人力资本指数Plus（HCI+）：在职学习支柱得分（女性，标度 -30–87）

Human capital index plus (HCI+): on-the-job learning pillar score, female (scale -30–87)

下载数据

指标代码：HD_HCIP_OTJL_FE所属主题：公共部门：Policy & institutionsPublic Sector: Policy & institutions

2025最新有效年份

170最新年份有值国家

265历史上有数据经济体

96%总体缺失率

指标解释

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

The human capital index plus (HCI+): on-the-job learning pillar score measures human capital accumulation after age 18 through work experience. The measure captures labor force participation, unemployment, and wage employment for youth and adults.

可供参考的中文翻译：人力资本指数Plus（HCI+）的在职学习支柱得分，用于衡量个体18岁以后通过工作经验所积累的人力资本。该指标综合反映了青年和成年群体的劳动参与率、失业率以及工资就业状况。

数据口径与风险提示

本指标仅反映女性的在职学习人力资本积累，不可直接与男性指标进行简单比较，需结合HD_HCIP_OTJL_MA分析性别差异。
指标捕捉的是18岁以后通过工作获得的人力资本增量，与教育支柱得分（HD_HCIP_EDUC_FE）反映的内容相互独立。
数据以五年为间隔更新，时间序列较稀疏，趋势判断需谨慎。
该指数综合了劳动参与、失业和工资就业等多维度信息，复合得分可能掩盖各分项之间的结构性差异。
世界平均值因缺少数据点而无从计算，本页面趋势分析仅基于中国自身历史序列。
指数标度为-30至87，部分国家或时期可能出现负值或接近下限的得分，需结合完整HCI+框架理解。

中国趋势

趋势解读

中国女性在职学习人力资本得分在2015年至2025年间呈现先升后稳的走势。2015年基期得分为38.73，2020年升至40.14的阶段高点，2025年小幅回落至40.01。整体看，十年累计变化约为1.28个指数点，末期与期初之比为1.033，即整体增幅约3.3%。2020至2025年间变化极小，得分几乎持平，提示在职学习方面的女性人力资本积累或已触及阶段性天花板。结合劳动参与和工资就业等多因素综合形成的指数得分，其轻微回调需进一步结合就业结构和劳动市场变化加以验证。

基期（2015年）得分为38.73，为该序列最低点；
2020年得分升至40.14，为该序列最高点；
末期（2025年）得分为40.01，介于两者之间；
从2015到2025累计增长约1.28个指数点；
末期值为期初值的1.033倍，累计增幅约3.3%；
2020至2025年间仅下降约0.13个指数点，几乎持平。
数据仅有三个五年间隔点，趋势判断需预留较大置信区间；
该指标为复合指数，劳动参与率、失业率和工资就业等分项的具体贡献未单独呈现；

全球趋势

趋势解读

世界平均水平在该指标上暂无有效数据点，世界银行数据库中未收录全球或区域汇总序列。因此，无法直接进行中国与世界趋势的对比分析，也无法计算全球在职学习女性人力资本的平均水平或变化方向。本页面世界趋势分析暂不适用，后续数据更新后需重新评估。

世界聚合序列（含全球均值或中位数）的数据点数量为0；
无任何年份的世界平均水平可供趋势描述。
缺少世界对照数据，中国趋势的相对意义无法判断；
本指标为五年更新一次，在全球数据补齐前，跨国家比较存在结构性数据缺失；
不宜基于现有信息对全球在职学习女性人力资本状况作任何推断。

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	-	-	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。
2010-2019	-	-	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。
2020-2029	1.0x	-	该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。

2025 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	Iceland 冰岛	ISL	65.7
2	Netherlands 荷兰	NLD	60.9
3	Estonia 爱沙尼亚	EST	60.6
4	Switzerland 瑞士	CHE	59.8
5	Belarus 白俄罗斯	BLR	59.8
6	Japan 日本	JPN	59.3
7	Sweden 瑞典	SWE	58.8
8	Norway 挪威	NOR	58.5
9	Germany 德国	DEU	58.5
10	Australia 澳大利亚	AUS	58.4
11	New Zealand 新西兰	NZL	58.2
12	Denmark 丹麦	DNK	57.9
13	Seychelles 塞舌尔	SYC	57.6
14	Ireland 爱尔兰	IRL	56.1
15	Finland 芬兰	FIN	55.5
16	Malta 马耳他	MLT	55.4
17	Canada 加拿大	CAN	55.0
18	Lithuania 立陶宛	LTU	54.3
19	Austria 奥地利	AUT	54.2
20	United Kingdom 英国	GBR	54.0
21	Israel 以色列	ISR	53.1
22	Cyprus 塞浦路斯	CYP	52.8
23	Kazakhstan 哈萨克斯坦	KAZ	52.4
24	Latvia 拉脱维亚	LVA	51.7
25	St. Lucia 圣卢西亚	LCA	51.5
26	Singapore 新加坡	SGP	51.4
27	Slovenia 斯洛文尼亚	SVN	51.1
28	United States 美国	USA	50.6
29	Portugal 葡萄牙	PRT	50.6
30	Qatar 卡塔尔	QAT	50.6
31	Hungary 匈牙利	HUN	50.3
32	Russian Federation 俄罗斯	RUS	50.0
33	France 法国	FRA	49.5
34	Czechia 捷克	CZE	49.1
35	Poland 波兰	POL	47.8
36	Jamaica 牙买加	JAM	45.9
37	Luxembourg 卢森堡	LUX	45.4
38	Croatia 克罗地亚	HRV	45.0
39	Slovak Republic 斯洛伐克	SVK	44.8
40	Viet Nam 越南	VNM	44.7
41	Grenada 格林纳达	GRD	44.0
42	Moldova 摩尔多瓦	MDA	43.8
43	Belgium 比利时	BEL	43.1
44	Bulgaria 保加利亚	BGR	42.6
45	Korea, Rep. 韩国	KOR	42.2
46	Spain 西班牙	ESP	41.7
47	Thailand 泰国	THA	40.0
48	China 中国	CHN	40.0
49	Uruguay 乌拉圭	URY	40.0
50	Bolivia 玻利维亚	BOL	39.5
51	Tanzania 坦桑尼亚	TZA	38.4
52	Serbia 塞尔维亚	SRB	38.1
53	Burundi 布隆迪	BDI	37.3
54	Cambodia 柬埔寨	KHM	37.3
55	Azerbaijan 阿塞拜疆	AZE	37.2
56	United Arab Emirates 阿联酋	ARE	37.1
57	Peru 秘鲁	PER	36.7
58	Argentina 阿根廷	ARG	35.8
59	Montenegro 黑山	MNE	35.8
60	Ukraine 乌克兰	UKR	35.4
61	Paraguay 巴拉圭	PRY	35.0
62	Benin 贝宁	BEN	34.7
63	Brazil 巴西	BRA	34.6
64	Brunei Darussalam 文莱	BRN	34.3
65	Malaysia 马来西亚	MYS	33.7
66	Nauru 瑙鲁	NRU	33.1
67	Uganda 乌干达	UGA	33.0
68	Dominican Republic 多米尼加共和国	DOM	32.9
69	Chile 智利	CHL	32.6
70	Mongolia 蒙古	MNG	32.4
71	Greece 希腊	GRC	32.3
72	Madagascar 马达加斯加	MDG	32.1
73	Congo, Rep. 刚果（布）	COG	32.0
74	Armenia 亚美尼亚	ARM	32.0
75	Nigeria 尼日利亚	NGA	31.7
76	Albania 阿尔巴尼亚	ALB	31.6
77	Mozambique 莫桑比克	MOZ	31.0
78	Togo 多哥	TGO	30.1
79	Niger 尼日尔	NER	29.8
80	Romania 罗马尼亚	ROU	28.8
81	Belize 伯利兹	BLZ	28.6
82	Angola 安哥拉	AGO	28.5
83	Malawi 马拉维	MWI	28.3
84	Italy 意大利	ITA	28.1
85	Bahrain 巴林	BHR	27.8
86	Kuwait 科威特	KWT	27.4
87	Ghana 加纳	GHA	27.3
88	Rwanda 卢旺达	RWA	27.1
89	Maldives 马尔代夫	MDV	26.9
90	Mexico 墨西哥	MEX	26.7
91	Costa Rica 哥斯达黎加	CRI	26.6
92	Turkmenistan 土库曼斯坦	TKM	26.5
93	Panama 巴拿马	PAN	26.5
94	Colombia 哥伦比亚	COL	26.5
95	North Macedonia 北马其顿	MKD	26.3
96	Botswana 博茨瓦纳	BWA	26.0
97	Philippines 菲律宾	PHL	25.8
98	Georgia 格鲁吉亚	GEO	25.4
99	Lao PDR 老挝	LAO	25.2
100	Burkina Faso 布基纳法索	BFA	24.8
101	El Salvador 萨尔瓦多	SLV	24.5
102	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	24.4
103	Guatemala 危地马拉	GTM	23.3
104	Indonesia 印度尼西亚	IDN	22.9
105	Ecuador 厄瓜多尔	ECU	22.4
106	Cote d'Ivoire 科特迪瓦	CIV	22.1
107	Cameroon 喀麦隆	CMR	21.9
108	Tonga 汤加	TON	21.8
109	Guinea-Bissau 几内亚比绍	GNB	21.8
110	Nicaragua 尼加拉瓜	NIC	21.7
111	Bhutan 不丹	BTN	21.5
112	Congo, Dem. Rep. 刚果（金）	COD	21.4
113	Cabo Verde 佛得角	CPV	20.7
114	Zambia 赞比亚	ZMB	20.5
115	Central African Republic 中非共和国	CAF	20.5
116	Suriname 苏里南	SUR	20.5
117	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	20.4
118	Namibia 纳米比亚	NAM	20.3
119	Myanmar 缅甸	MMR	19.6
120	Ethiopia 埃塞俄比亚	ETH	18.8
121	Kenya 肯尼亚	KEN	18.6
122	Bosnia and Herzegovina 波黑	BIH	18.1
123	Zimbabwe 津巴布韦	ZWE	17.5
124	Lesotho 莱索托	LSO	16.1
125	Sierra Leone 塞拉利昂	SLE	16.1
126	Haiti 海地	HTI	15.7
127	Mauritius 毛里求斯	MUS	15.7
128	Honduras 洪都拉斯	HND	14.9
129	Oman 阿曼	OMN	14.7
130	Fiji 斐济	FJI	14.7
131	Comoros 科摩罗	COM	14.3
132	Kiribati 基里巴斯	KIR	14.2
133	Turkiye 土耳其	TUR	13.6
134	Tuvalu 图瓦卢	TUV	13.3
135	Guyana 圭亚那	GUY	12.2
136	Uzbekistan 乌兹别克斯坦	UZB	10.6
137	Chad 乍得	TCD	10.3
138	Gambia, The 冈比亚	GMB	10.3
139	South Africa 南非	ZAF	9.60
140	Lebanon 黎巴嫩	LBN	7.75
141	Liberia 利比里亚	LBR	7.71
142	Vanuatu 瓦努阿图	VUT	7.27
143	Guinea 几内亚	GIN	6.85
144	Mali 马里	MLI	6.59
145	Marshall Islands 马绍尔群岛	MHL	6.21
146	Sri Lanka 斯里兰卡	LKA	6.12
147	Saudi Arabia 沙特阿拉伯	SAU	5.96
148	Samoa 萨摩亚	WSM	5.80
149	Bangladesh 孟加拉国	BGD	5.73
150	Gabon 加蓬	GAB	5.30
151	Eswatini 斯威士兰	SWZ	4.69
152	India 印度	IND	0.88
153	Timor-Leste 东帝汶	TLS	-1.38
154	Tunisia 突尼斯	TUN	-1.72
155	Senegal 塞内加尔	SEN	-2.11
156	Nepal 尼泊尔	NPL	-4.60
157	Mauritania 毛里塔尼亚	MRT	-6.29
158	Egypt, Arab Rep. 埃及	EGY	-7.55
159	Pakistan 巴基斯坦	PAK	-9.43
160	Tajikistan 塔吉克斯坦	TJK	-9.68
161	Morocco 摩洛哥	MAR	-10.1
162	Jordan 约旦	JOR	-10.9
163	West Bank and Gaza 约旦河西岸和加沙	PSE	-11.5
164	Afghanistan 阿富汗	AFG	-12.4
165	Iran, Islamic Rep. 伊朗	IRN	-14.9
166	Algeria 阿尔及利亚	DZA	-15.0
167	Sudan 苏丹	SDN	-17.2
168	Djibouti 吉布提	DJI	-18.9
169	Iraq 伊拉克	IRQ	-21.3
170	Yemen, Rep. 也门	YEM	-26.3

使用建议、常见误用与研究场景

数值较高通常意味着什么

在职学习支柱得分较高，表示女性通过工作实践积累的人力资本更为丰厚，劳动参与率和工资就业水平相对更优，失业风险相对较低。

数值较低通常意味着什么

得分较低通常反映女性劳动参与不足、失业率偏高或工资就业比例偏低，意味着通过在职学习渠道积累的人力资本相对有限。

鍙ｅ緞闄愬埗

该指标为复合指数，劳动参与率、失业率和工资就业等分项的具体贡献未单独呈现，解读时需注意复合效应。
指标更新以五年为间隔，时间序列稀疏，短期波动可能被平滑，趋势判断需预留较大置信区间。
世界平均值数据缺失，无法直接进行跨国横向比较，中国得分的相对优劣无从判断。
指数标度范围为-30至87，部分极端情形下可能出现负值或接近下限，需结合完整HCI+框架理解。

使用建议

仅使用中国数据做趋势分析时，应结合就业结构和劳动市场政策变化做辅助验证。
跨国比较研究应等待世界数据补齐后再进行，避免因数据缺失导致结论偏差。
在使用该指标作为因变量或控制变量时，应明确说明其复合性质及可能的信号掩盖效应。
建议配合使用劳动参与率、失业率等细分指标，以分解在职学习得分的结构性来源。

常见错误用法

错误做法：直接将女性得分与男性得分进行简单数值对比，判断“谁更优”。

正确做法：应将男女得分放在同一HCI+框架下，结合分支柱差异分析性别差距的结构性来源。

男女指标衡量的是不同群体的劳动市场参与状况，简单比大小忽视了性别间就业结构、工资差异等深层因素，易产生误导性结论。

错误做法：基于仅有2020年代中国数据，对全球女性在职学习人力资本状况作概括性推断。

正确做法：应明确说明数据局限性，仅依据中国历史序列描述本国趋势，不做跨国家或全球性推断。

世界数据全期缺失，中国数据点也极为有限，有限信息无法支撑全球或一般性结论的得出。

错误做法：将该指标直接等同于女性工资水平或劳动生产率的代理变量。

正确做法：应将其理解为综合反映劳动参与、失业和工资就业等多维度的复合人力资本得分，而非单一维度的经济指标。

在职学习支柱得分由多个劳动市场指标加权合成，与工资水平或生产率之间存在间接而非直接的对应关系。

错误做法：忽略五年间隔更新特征，将每一年数据都视为独立趋势点进行回归或相关性分析。

正确做法：进行时间序列建模时，应注明数据稀疏性及时间间隔特征，适当调整模型设定。

五年为间隔的数据点在时间维度上相互关联，在进行计量分析时需考虑时间依赖性及样本量不足带来的估计偏误。

实际应用场景

女性劳动参与与人力资本积累的协同效应分析：研究女性劳动参与率提升对在职学习人力资本得分的边际贡献，区分主动就业选择与被动就业结构的差异。被解释变量（结果变量）：用于衡量女性通过工作获得的人力资本积累水平。建议采用面板数据固定效应模型或多期差分法控制地区和时间固定因素，同时注意数据稀疏导致的自由度约束问题。
教育投资与在职学习的互补性检验：分析女性正规教育年限与在职学习支柱得分的交互效应，考察教育基础是否显著提升工作经验转化为人力资本的效率。被解释变量或机制变量：用于验证教育与工作经验的互补关系。可引入教育年限与得分的交叉项，若交叉项显著为正，则支持互补假说；建议使用工具变量解决内生性问题。
产业升级背景下女性人力资本韧性评估：结合产业结构调整变量，评估制造业向服务业转型过程中女性在职学习人力资本的适应性变化。稳健性检验变量：用于验证核心结论在不同人力资本度量下的稳健性。将HCI+在职学习得分与细分劳动市场指标（如女性工资就业比）作平行稳健性检验，注意指标间可能存在共线性。