失学女童，小学
Children out of school, primary, female
下载数据指标解释
World Bank official description / 世界银行官方说明
Children out of school are the number of primary-school-age children not enrolled in primary or secondary school.
可供参考的中文翻译：符合小学入学年龄的失学儿童，是指未入读小学或中学的小学学龄女童总数。
数据口径与风险提示
- 本指标统计的是绝对人数而非比例，不同国家女童失学人数的可比性受人口规模影响显著
- 数据仅涵盖小学学龄（通常6-12岁），不包括辍学后重返校园的情况
- 中国数据仅覆盖1989至1997年，时间跨度有限，且与世界数据无法对比
- 失学定义基于入学状态登记，可能受学籍管理系统完善程度影响而存在统计口径差异
- 数值高低反映的是失学女童规模，而非教育质量或就学条件
- 部分发展中国家可能存在入学数据采集滞后导致低估失学人数的情况
中国趋势
中国小学失学女童人数在1989至1997年间呈现先升后降的倒V型走势。1989年约389万人，1990年大幅跳升至529万，此后持续攀升至1994年619万的高峰，之后逐步回落至1997年的391万。期末与期初相比仅增长约0.6%，显示长期来看中国失学女童规模基本持平，但中间经历过约230万的起伏波动。该数据与同期中国推进普及九年义务教育政策的时间节点吻合，可能反映学籍登记制度逐步完善与实际入学率提升的共同作用。
- 1989年约389万人，1997年约391万人
- 1994年达到峰值约620万人
- 从最高点到1997年下降约228万人
- 全程约230万的波动幅度
- 数据仅覆盖1989至1997年的9个年度
- 无法与同期的世界趋势或其他国家直接对比
- 失学人数规模受人口出生率影响，峰值出现在1990年代中期可能与人口周期相关
- 不反映失学女童的地域分布或家庭经济状况
全球趋势
世界银行该指标目前未提供全球汇总数据，无法直接获取全球小学失学女童人数的整体趋势。页面展示的2025年失学女童绝对人数排名中，布隆迪、哈萨克斯坦、老挝、泰国等发展中国家位列前茅，但这仅反映特定年份有数据记录的少数国家情况，不代表全球失学问题的全貌。若需分析全球失学女童趋势，建议参考世界银行教育统计数据库中的入学率等比例指标。
- 世界汇总数据（全球或区域）暂无记录
- 排名快照显示布隆迪失学女童约31万人，老挝约4万人
- 全球汇总数据缺失，无法进行中国与世界的趋势对比
- 排名仅涵盖数据可获取的少数国家，存在选择性偏差
- 绝对人数排名受国家人口规模影响，不宜直接用于跨国教育质量评估
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 | 0.7x | - | 中国该阶段期末与期初的比值为0.74，意味着失学女童人数从1990年代初的高点下降至期末的低点；世界数据缺失无法对比。这可能反映中国在1990年代中期后义务教育普及力度加强，使失学女童规模逐步收缩，也可能与人口出生周期导致的小学学龄女童绝对数量变化有关；建议结合同期女生净入学率指标验证是否确为入学机会改善而非人口结构变化所致。 |
| 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 | Burundi 布隆迪 | BDI | 309,603 |
| 2 | Kazakhstan 哈萨克斯坦 | KAZ | 69,079 |
| 3 | Lao PDR 老挝 | LAO | 40,481 |
| 4 | Thailand 泰国 | THA | 27,087 |
| 5 | Gambia, The 冈比亚 | GMB | 22,326 |
| 6 | Nepal 尼泊尔 | NPL | 19,465 |
| 7 | Kyrgyz Republic 吉尔吉斯斯坦 | KGZ | 8,359 |
| 8 | Nauru 瑙鲁 | NRU | 40.0 |
使用建议、常见误用与研究场景
数值较高通常意味着什么
失学女童人数较高意味着有更多女童未能入学或完成小学教育，反映教育机会覆盖存在缺口，可能与贫困、偏远地区教育资源不足、性别歧视或家庭经济压力相关。
数值较低通常意味着什么
失学女童人数较低通常表明更多女童能够进入学校，反映教育机会覆盖较广，可能是普及义务教育政策、学校建设或性别平等举措产生效果。
鍙ｅ緞闄愬埗
- 仅统计绝对人数，未考虑人口基数差异，跨国比较时应结合女童总人口或比例指标
- 失学原因多样（贫困、偏远、残疾、照料责任等），单从人数无法判断政策干预方向
- 数据年份有限且不连续，中国数据截止至1997年，难以反映近期状况
- 入学登记依赖学校报告，可能存在统计滞后或重复计算情况
- 失学女童可能短期辍学后复学，年度快照可能无法捕捉动态变化
使用建议
- 分析趋势时优先使用同一国家的时间序列而非跨国截面数据
- 跨国比较时应采用失学比例（占同龄女童百分比）而非绝对人数
- 结合入学率、在校率、辍学率等配套指标构建更完整的教育参与图景
- 关注数据的时间连续性和统计口径一致性，避免将统计方法变化误读为真实趋势
- 政策研究应区分失学是入口问题（从未入学）还是保留问题（入学后辍学）
常见错误用法
错误做法：直接用失学女童绝对人数判断中国与某国的教育差距，忽视人口基数差异
正确做法：使用失学女童比例（占同龄女童百分比）进行跨国比较
绝对人数受国家人口规模影响极大，人口大国即使入学率更高也可能呈现更大绝对值，比例指标才能真实反映教育机会覆盖率差异
错误做法：将失学女童人数下降解读为教育政策成功的直接证据，忽视人口出生率变化的影响
正确做法：结合女生净入学率指标并分析人口结构变化后再做政策归因
失学人数减少可能是因为小学学龄女童总数下降（出生率降低），而非入学机会实际改善
错误做法：使用1997年数据评价中国当前的教育普及状况
正确做法：仅将数据用于1989至1997年时段的趋势分析，不做跨期推断
数据截止于1997年，之后中国教育发展变化巨大，不宜用二十多年前的数字评估当代状况
错误做法：将排名中布隆迪位列第一解读为该国教育问题最严重
正确做法：认识到排名仅反映有数据的少数国家，绝对人数与教育系统整体状况无直接对应关系
失学人数受人口规模、学龄女童比例、数据可得性等多因素影响，排名不能直接等同于教育质量排名或政策效果排名
错误做法：将中国1990年代的失学女童数与当期世界数据进行对比得出领先或落后结论
正确做法：在中国数据可用的1989至1997年时段，世界汇总数据缺失，无法进行有效对比
世界汇总数据不可得，任何跨国对比均为无效计算，应明确说明数据限制后再行分析
实际应用场景
- 中国1990年代女性教育机会变化分析：分析中国普及九年义务教育政策对女童入学机会的影响 被解释变量 以失学女童人数为被解释变量，结合同期女生净入学率验证变化是否由入学率提升而非人口结构变化所致；可加入GDP增速、教育财政支出等控制变量排除经济发展混淆因素
- 发展中国家女童失学问题比较研究：比较不同收入水平国家女童失学规模及其驱动因素 被解释变量兼比较基准 选取人均收入、GDP增速、教育支出占比等指标作为解释变量，将失学女童绝对人数和比例分别纳入模型进行回归，识别影响失学规模的关键政策变量；注意控制人口基数差异
- 教育财政投入与女童就学的关联分析：研究政府教育支出对女童失学问题的政策效果 结果变量 将失学女童人数或比例作为被解释变量，以政府教育支出占GDP比重、生均教育经费等作为核心解释变量，使用面板数据固定效应模型控制国家异质性；可进一步区分城镇与农村子样本检验政策效果的异质性
- 人口结构变化对小学学龄人口影响的稳健性检验：在分析失学人数趋势时验证人口因素的贡献 稳健性检验变量 引入出生人口数、小学学龄女童总数等变量，将失学人数变化分解为人口效应和入学机会效应两部分，检验结论对不同分解假设的稳健性；尤其适用于中国1990年代这一人口出生率下降期的分析
- 性别差距与教育公平的跨国面板分析：研究经济发展与性别教育公平的关系 机制变量 将失学女童与失学男童人数之比作为性别差距代理变量，分析人均收入增长、城市化率、女性劳动参与率等变量对教育性别差距的影响方向和程度；可使用跨国面板数据进行实证检验
失学女童，小学常见问题
失学女童人数是怎么统计的？数据准确吗？
世界银行的数据来源于各国政府教育部门报告的入学登记信息，统计在册但实际未到校的女童可能未被计入。发展中国家因基层统计能力有限，可能存在系统性低估；中国数据覆盖1989至1997年，由教育部门定期报送，整体具有官方一致性，但不宜与统计体系差异较大的国家直接对比。
中国现在还有多少失学女童？这个数据现在还能用吗？
该指标中国数据最新到1997年，此后的失学女童数据需参考教育部公布的其他统计口径。1997年后中国持续推进义务教育普及，女童失学问题已大幅改善，但具体数字需查阅教育部或国家统计局近年的专项调查，不宜用1997年的数据推断当前状况。
失学女童和失学儿童（男女合计）有什么区别？
失学女童（SE.PRM.UNER.FE）仅统计女性，而失学儿童（SE.PRM.UNER）包含男女。两者比值可反映女童相对于男童的失学风险差异，若女童比例偏高通常提示存在性别不平等问题。绝对人数上失学女童通常少于男女合计数，但需结合学龄人口性别结构理解。
为什么有的年份数据缺失？
数据缺失可能源于当年未开展调查、教育部门未报告数据、或数据经审核后未公开发布。中国1989至1997年间有9个年度数据，但并非连续年度都具备数据，年份间隔不均匀；全球汇总数据目前完全缺失，可能因统计口径协调困难或部分国家未提交报告。
失学女童比例和失学女童人数哪个更有用？
研究教育机会时，失学比例（占同龄女童百分比）更适合跨国比较和长期趋势分析，因为它消除了人口规模差异；失学人数适合用于资源规划和政策预算估算，反映绝对教育服务缺口。两者结合使用可获得更完整的图景。
失学女童主要集中在哪些地区或国家？
从可获得的数据看，失学女童绝对人数较多的国家多为人口大国或教育发展水平相对较低的地区，具体包括部分撒哈拉以南非洲国家、南亚部分地区等，这些地区的失学问题往往与贫困、冲突或教育资源不足相关。
哪些是导致女童失学的主要原因？
女童失学的主要原因通常包括家庭经济困难、学龄人口居住地偏远、教育资源供给不足、传统性别观念限制女童受教育机会、以及女童需承担家庭照料责任等，具体因素因地区和家庭情况而异。
降低失学女童人数通常需要哪些政策干预？
有效的政策干预可能包括提供助学金或免费教科书以减轻家庭经济负担、增设女校或配备女教师以降低家长顾虑、完善偏远地区学校布局以减少上学距离阻力，以及开展性别平等宣传以改变传统观念。
下载数据
免费获取世界银行WDI完整数据集，包含失学女童，小学等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据