电力中断导致的价值损失（占销售额比例）
Value lost due to electrical outages (% of sales for affected firms)
下载数据指标解释
World Bank official description / 世界银行官方说明
Losses due to electrical outages, as percentage of total annual sales. The value represents average losses for all firms which reported outages (please see indicator IC.ELC.OUTG.ZS).
可供参考的中文翻译：电力中断导致的价值损失是指因电力中断而损失的销售额比例。该数值代表所有报告停电的企业的平均损失（请参见指标 IC.ELC.OUTG.ZS）。
数据口径与风险提示
- 数据来源为企业抽样调查，不同年份样本构成可能存在差异；仅统计报告过停电的企业，未报告停电的企业可能被系统性排除；百分比形式反映相对损失而非绝对规模；国家间行业结构和调查方法存在差异；调查时间窗口可能影响数据代表性；供电基础设施质量与电力中断损失存在关联，需要结合其他指标综合评估；零值可能反映调查缺失而非实际没有损失；跨国排名不代表营商环境好坏的正向或负向评价。
- 数据来源于世界银行企业调查（BEE），不同调查年份的抽样框架、企业规模和行业分布可能存在差异，跨国比较需谨慎对待样本构成变化
- 该指标仅统计报告过停电且有效回答损失金额的企业，未报告停电的企业可能被系统性排除，导致样本自选择偏差，高估或低估实际损失水平
- 百分比形式仅反映相对损失比例，不同规模企业的绝对损失金额可能相差数十倍，比例相同不代表经济损失等同，需结合企业规模信息解读
- 中国在2012年和2024年两个观测点数值均为0，在企业调查指标中较为罕见，可能源于调查样本选择偏差、调查口径差异或统计口径特殊性，而非单纯反映供电质量
- 全球数据仅包含2025年一个年份，无法进行有意义的纵向趋势分析，跨国排名或区域对比缺乏历史基准支撑
- 停电经济损失受多重因素调节，包括企业备用电源能力、业务对电力依赖度、行业特性、应急响应机制等，相同停电频率下损失程度可能差异显著
- 指标定义中"所有报告停电企业"与IC.ELC.OUTG.ZS停电企业比例存在关联但口径可能不同，需注意两个指标在分母界定和样本覆盖上的差异
- 零值可能反映数据缺失、调查期间恰好损失较小或样本中无有效报告，而非企业真实未受停电影响，单一零值不宜直接解读为供电稳定
中国趋势
中国在2012年和2024年两个观测点的数值均为0，期间变化幅度为0，两点数据完全重合。中国长期维持在零值水平这一现象本身可能反映样本调查特征、调查覆盖范围或特定统计口径的差异，也可能是实际供电稳定性的体现，但由于数据点极少且缺乏其他年份验证，仅凭现有数据难以对供电质量或基础设施状况作出明确判断，趋势解读应保持审慎，避免过度推论。
- 2012年中国数值为0.0
- 2024年中国数值为0.0
- 从2012年到2024年变化幅度为0.0
- 2012年与2024年数值完全相同
- 数据点仅有2个，长期趋势可信度有限
- 数值均为零的异常模式可能源于样本选择或调查方法
- 不宜基于有限数据点进行跨期趋势解读
- 该指标反映的是报告停电的企业情况，而非全国所有企业
全球趋势
全球数据仅有2025年一个观测点，数值为0.44，由于缺乏历史数据，无法进行纵向变化分析，也难以与特定国家或区域进行有意义的横向比较。仅有单一数据点的限制使得任何关于全球电力中断损失变化趋势的判断都需要保持审慎，不宜据此推断各国电力基础设施状况或营商环境的变化方向。
- 2025年全球数据点数值为0.44
- 数据仅包含1个年份的观测
- 缺乏历史对比数据
- 单一数据点无法支撑趋势判断
- 跨国比较需考虑调查年份和方法差异
- 2025年数据来源有限，应谨慎解读
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 | - | - | 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。 |
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 | Comoros 科摩罗 | COM | 5.00 |
| 2 | Burundi 布隆迪 | BDI | 0.00 |
| 3 | Afghanistan 阿富汗 | AFG | 0.00 |
| 4 | Albania 阿尔巴尼亚 | ALB | 0.00 |
| 5 | Austria 奥地利 | AUT | 0.00 |
| 6 | Bolivia 玻利维亚 | BOL | 0.00 |
| 7 | Brunei Darussalam 文莱 | BRN | 0.00 |
| 8 | Denmark 丹麦 | DNK | 0.00 |
| 9 | Egypt, Arab Rep. 埃及 | EGY | 0.00 |
| 10 | Ethiopia 埃塞俄比亚 | ETH | 0.00 |
| 11 | Fiji 斐济 | FJI | 0.00 |
| 12 | Gabon 加蓬 | GAB | 0.00 |
| 13 | Germany 德国 | DEU | 0.00 |
| 14 | Guinea 几内亚 | GIN | 0.00 |
| 15 | Guinea-Bissau 几内亚比绍 | GNB | 0.00 |
| 16 | Kenya 肯尼亚 | KEN | 0.00 |
| 17 | Kiribati 基里巴斯 | KIR | 0.00 |
| 18 | Kosovo 科索沃 | XKX | 0.00 |
| 19 | Kuwait 科威特 | KWT | 0.00 |
| 20 | Liberia 利比里亚 | LBR | 0.00 |
| 21 | Malawi 马拉维 | MWI | 0.00 |
| 22 | Maldives 马尔代夫 | MDV | 0.00 |
| 23 | Mauritania 毛里塔尼亚 | MRT | 0.00 |
| 24 | Mongolia 蒙古 | MNG | 0.00 |
| 25 | Mozambique 莫桑比克 | MOZ | 0.00 |
| 26 | Niger 尼日尔 | NER | 0.00 |
| 27 | Nigeria 尼日利亚 | NGA | 0.00 |
| 28 | Poland 波兰 | POL | 0.00 |
| 29 | Qatar 卡塔尔 | QAT | 0.00 |
| 30 | Sao Tome and Principe 圣多美和普林西比 | STP | 0.00 |
| 31 | Saudi Arabia 沙特阿拉伯 | SAU | 0.00 |
| 32 | Solomon Islands 所罗门群岛 | SLB | 0.00 |
| 33 | Somalia, Fed. Rep. 索马里 | SOM | 0.00 |
| 34 | Sri Lanka 斯里兰卡 | LKA | 0.00 |
| 35 | St. Lucia 圣卢西亚 | LCA | 0.00 |
| 36 | Suriname 苏里南 | SUR | 0.00 |
| 37 | Uganda 乌干达 | UGA | 0.00 |
| 38 | Zimbabwe 津巴布韦 | ZWE | 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
更高的数值表示企业因电力中断承受的销售损失比例更大，可能反映电力供应不够稳定、备用电源覆盖不足、企业运营对电力依赖度较高等情况。
数值较低通常意味着什么
更低的数值表示企业因电力中断导致的损失比例较小，可能反映电力供应较为稳定、备用电源充足或企业业务对电力依赖度较低。
鍙ｅ緞闄愬埗
- 该指标仅统计报告停电的企业，无法反映未报告停电的企业情况
- 百分比形式掩盖了不同规模企业绝对损失金额的差异
- 企业规模、行业分布、样本代表性存在差异
- 跨国比较需谨慎，不同国家调查年份和抽样方法存在差异
- 更高值不一定绝对负面，需结合行业特征和经济发展阶段判断
- 零值可能反映调查缺失而非实际没有停电损失
使用建议
- 使用时应将IC.FRM.OUTG.ZS与IC.ELC.OUTG.ZS结合使用，前者衡量停电频率，后者衡量经济损失严重程度
- 结合IC.ELC.DURS评估供电基础设施质量和通电延误情况
- 控制行业、规模、地区等混淆因素后再进行横向比较
- 与官方能源统计数据交叉验证，关注数据来源和统计口径
- 关注长期动态变化而非单一年份数据
- 结合营商环境整体指标体系进行综合评估
常见错误用法
错误做法：将该指标直接等同于供电质量
正确做法：结合IC.ELC.OUTG.ZS（停电企业比例）和IC.ELC.DURS（通电延误天数）综合评估
电力中断损失不仅取决于停电频率，还受企业备用能力、业务对电力依赖度、行业特性等多重因素影响，单一指标无法全面反映供电质量
错误做法：仅凭跨国排名直接评判营商环境好坏
正确做法：将该指标纳入营商环境评估体系，结合其他制度性指标综合分析
排名仅反映停电损失这一单一维度，不同国家行业结构、企业规模分布、调查方法均存在差异，不宜将数值高低直接等同于营商环境优劣
错误做法：将比例指标直接等同于企业绝对损失规模
正确做法：结合企业销售额和行业规模信息评估绝对损失
相同的损失比例对应不同规模企业时绝对损失金额可能相差数十甚至数百倍，大企业损失比例低但绝对金额可能远大于小企业
错误做法：基于单一年份数据仓促得出趋势结论
正确做法：等待更多年份数据积累后进行趋势分析
企业调查数据受样本波动影响较大，单一年份数据可能存在随机误差，趋势判断需要足够的时间序列支撑
实际应用场景
- 电力基础设施对企业绩效的影响研究：分析电力供应稳定性对企业销售和生产效率的影响 被解释变量 可结合IC.ELC.OUTG.ZS（停电频率）和IC.ELC.DURS（通电延误天数）构建停电影响的多维度指标，控制行业、规模、地区等因素后进行回归分析
- 营商环境与电力中断损失关系：评估制度质量对电力中断经济损失的缓解作用 结果变量 将IC.FRM.OUTG.ZS作为被解释变量，引入B-READY指标和基础设施质量指标作为解释变量，使用横截面或面板数据进行计量分析
- 电力中断对不同行业影响差异分析：考察行业特性如何调节电力中断的经济损失 被解释变量 按行业分组分析IC.FRM.OUTG.ZS的差异，控制企业规模、地区等变量后识别行业特定的脆弱性因素
- 中小企业与大型企业应对电力中断的能力差异：比较不同规模企业在面临停电时的损失程度 被解释变量 将企业规模作为分组变量，结合IC.FRM.BNKL.ZS（银行贷款可得性）等融资约束指标，分析融资能力对企业应对电力中断的调节作用
电力中断导致的价值损失（占销售额比例）常见问题
这个指标是什么意思？
该指标衡量企业因电力中断导致的销售额损失比例，数值越高意味着企业因停电承受的销售损失越大，可能反映电力供应不够稳定或企业对电力依赖度较高。
为什么中国数据显示为0？
可能反映实际供电较为稳定，也可能是企业调查样本特征所致，仅凭该数据无法直接得出供电质量结论，建议结合停电频率指标综合判断。
不同国家数据能直接比较吗？
需谨慎比较，因各国调查年份、企业样本构成、行业分布和调查方法存在差异，跨国数值差异可能源于统计口径而非真实的供电质量差距。
0值代表企业没有损失吗？
不一定，0值可能反映调查样本中恰好没有报告损失的企业，也可能是数据缺失或调查期间恰好停电较少，建议交叉验证IC.ELC.OUTG.ZS停电频率指标。
中小企业是否更容易受电力中断影响？
通常是的，中小企业缺乏完善的备用电源系统，面对突发停电时损失比例往往高于大企业，可结合IC.FRM.BNKL.ZS分析融资约束对应对能力的影响。
企业如何降低电力中断损失？
可采取的措施包括安装不间断电源（UPS）和备用发电机、优化生产工艺降低对电力依赖、结合IC.ELC.OUTG.ZS监测停电频率、制定停电应急预案等。
该指标与停电频率指标有何关联？
IC.ELC.OUTG.ZS衡量发生停电的企业比例，IC.FRM.OUTG.ZS衡量停电导致的损失严重程度，两者结合可全面评估供电稳定性对企业的综合影响。
为什么2025年数据显示科摩罗损失比例最高？
科摩罗2025年数据显示为5.0%，但这仅反映特定企业调查样本情况，不同国家调查年份、抽样方法和行业构成存在差异，数值高低受多重因素影响不宜直接解读为供电质量好坏。
下载数据
免费获取世界银行WDI完整数据集，包含电力中断导致的价值损失（占销售额比例）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