城镇人口中生活在贫民窟的居民比例

Population living in slums (% of urban population)

下载数据

指标代码：EN.POP.SLUM.UR.ZS所属主题：环境：Density & urbanizationEnvironment: Density & urbanization

2022最新有效年份

169最新年份有值国家

265历史上有数据经济体

86%总体缺失率

指标解释

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

Population living in slums is the proportion of the urban population living in slum households. A slum household is defined as a group of individuals living under the same roof lacking one or more of the following conditions: access to improved water, access to improved sanitation, sufficient living area, housing durability, and security of tenure, as adopted in the Millennium Development Goal Target 7.D. The successor, the Sustainable Development Goal 11.1.1, considers inadequate housing (housing affordability) to complement the above definition of slums/informal settlements.

可供参考的中文翻译：生活在贫民窟的人口是指占城镇人口的比例。贫民窟住户定义为在同一下居住的一组人，缺乏以下一项或多项条件：获得改善的水源、获得改善的卫生设施、足够的居住面积、住房耐久性和租住权保障。这一指标采用了千年发展目标目标7.D的定义。后继的可持续发展目标11.1.1在上述贫民窟非正规住区定义的基础上，还考虑了住房负担能力（不足住房）指标。

数据口径与风险提示

本指标采用千年发展目标（MDG）目标7.D的贫民窟定义，与后续可持续发展目标（SDG）11.1.1的定义存在差异，后者增加了住房负担能力考量
中国仅有2022年单一数据点，无法建立长期趋势
全球数据仅包含2018年和2022年两个时间点，五年期变化分析存在局限性
不同国家在住房条件评估方法上存在差异，影响跨国可比性
贫民窟的识别依赖于各国统计部门的调查口径
快速城镇化进程中统计口径的变化可能影响数据连续性
该指标反映的是相对比例而非绝对人数

中国趋势

趋势解读

中国在2022年的城镇贫民窟人口比例为26.32%，是中国有记录以来的唯一数据。由于仅有一个年份的数据，无法判断长期趋势变化。该数值高于同期世界平均水平，反映了中国城镇化进程中仍存在一定规模的非正规住房问题。

2022年数据为26.32%（为唯一记录年份）
该数值高于全球2022年23.23%的水平
仅有一个年份数据，无法计算变化趋势
缺乏历史纵向可比性
数据代表性受限于统计调查范围

全球趋势

趋势解读

全球城镇贫民窟人口比例在2018年至2022年间呈上升趋势，从约19.7%上升至23.2%，增加了约3.6个百分点。这一变化可能反映了发展中国家快速城镇化过程中住房供给不足的挑战，以及统计口径完善后对非正规住区的识别能力增强。

2018年全球比例约为19.67%
2022年全球比例上升至约23.23%
四年间增长了3.56个百分点
最新值与初期值之比为1.18倍
仅有两个时间点，趋势判断需谨慎
增长可能部分源于统计方法改进
全球均值掩盖了各区域差异

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1970-1979	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1980-1989	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1990-1999	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
2000-2009	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
2010-2019	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
2020-2029	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。

2022 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	South Sudan 南苏丹	SSD	94.2
2	Mali 马里	MLI	92.5
3	Burkina Faso 布基纳法索	BFA	87.9
4	Sao Tome and Principe 圣多美和普林西比	STP	82.4
5	Chad 乍得	TCD	82.0
6	Congo, Dem. Rep. 刚果（金）	COD	78.4
7	Congo, Rep. 刚果（布）	COG	75.3
8	Sudan 苏丹	SDN	73.7
9	Afghanistan 阿富汗	AFG	71.6
10	Niger 尼日尔	NER	70.4
11	Tanzania 坦桑尼亚	TZA	70.1
12	Central African Republic 中非共和国	CAF	68.9
13	Madagascar 马达加斯加	MDG	65.7
14	Equatorial Guinea 赤道几内亚	GNQ	64.7
15	Ethiopia 埃塞俄比亚	ETH	64.3
16	Benin 贝宁	BEN	64.0
17	Angola 安哥拉	AGO	62.7
18	Liberia 利比里亚	LBR	60.5
19	Guinea-Bissau 几内亚比绍	GNB	59.0
20	Mauritania 毛里塔尼亚	MRT	58.6
21	Myanmar 缅甸	MMR	58.3
22	Ecuador 厄瓜多尔	ECU	57.8
23	Pakistan 巴基斯坦	PAK	56.0
24	Mozambique 莫桑比克	MOZ	55.0
25	Zimbabwe 津巴布韦	ZWE	54.9
26	Lao PDR 老挝	LAO	54.8
27	Uganda 乌干达	UGA	52.7
28	Bangladesh 孟加拉国	BGD	51.5
29	Haiti 海地	HTI	51.1
30	Tuvalu 图瓦卢	TUV	50.9
31	Iraq 伊拉克	IRQ	49.3
32	Sierra Leone 塞拉利昂	SLE	49.3
33	Djibouti 吉布提	DJI	48.7
34	Eritrea 厄立特里亚	ERI	48.7
35	Mauritius 毛里求斯	MUS	48.7
36	Seychelles 塞舌尔	SYC	48.7
37	Somalia, Fed. Rep. 索马里	SOM	48.7
38	Comoros 科摩罗	COM	48.5
39	Nigeria 尼日利亚	NGA	48.5
40	Cote d'Ivoire 科特迪瓦	CIV	48.3
41	Zambia 赞比亚	ZMB	48.3
42	Bolivia 玻利维亚	BOL	46.6
43	Senegal 塞内加尔	SEN	46.4
44	Cabo Verde 佛得角	CPV	46.4
45	Peru 秘鲁	PER	45.1
46	Bhutan 不丹	BTN	44.7
47	Iran, Islamic Rep. 伊朗	IRN	44.7
48	Sri Lanka 斯里兰卡	LKA	44.7
49	Yemen, Rep. 也门	YEM	44.2
50	Guinea 几内亚	GIN	44.0
51	Cambodia 柬埔寨	KHM	42.3
52	Namibia 纳米比亚	NAM	41.4
53	Syrian Arab Republic 叙利亚	SYR	41.1
54	Kenya 肯尼亚	KEN	40.5
55	Nepal 尼泊尔	NPL	40.1
56	Botswana 博茨瓦纳	BWA	39.6
57	Gabon 加蓬	GAB	38.8
58	Togo 多哥	TGO	38.5
59	Rwanda 卢旺达	RWA	38.3
60	Malawi 马拉维	MWI	38.0
61	Guatemala 危地马拉	GTM	37.6
62	Gambia, The 冈比亚	GMB	37.1
63	Burundi 布隆迪	BDI	36.8
64	Philippines 菲律宾	PHL	35.9
65	Maldives 马尔代夫	MDV	34.8
66	Samoa 萨摩亚	WSM	34.6
67	Timor-Leste 东帝汶	TLS	33.9
68	Ghana 加纳	GHA	33.5
69	Cameroon 喀麦隆	CMR	32.7
70	Viet Nam 越南	VNM	32.5
71	China 中国	CHN	26.3
72	Venezuela, RB 委内瑞拉	VEN	25.7
73	Lesotho 莱索托	LSO	25.6
74	South Africa 南非	ZAF	24.2
75	Korea, Dem. People's Rep. 朝鲜	PRK	23.0
76	Papua New Guinea 巴布亚新几内亚	PNG	22.3
77	Brunei Darussalam 文莱	BRN	21.6
78	Indonesia 印度尼西亚	IDN	19.4
79	Mongolia 蒙古	MNG	17.9
80	Mexico 墨西哥	MEX	17.6
81	Eswatini 斯威士兰	SWZ	17.0
82	Libya 利比亚	LBY	16.6
83	El Salvador 萨尔瓦多	SLV	16.5
84	Panama 巴拿马	PAN	16.3
85	Suriname 苏里南	SUR	15.8
86	Belize 伯利兹	BLZ	15.7
87	Paraguay 巴拉圭	PRY	15.1
88	Brazil 巴西	BRA	14.9
89	Argentina 阿根廷	ARG	14.5
90	Turkiye 土耳其	TUR	14.1
91	Algeria 阿尔及利亚	DZA	13.2
92	Guyana 圭亚那	GUY	11.3
93	Dominican Republic 多米尼加共和国	DOM	11.2
94	Cuba 古巴	CUB	11.0
95	Morocco 摩洛哥	MAR	10.9
96	Colombia 哥伦比亚	COL	9.70
97	Fiji 斐济	FJI	9.40
98	Montenegro 黑山	MNE	8.77
99	Ireland 爱尔兰	IRL	8.50
100	Armenia 亚美尼亚	ARM	8.39
101	Turkmenistan 土库曼斯坦	TKM	8.38
102	Tunisia 突尼斯	TUN	7.64
103	Chile 智利	CHL	7.32
104	Uzbekistan 乌兹别克斯坦	UZB	7.10
105	Georgia 格鲁吉亚	GEO	7.08
106	Kiribati 基里巴斯	KIR	5.93
107	Lebanon 黎巴嫩	LBN	4.53
108	Korea, Rep. 韩国	KOR	4.50
109	Poland 波兰	POL	4.22
110	Egypt, Arab Rep. 埃及	EGY	3.84
111	Costa Rica 哥斯达黎加	CRI	3.55
112	Vanuatu 瓦努阿图	VUT	3.06
113	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	2.76
114	Albania 阿尔巴尼亚	ALB	2.70
115	Antigua and Barbuda 安提瓜和巴布达	ATG	2.65
116	Russian Federation 俄罗斯	RUS	2.62
117	Romania 罗马尼亚	ROU	2.52
118	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	2.44
119	Marshall Islands 马绍尔群岛	MHL	2.38
120	Japan 日本	JPN	2.00
121	Solomon Islands 所罗门群岛	SLB	1.95
122	Serbia 塞尔维亚	SRB	1.42
123	Uruguay 乌拉圭	URY	1.30
124	Canada 加拿大	CAN	1.10
125	Jamaica 牙买加	JAM	0.88
126	Kazakhstan 哈萨克斯坦	KAZ	0.79
127	Palau 帕劳	PLW	0.62
128	Nauru 瑙鲁	NRU	0.60
129	Latvia 拉脱维亚	LVA	0.59
130	Saudi Arabia 沙特阿拉伯	SAU	0.55
131	Croatia 克罗地亚	HRV	0.53
132	Slovenia 斯洛文尼亚	SVN	0.53
133	Lithuania 立陶宛	LTU	0.51
134	St. Lucia 圣卢西亚	LCA	0.44
135	Estonia 爱沙尼亚	EST	0.35
136	Sweden 瑞典	SWE	0.34
137	Bosnia and Herzegovina 波黑	BIH	0.31
138	Tonga 汤加	TON	0.31
139	North Macedonia 北马其顿	MKD	0.28
140	Cyprus 塞浦路斯	CYP	0.27
141	Bulgaria 保加利亚	BGR	0.20
142	United Kingdom 英国	GBR	0.16
143	United Arab Emirates 阿联酋	ARE	0.11
144	United States 美国	USA	0.09
145	Slovak Republic 斯洛伐克	SVK	0.07
146	Portugal 葡萄牙	PRT	0.06
147	Austria 奥地利	AUT	0.05
148	Spain 西班牙	ESP	0.05
149	Malta 马耳他	MLT	0.04
150	Australia 澳大利亚	AUS	0.04
151	Czechia 捷克	CZE	0.03
152	Italy 意大利	ITA	0.02
153	Luxembourg 卢森堡	LUX	0.02
154	Andorra 安道尔	AND	0.00
155	Belgium 比利时	BEL	0.00
156	Denmark 丹麦	DNK	0.00
157	Finland 芬兰	FIN	0.00
158	France 法国	FRA	0.00
159	Germany 德国	DEU	0.00
160	Iceland 冰岛	ISL	0.00
161	Kuwait 科威特	KWT	0.00
162	Monaco 摩纳哥	MCO	0.00
163	Netherlands 荷兰	NLD	0.00
164	New Zealand 新西兰	NZL	0.00
165	Norway 挪威	NOR	0.00
166	Oman 阿曼	OMN	0.00
167	Qatar 卡塔尔	QAT	0.00
168	Singapore 新加坡	SGP	0.00
169	Switzerland 瑞士	CHE	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

该比例越高，说明城镇人口中有更大比例的居民居住在缺乏基本条件的住房中，城市住房质量和基础设施覆盖相对较差。

数值较低通常意味着什么

该比例越低，说明城镇人口中居住在符合基本标准的住房的居民比例越高，城市居住条件和公共服务覆盖较好。

鍙ｅ緞闄愬埗

该指标无法反映绝对贫困人口规模，仅表示相对比例关系
MDG目标7.D定义与SDG目标11.1.1定义存在差异，跨时期比较需谨慎
不同国家调查方法和数据质量存在差异
无法区分贫民窟内部的生活条件差异程度
非正规住区识别标准可能随时间和政策调整而变化
该指标是存量比例，不能直接反映住房条件的动态改善或恶化

使用建议

分析时应结合住房面积、基础设施覆盖等细分指标
跨国比较应考虑各国城镇化发展阶段和住房制度差异
使用时须标注数据年份和对应的指标定义版本
结合城镇人口总量数据计算绝对规模后再做规模比较
可与住房投资、公共服务投入等政策变量结合进行归因分析
建议参考SDG 11.1.1住房不足率数据进行补充验证

常见错误用法

错误做法：将中国的城镇贫民窟人口比例（约26%）直接等同于绝对贫困人数，声称中国有超过X亿人生活在贫民窟

正确做法：该指标反映的是相对比例，需要结合城镇人口总数来估算绝对人数

比例指标本身无法说明绝对规模，高比例不等于人数多

错误做法：将该比例高直接解读为城市治理能力差或政府政策失败

正确做法：应结合城镇化速度、住房市场结构、土地制度等系统性因素综合分析

贫民窟是发展中国家城镇化过程中的普遍现象，反映了快速城市化与住房供给之间的结构性矛盾

错误做法：直接将该比例与非洲最不发达国家进行排名比较，得出中国不如很多非洲穷国的结论

正确做法：城镇化阶段、人口规模、土地制度差异均会影响该比例，应进行结构性比较而非简单排名

不同发展阶段和制度背景的国家在该指标上不可直接类比

错误做法：用2022年中国数据与2018年世界数据进行直接对比，计算中国高出世界约7个百分点

正确做法：应尽量使用相近年份或相同年份的数据进行对比

数据年份不匹配可能影响可比性，且世界数据在四年间已发生显著变化

实际应用场景

城镇化质量与住房需求匹配度评估：评估特定国家或地区城镇化发展质量与住房供给的匹配程度 outcome 该指标可作为城镇化发展质量的综合结果变量，与城镇化率、城市基础设施投资等变量配合使用，分析住房供给与城镇化需求的匹配程度与缺口
发展中国家城镇化与贫困人口空间分布研究：研究城镇化进程中贫困人口的空间集聚特征 explanatory 可将该指标作为解释变量，分析城镇化速度、模式与贫民窟形成的关系，控制人均收入、城市政策、土地制度等结构性变量进行因果推断
住房政策干预效果评估：评估大规模保障性住房项目或城中村改造对城镇住房条件的改善效果 outcome 可采用双重差分或合成控制法，比较政策实施前后贫民窟比例的变化，控制经济周期、城镇化速度等协变量进行政策效果评估
城市环境公平与脆弱群体分析：分析贫民窟居民与城市环境风险的空间重叠关系 mechanism 结合PM2.5暴露、低洼地区居住比例等环境变量，分析非正规住区居民面临的环境风险暴露差异，为城市环境公平研究提供机制解释