经历过电力中断的企业（占企业总数的百分比）
Firms experiencing electrical outages (% of firms)
下载数据指标解释
World Bank official description / 世界银行官方说明
Percentage of firms that experienced power outages over the last complete fiscal year.
可供参考的中文翻译：在上一个完整财年内经历过电力中断的企业所占的百分比。该指标反映企业运营环境中电力供应的可靠性程度。
数据口径与风险提示
- 该指标基于企业调查，样本主要为正规部门企业，不包含非正式经济中的微型企业
- 调查年份不连续，中国仅有2012年和2024年两个观测点，难以构建完整趋势
- 世界平均值仅有2025年单一年份，无法与其他时期进行纵向比较
- 各年度调查中不同国家样本企业的行业分布和规模结构存在差异
- 该指标仅反映是否经历停电事件，未包含停电频率和持续时长信息
- 电力中断的定义和问卷措辞在不同调查轮次中可能存在细微调整
- 发展中国家样本占比偏高，可能系统性拉高全球平均值
中国趋势
根据现有两个观测点数据，中国企业经历电力中断的比例呈显著下降态势。2012年调查数据显示约33.7%的企业曾遭遇停电问题，而2024年该比例已降至约3.7%，降幅超过30个百分点。这一变化可能反映了过去十余年间中国电力基础设施建设的大规模投入以及电网管理水平的提升。然而由于仅有首尾两个年份数据，中间的演变轨迹尚不清晰，下降是否呈线性、在哪一阶段出现转折等细节信息不足，解读时需保持审慎。
- 2012年调查值为33.69%，2024年调查值为3.66%
- 期末值为期初值的约0.11倍，即下降约89%
- 2012年为中国有记录以来的最高值，2024年则为其最低值
- 数据点数量仅为2个，时间跨度为12年
- 仅有首尾两年数据，无法判断中间年份的过渡特征
- 2012年调查与2024年调查在样本设计、问卷措辞等方面可能存在差异
- 企业调查覆盖范围主要为规模以上正规企业，不包括小摊贩等非正式经营者
- 宏观基础设施改善是否同步惠及所有地区和行业尚待验证
全球趋势
世界平均值目前仅有2025年单一年份数据（约48.03%），缺乏历史序列支撑，无法进行趋势分析。从该基准值来看，全球范围内仍有近半数企业面临电力中断问题，发展中国家集中的地区该比例通常更高。鉴于单一数据点的局限性，不宜据此做出趋势判断，建议结合分地区或分收入组的子样本数据进行解读。
- 2025年世界平均值为48.03%
- 数据点数量仅为1个
- 2025年即为有记录以来的最新值也为首个值
- 仅有单一年份数据，完全无法支撑趋势分析
- 不同收入组别、不同地区的数据结构差异较大，全球均值代表性有限
- 该世界平均值可能受调查覆盖国家数量和样本构成影响
每十年变化摘要
| 十年区间 | 中国变化 | 世界变化 | 提示 |
|---|---|---|---|
| 1960-1969 | - | - | 无可靠数据，该时期中国尚未开展此类企业调查，全球数据亦不可得。 |
| 1970-1979 | - | - | 无可靠数据，该指标的概念框架和数据采集在此阶段尚未建立。 |
| 1980-1989 | - | - | 无可靠数据，中国企业调查体系在改革开放初期尚未系统化。 |
| 1990-1999 | - | - | 无可靠数据，企业经营环境调查在中国尚未常规化实施。 |
| 2000-2009 | - | - | 无可靠数据，该时期中国企业调查虽有部分尝试，但未形成可比序列。 |
| 2010-2019 | - | - | 中国数据仅有一个观测点（2012年），无法计算十年期变化率；全球数据在该时期亦无有效记录。 |
| 2020-2029 | - | - | 中国数据起始于2024年，尚不足以构成完整十年的数据基础。 |
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 | Burundi 布隆迪 | BDI | 93.9 |
| 2 | Comoros 科摩罗 | COM | 91.7 |
| 3 | Guinea 几内亚 | GIN | 91.1 |
| 4 | Malawi 马拉维 | MWI | 89.1 |
| 5 | Kiribati 基里巴斯 | KIR | 88.0 |
| 6 | Gabon 加蓬 | GAB | 87.1 |
| 7 | Ethiopia 埃塞俄比亚 | ETH | 85.9 |
| 8 | Fiji 斐济 | FJI | 84.9 |
| 9 | Mauritania 毛里塔尼亚 | MRT | 84.3 |
| 10 | Nigeria 尼日利亚 | NGA | 82.5 |
| 11 | Solomon Islands 所罗门群岛 | SLB | 81.3 |
| 12 | Uganda 乌干达 | UGA | 79.9 |
| 13 | Sao Tome and Principe 圣多美和普林西比 | STP | 75.7 |
| 14 | Niger 尼日尔 | NER | 75.1 |
| 15 | Kenya 肯尼亚 | KEN | 74.6 |
| 16 | Guinea-Bissau 几内亚比绍 | GNB | 72.2 |
| 17 | Maldives 马尔代夫 | MDV | 71.5 |
| 18 | Liberia 利比里亚 | LBR | 64.5 |
| 19 | Suriname 苏里南 | SUR | 61.7 |
| 20 | Mozambique 莫桑比克 | MOZ | 58.8 |
| 21 | Somalia, Fed. Rep. 索马里 | SOM | 52.6 |
| 22 | Zimbabwe 津巴布韦 | ZWE | 52.5 |
| 23 | St. Lucia 圣卢西亚 | LCA | 50.2 |
| 24 | Kosovo 科索沃 | XKX | 49.7 |
| 25 | Brunei Darussalam 文莱 | BRN | 44.4 |
| 26 | Afghanistan 阿富汗 | AFG | 41.8 |
| 27 | Sri Lanka 斯里兰卡 | LKA | 38.1 |
| 28 | Egypt, Arab Rep. 埃及 | EGY | 35.6 |
| 29 | Albania 阿尔巴尼亚 | ALB | 33.2 |
| 30 | Bolivia 玻利维亚 | BOL | 32.4 |
| 31 | Denmark 丹麦 | DNK | 31.3 |
| 32 | Mongolia 蒙古 | MNG | 27.2 |
| 33 | Austria 奥地利 | AUT | 9.53 |
| 34 | Germany 德国 | DEU | 5.84 |
| 35 | Poland 波兰 | POL | 4.96 |
| 36 | Kuwait 科威特 | KWT | 3.47 |
| 37 | Saudi Arabia 沙特阿拉伯 | SAU | 0.67 |
| 38 | Qatar 卡塔尔 | QAT | 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
该指标数值越高，表明经历过电力中断的企业占比越大，通常意味着当地电力供应可靠性较差、基础设施水平较低或电网运维能力不足。
数值较低通常意味着什么
该指标数值越低，通常反映电力供应较为稳定，基础设施相对完善，或企业配备了备用电源等应急手段。
鍙ｅ緞闄愬埗
- 该指标为二分类变量（是否经历停电），不区分停电次数和持续时长，信息量有限
- 调查年份不连续，难以捕捉年度间的波动
- 样本以正规企业为主，对非正式经济部门的覆盖不足
- 不同国家调查年份错位，直接跨国比较需考虑经济周期差异
- 宏观基础设施改善与微观企业实际体验之间可能存在时滞
- 企业自报数据可能受主观感知和记忆偏差影响
使用建议
- 结合IC.ELC.DURS（通电等待时间）分析电力供应的时效性维度
- 结合IC.FRM.OUTG.ZS（电力中断导致的价值损失占比）评估经济影响程度
- 分行业、分规模、分地区进行分层分析，避免简单均值比较
- 使用时明确标注数据年份，因调查时点不同可比性受限
- 将电力可靠性指标与营商环境排名、制度质量指标联合解读
常见错误用法
错误做法：直接用2025年世界均值（48%）与中国2024年值（3.7%）对比，得出“中国电力供应是世界的12倍”的结论
正确做法：明确指出两者代表不同时间截面（世界为2025年数据，中国为2024年数据），且两者均只有单一年份值，趋势解读需更多年份验证
该指标数值越低表示越好，48%与3.7%的差异反映的是发展阶段差异而非单纯的倍数关系，简单倍数对比掩盖了数据结构特征
错误做法：仅凭2012年（33.7%）和2024年（3.7%）两个数据点就断言“中国停电问题已经彻底解决”或“电力基础设施已臻完善”
正确做法：强调中国数据仅有首尾两个离散观测点，时间跨度为12年，中间年份数据完全缺失，应审慎表述下降趋势，避免过度推论，同时提示需结合更细粒度年份数据和配套变量验证
两个数据点只能反映首尾差异，无法判断中间12年的变化路径——下降可能是线性的、非线性的，也可能在特定节点集中发生；此外宏观改善与微观体验之间可能存在时滞，解读时不宜过度外推
错误做法：将企业调查数据直接推广为“全体企业”或“整体经济”的停电状况，得出“近九成中国企业不再面临停电问题”的结论
正确做法：使用时明确说明企业调查覆盖范围主要为正规部门的中大型企业（以制造业和服务业为主），不包括小摊贩、农业个体户、路边店等非正式经营者，结论不宜直接扩展至整体经济
非正式经济部门通常缺乏正规电网接入保障，往往面临更严重的电力中断问题，简单将调查结论扩展至全体经济会系统性低估整体停电风险，造成结论偏误
错误做法：将2012年至2024年停电比例的大幅下降（约30个百分点）简单归因于电网投资或某项单一政策
正确做法：采用多元归因视角，综合考虑电网大规模投资、智能化改造、企业自备电源比例提升、产业结构调整、调查样本变化等多重因素，避免将复杂变化归结为单一原因
企业停电比例下降可能是电网改善、企业自身应对能力增强、样本结构调整等多重机制共同作用的结果，单一归因会过度简化政策效果的真实机制，且可能导致错误的政策启示
错误做法：将IC.ELC.OUTG.ZS（是否经历停电）与IC.FRM.OUTG.ZS（停电导致的销售额损失）混用，用停电比例直接评估经济损失规模
正确做法：明确区分两个指标的含义：IC.ELC.OUTG.ZS反映停电事件的发生频率（是二分类变量），IC.FRM.OUTG.ZS反映停电对销售额的实际影响，两者需结合使用才能全面评估电力可靠性的经济后果
经历过停电的企业比例与停电造成的实际损失比例并非同一概念——高频短时停电与低频长时停电可能产生相同的事件比例但截然不同的经济损失，需分别测量才能准确评估
实际应用场景
- 电力基础设施与企业生产效率：分析电力供应可靠性对制造业企业产出、利润率或出口能力的影响 解释变量 将电力中断经历作为核心解释变量，需控制行业、规模、地区、所有制等企业特征，同时可引入地区电网投资数据作为工具变量应对内生性
- 营商环境评估的电力维度：将电力中断指标纳入营商环境综合评价体系，与其他商业环境变量联合使用 指标维度 该指标可作为基础设施可用性的代理变量，与开办企业耗时、财产登记效率等指标组合构建多维度营商环境指数
- 能源转型与工业韧性：考察可再生能源渗透率提升或电网改造投资对企业电力中断风险的长短期影响 被解释变量 可将企业停电经历作为被解释变量，核心解释变量为地区电网结构或能源政策强度，使用双重差分或合成控制法识别政策效应
- 电力中断的经济损失估算：评估停电对企业造成的实际销售损失，结合IC.FRM.OUTG.ZS进行损失规模分析 稳健性检验 使用IC.ELC.OUTG.ZS与IC.FRM.OUTG.ZS进行交叉验证，检验两类指标反映的基础设施问题是否具有一致性
经历过电力中断的企业（占企业总数的百分比）常见问题
中国近年来停电情况真的大幅减少了吗？
根据企业调查数据，2012年中国约33.7%的企业经历过停电，而2024年该比例降至约3.7%，降幅显著。这一变化可能与中国过去十余年电网大规模投资和智能化改造有关，但调查间隔较长，中间年份数据缺失，解读时需谨慎。
为什么中国数据比世界平均水平低这么多？
2025年世界均值约为48%，反映全球尤其是发展中国家仍有大量企业面临停电问题。中国数值较低可能意味着电力基础设施相对完善，但两国数据年份不同、样本结构也存在差异，直接比较需注意口径一致性。
这个指标和停电造成的实际损失有什么区别？
IC.ELC.OUTG.ZS只反映是否经历过停电这一事件，不区分次数和时长；IC.FRM.OUTG.ZS则衡量停电导致的销售额损失比例。两者结合可更全面评估电力可靠性的经济影响。
企业调查能代表所有企业吗？
企业调查主要覆盖正规部门的中大型企业，样本以制造业和服务业为主，不包括小摊贩、农业个体户等非正式经营者，因此对整体经济中电力问题的代表性存在局限。
下载数据
免费获取世界银行WDI完整数据集，包含经历过电力中断的企业（占企业总数的百分比）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