 多米尼克	DMA	79.2
100	Malaysia 马来西亚	MYS	77.9
101	China 中国	CHN	77.4
102	Belize 伯利兹	BLZ	74.1
103	Albania 阿尔巴尼亚	ALB	72.5
104	Bolivia 玻利维亚	BOL	71.2
105	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	70.9
106	Serbia 塞尔维亚	SRB	70.9
107	Uzbekistan 乌兹别克斯坦	UZB	70.9
108	South Africa 南非	ZAF	70.4
109	Peru 秘鲁	PER	69.1
110	India 印度	IND	65.7
111	Sudan 苏丹	SDN	63.8
112	Colombia 哥伦比亚	COL	63.6
113	North Macedonia 北马其顿	MKD	61.8
114	Mexico 墨西哥	MEX	60.3
115	Cabo Verde 佛得角	CPV	58.0
116	Gabon 加蓬	GAB	51.1
117	Cambodia 柬埔寨	KHM	49.3
118	Paraguay 巴拉圭	PRY	44.4
119	Montenegro 黑山	MNE	44.0
120	Tuvalu 图瓦卢	TUV	43.7
121	Philippines 菲律宾	PHL	39.9
122	Myanmar 缅甸	MMR	38.4
123	Lesotho 莱索托	LSO	34.5
124	Samoa 萨摩亚	WSM	33.2
125	Pakistan 巴基斯坦	PAK	33.1
126	Eswatini 斯威士兰	SWZ	31.0
127	Fiji 斐济	FJI	29.9
128	Botswana 博茨瓦纳	BWA	26.4
129	Sri Lanka 斯里兰卡	LKA	26.2
130	Nepal 尼泊尔	NPL	25.7
131	Honduras 洪都拉斯	HND	25.0
132	Yemen, Rep. 也门	YEM	24.9
133	Afghanistan 阿富汗	AFG	20.4
134	Mauritania 毛里塔尼亚	MRT	20.3
135	Mongolia 蒙古	MNG	19.0
136	Guatemala 危地马拉	GTM	17.3
137	Ghana 加纳	GHA	14.1
138	Namibia 纳米比亚	NAM	13.5
139	Kenya 肯尼亚	KEN	11.4
140	Bosnia and Herzegovina 波黑	BIH	10.9
141	Bangladesh 孟加拉国	BGD	10.8
142	Nicaragua 尼加拉瓜	NIC	10.4
143	Nigeria 尼日利亚	NGA	9.70
144	Vanuatu 瓦努阿图	VUT	9.00
145	Senegal 塞内加尔	SEN	8.80
146	Angola 安哥拉	AGO	8.40
147	Cote d'Ivoire 科特迪瓦	CIV	7.60
148	Zimbabwe 津巴布韦	ZWE	7.50
149	Timor-Leste 东帝汶	TLS	7.40
150	Comoros 科摩罗	COM	5.90
151	Papua New Guinea 巴布亚新几内亚	PNG	5.80
152	Cameroon 喀麦隆	CMR	5.40
153	Congo, Rep. 刚果（布）	COG	4.90
154	Burkina Faso 布基纳法索	BFA	3.50
155	Lao PDR 老挝	LAO	2.90
156	Equatorial Guinea 赤道几内亚	GNQ	2.70
157	Tanzania 坦桑尼亚	TZA	2.50
158	Zambia 赞比亚	ZMB	2.30
159	Kiribati 基里巴斯	KIR	2.20
160	Benin 贝宁	BEN	2.10
161	Haiti 海地	HTI	1.40
162	Mozambique 莫桑比克	MOZ	1.30
163	Sao Tome and Principe 圣多美和普林西比	STP	1.10
164	Togo 多哥	TGO	1.10
165	Eritrea 厄立特里亚	ERI	1.00
166	Rwanda 卢旺达	RWA	1.00
167	Solomon Islands 所罗门群岛	SLB	0.90
168	Congo, Dem. Rep. 刚果（金）	COD	0.80
169	Korea, Dem. People's Rep. 朝鲜	PRK	0.80
170	Uganda 乌干达	UGA	0.80
171	Madagascar 马达加斯加	MDG	0.50
172	Malawi 马拉维	MWI	0.50
173	Mali 马里	MLI	0.50
174	Marshall Islands 马绍尔群岛	MHL	0.50
175	Niger 尼日尔	NER	0.50
176	Somalia, Fed. Rep. 索马里	SOM	0.50
177	Ethiopia 埃塞俄比亚	ETH	0.30
178	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.20
179	Burundi 布隆迪	BDI	0.10
180	Chad 乍得	TCD	0.10
181	Djibouti 吉布提	DJI	0.10
182	Gambia, The 冈比亚	GMB	0.10
183	Guinea 几内亚	GIN	0.10
184	Central African Republic 中非共和国	CAF	0.00
185	Guinea-Bissau 几内亚比绍	GNB	0.00
186	Liberia 利比里亚	LBR	0.00
187	Sierra Leone 塞拉利昂	SLE	0.00
188	South Sudan 南苏丹	SSD	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

更高的比例意味着更大比例的农村人口主要使用清洁烹饪燃料，通常与更好的健康结果（减少室内空气污染相关疾病）、更少的时间用于燃料采集（尤其是对女性和女童）以及更低的森林砍伐压力相关。

数值较低通常意味着什么

更低的比例意味着更多农村人口依赖传统固体燃料（如木材、煤炭、粪便）进行烹饪，通常与室内空气污染导致的健康风险、燃料采集对时间和精力的占用以及对生态环境的压力相关。

鍙ｅ緞闄愬埗

仅反映主要燃料类型，不反映多燃料使用模式和辅助燃料的贡献
不区分燃料质量、使用频率、通风条件和烹饪习惯对健康结果的实际影响
不反映能源可负担性和持续获取能力
不区分电力和燃气等高等级清洁能源与生物质清洁炉具的差异
调查年份和采集方式的变化可能造成同一国家数据的非连续性
数据缺失可能导致跨国产值的可比性偏差

使用建议

结合空气质量指标（如PM2.5）和健康数据（如下呼吸道感染发病率）综合评估
纳入多燃料使用指标，分析清洁燃料与固体燃料的叠加使用模式
考虑地区内部的城乡差异，进行分区域分析
结合收入水平、能源价格和基础设施投资数据做因果推断
参考同一国家的城市清洁烹饪燃料获取率，分析城乡差距及其驱动因素
关注数据来源说明，区分调查数据和模型估算数据

常见错误用法

错误做法：直接将该指标2010-2023年的变化率作为中国清洁烹饪燃料推广工作的"成功案例"向政策制定者推荐，忽略中国的高增长率建立在极低基数之上

正确做法：在报告中明确标注基期值和增长路径，说明基数效应，并讨论在更高覆盖水平下的政策挑战

不同基期值下的增长率不可直接类比，高覆盖率国家的增长率自然较低

错误做法：将高获取率等同于健康风险已消除，忽视燃料质量、烹饪时长和通风条件的差异

正确做法：将本指标与实际健康结果数据（如呼吸系统疾病发病率）和空气质量数据联合使用

获取清洁燃料仅是降低健康风险的必要条件之一，实际风险受多重因素影响

错误做法：用中国与非洲或南亚国家的同一时期数值做横向排名比较，直接得出"中国做得更好"的结论

正确做法：在比较时标注各国的起点差异、统计口径差异和数据来源差异，并结合发展阶段综合判断

各国的起点、约束条件和统计标准不同，横向排名容易产生误导性结论

错误做法：将2020年代的较低增长倍数解读为中国推广工作"停滞"或"倒退"

正确做法：将低倍数解释为覆盖率已处于高位，边际改善难度增大，需要结合剩余未覆盖人口分布情况分析

高覆盖率下的增长倍数自然低于低覆盖率阶段

错误做法：将城市与农村清洁烹饪燃料获取率简单相减得出"城乡差距"，未考虑人口规模权重

正确做法：计算人口加权的城乡差距，或使用基尼系数等分解指标

简单相减未考虑城乡人口规模差异，不能准确反映实际获得感差距

实际应用场景

农村清洁能源转型对居民健康的影响评估：评估中国或发展中国家农村清洁烹饪燃料普及项目对减少下呼吸道感染、慢性阻塞性肺病等疾病发病率的因果效应被解释变量（核心结果变量）建议使用双重差分或合成控制法，利用政策实施的时间差异和地区差异构造对照组，同时控制家庭收入、教育水平和地理条件等混淆因素
能源贫困与农村妇女儿童发展成果的关系研究：分析清洁烹饪燃料获取对女性和女童时间分配（减少燃料采集时间）、教育参与和健康状况的链式影响中介变量或解释变量可采用中介效应分析或多阶段路径模型，注意时间滞后效应和双向因果问题的工具变量处理
能源结构转型对大气污染和碳排放的贡献分析：评估农村清洁烹饪燃料替代传统固体燃料对区域PM2.5浓度和温室气体排放的边际贡献解释变量（核心机制变量）结合能源消费结构和排放因子数据，使用面板回归或空间计量模型，控制气象条件和产业结构
全球农村清洁烹饪进展的收敛性与异质性研究：研究不同收入组别、区域和资源禀赋国家的清洁烹饪燃料获取率增长路径，检验绝对收敛或条件收敛假说被解释变量（收敛检验对象）使用面板单位根和面板协整方法，控制初始禀赋、制度质量和人力资本等条件变量
多维能源贫困指标的构建与验证：将清洁烹饪燃料获取率与电力获取率、能源可负担性等指标整合，构建更全面的多维能源贫困测度体系构成指标采用主成分分析或公因子分析确定权重，与单一维度的能源贫困指标进行稳健性比较