入学率，中学（净百分比）

指标解释

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

Net enrollment rate is the ratio of children of official school age who are enrolled in school to the population of the corresponding official school age. Secondary education completes the provision of basic education that began at the primary level, and aims at laying the foundations for lifelong learning and human development, by offering more subject- or skill-oriented instruction using more specialized teachers.

可供参考的中文翻译：中学净入学率是指符合中学官方入学年龄的学生入学人数与该年龄组人口总数的比率。中学教育在初等教育基础上完成基础教育供给，旨在为终身学习和人类发展奠定基础，通过更专业的教师提供更多以学科或技能为导向的 instruction。

数据口径与风险提示

本指标统计口径为“净入学率”，仅覆盖符合官方入学年龄的学生群体，与包含超龄和不足龄学生的毛入学率（SE.SEC.ENRR）口径不同
世界银行数据库中，中国（CHN）在该指标下暂无有效观测值，历史趋势分析仅供参考
排名快照基于2019年最新可用数据，并非综合教育质量排名，不同国家教育体系差异可能影响数值可比性
净入学率分子为实际注册人数，分母为官方年龄人口，受人口结构变化影响，数值高低不直接等同于教育发展水平
部分发展中国家可能存在数据缺失或调查方法不一致问题，跨时期跨地区比较需审慎
该指标反映入学机会而非学习成果或教育完成度，与教育质量无直接对应关系

中国趋势

趋势解读

世界银行数据平台目前未收录中国（CHN）在该指标下的有效观测记录，中国中学净入学率的长期变化趋势无法直接获取。欲了解中国中学教育普及情况，建议参考教育部官方统计或结合小学净入学率（SE.PRM.NENR）、中学毛入学率（SE.SEC.ENRR）等相关变量进行间接评估。由于缺乏可靠的时间序列数据，中国分阶段变化特征、十年期波动模式及近年走势均不宜基于本数据集进行解读。

CHN在世行数据库中无SE.SEC.NENR有效记录，无法提供中国趋势分析
不得基于任何假设数据构建中国趋势线或阶段变化描述
中国中学教育参与度变化需查阅中国教育部官方统计年鉴或人口普查数据

全球趋势

趋势解读

全球中学净入学率从1998年的约53.9%稳步上升至2018年的约66.3%，二十年间累计提升约12.4个百分点，最新值为起始年的1.23倍。2000年代（2000-2009）增幅最为明显，期末值为期初值的1.12倍；2010年代（2010-2019）增速放缓，倍数降至1.06，表明全球中学教育普及已从快速扩张阶段逐步转向存量巩固期。2017-2018年间变化幅度仅约0.6个百分点，显示全球该指标已接近阶段性顶部，进一步提升空间可能有限，但各区域差异仍显著。

1998年全球中学净入学率为53.90%，2018年升至66.27%
2000年代全球中学净入学率增长倍数为1.116，增幅约11.6%
2010年代全球中学净入学率增长倍数为1.060，增幅约6.0%
全球该指标在1998-2018年间累计增长约12.38个百分点
2018年录得该时期内最高值66.27%
全球均值掩盖了区域内和国家间的巨大差异，高收入国家该指标通常接近100%，而低收入国家可能不足50%
1990年代及更早时期全球数据点缺失，无法评估冷战后的早期追赶阶段
增速放缓可能反映的是全球均值已较高，而非所有国家均进入平台期；低收入国家可能仍有较大提升空间

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	-	1.0x	该阶段只有世界具备可比变化率，适合用作背景参照，不宜直接推断中国差异。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。
2000-2009	-	1.1x	全球该指标在该十年增长倍数为1.116（增幅约11.6%），是三个可比十年中增幅最显著的阶段，入学机会大幅扩展可能反映了发展中国家普遍加大教育投入、人口结构变化使适龄人口占比调整，以及部分国家学制改革的推动作用，但需结合各区域数据验证这一阶段增长的驱动来源是分子增加还是分母下降。
2010-2019	-	1.1x	全球该指标增长倍数为1.060（增幅约6.0%），增速较2000年代明显放缓，可能意味着全球中学教育入学率已步入增量收窄阶段，尚未普及地区的入学障碍可能更侧重结构性因素（如偏远地区、冲突地区或特定群体），而非单纯资源约束；同时，部分高入学率国家已接近饱和，分母扩大对整体均值的下拉力增强。
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。

2019 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	Kazakhstan 哈萨克斯坦	KAZ	99.8
2	Nepal 尼泊尔	NPL	61.9
3	Ghana 加纳	GHA	57.2

使用建议、常见误用与研究场景

数值较高通常意味着什么

净入学率较高通常意味着该国或地区符合中学官方年龄的青少年中，能够进入学校接受教育的人口比例较大，反映出相对充足的学校容量、较低的入学门槛以及较广的教育覆盖范围，是教育机会普及程度的重要衡量指标之一。

数值较低通常意味着什么

净入学率较低通常表示符合官方入学年龄的青少年中，有相当比例未能入学或延迟入学，可能受学校供给不足、学费负担、家庭经济条件、性别歧视、地理位置偏远或战争冲突等因素影响，反映出教育机会分配的结构性不平等。

鍙ｅ緞闄愬埗

该指标仅反映入学注册状态，不衡量在校出勤率、学习质量或学业完成情况
分子分母均为特定时点（通常为学年初）的统计快照，未反映全年动态变化
部分国家将成人教育、职业教育纳入统计口径可能影响跨国可比性
超高龄或低龄学生的入学情况未被纳入，可能低估实际受教育人口比例
统计方法差异（行政记录 vs. 调查数据）可能造成口径不一致问题
比率接近100%后，进一步提升的边际意义与先前阶段不同，不宜简单线性解读

使用建议

分析时应结合毛入学率（SE.SEC.ENRR）以全面评估入学规模
建议分性别查看净入学率（SE.SEC.NENR.FE、SE.SEC.NENR.MA），以识别性别差距
将中学入学率与辍学率、复读率等留存指标联合解读，避免仅关注入学端
对比小学净入学率（SE.PRM.NENR）以评估教育体系的完整性和升学衔接情况
结合人均GDP、公共教育支出等变量进行经济发展与教育投入的关系分析
使用时注意区分纵向趋势分析与横向国家比较，两者适用的基准和解读框架不同
关注数据时间戳，优先使用最近年份数据，并注意部分国家数据更新滞后问题

常见错误用法

错误做法：直接将该指标数值高低作为判断国家教育质量优劣或综合国力强弱的依据

正确做法：将该指标与其他教育质量指标（如识字率、认知测试分数、PISA成绩）及社会发展指标联合解读

净入学率仅衡量入学机会的覆盖程度，与学习成效、教育资源配置效率和教学质量无直接对应关系，高入学率不等于高质量教育

错误做法：用全球平均值直接与中国某省或某地区数值进行简单对比，得出中国某地区“超过世界平均水平”的结论

正确做法：中国在世行数据库中暂无该指标有效记录，进行中国相关分析时应查阅中国教育部官方统计，并明确说明数据来源

中国在该指标下的数据缺失，直接比较缺乏数据基础；且全球均值为人口加权结果，与省级数据不可直接混用

错误做法：将1990年代全球该指标几乎无变化（倍数1.004）解读为“全球教育体系在1990年代全面停滞”

正确做法：将该阶段变化理解为“部分国家快速增长与部分国家停滞并存，算术平均后接近零增长”

均值掩盖了国家间差异，部分新兴经济体可能在该阶段已显著提升，而最不发达国家进展有限，结构性分析比单一均值解读更有意义

错误做法：在撰写学术报告时，直接使用该指标作为教育公平研究的因变量（被解释变量），不做任何稳健性检验

正确做法：补充使用辍学率（SE.SEC.UNER.LO.FE.ZS等）、教育支出比等变量进行稳健性检验，并说明数据来源和口径差异

单一入学率指标可能遗漏辍学、留级等中途退出情况，且不同数据源口径差异可能影响研究结论的稳健性

实际应用场景

教育机会不平等的跨国比较研究：研究团队计划分析1998-2018年间不同收入组别国家中学教育机会不平等的演变趋势，采用世界银行面板数据被解释变量（outcome）可使用面板固定效应模型控制国家异质性，并按收入组别分组回归；建议同时引入毛入学率指标（SE.SEC.ENRR）作为稳健性检验，以验证使用净入学率结论的稳健性；注意部分低收入国家数据点稀疏，可能需要处理非平衡面板问题
公共教育支出对中学入学率的影响机制研究：研究者欲检验公共教育支出占GDP比重是否显著提升中学净入学率，以验证教育投资的回报效应被解释变量（outcome）可采用两阶段最小二乘法（2SLS）处理内生性问题（如反向因果：入学率提升可能倒逼政府增加教育投入），工具变量可考虑历史殖民地语言、宗教多样性等外生因素；同时应控制人均GDP、城市化率、识字率等混淆变量，并使用系统GMM方法检验动态面板稳健性
中国西部农村地区中学入学率影响因素的案例研究：某研究机构对贵州、云南两省农村中学入学率进行深度调研，结合定量与定性方法控制变量（comparison）或被解释变量由于世界银行数据库中中国该指标数据缺失，建议使用中国教育部普查数据，并将本研究构建的净入学率作为被解释变量；可参考世行数据的国际基准框架构建分析框架，但跨国数据与国内微观数据不可直接套用同一模型；建议同时控制学校数量、师资配比、寄宿制覆盖率等微观变量
人口结构变化对教育指标趋势的影响分析：人口学家研究学龄人口规模变动如何影响中学净入学率的时间序列走势，以区分真实政策效应与人口结构效应被验证变量（mechanism/robustness）可将适龄人口绝对数量（分母端）纳入回归，观察入学率变化中有多少比例可归因于分母收缩；同时可引入总生育率（SP.DYN.TFRT）、人口抚养比（SP.POP.DPND）等变量进行分解分析，以验证入学率提升是否部分源于人口结构变化而非纯粹的政策干预效果
中学入学率性别差距的收敛趋势研究：研究者关注女性教育机会改善，使用分性别净入学率数据检验男女差距是否在全球范围内收窄被解释变量（outcome）可构建男女净入学率差异指标（SE.SEC.NENR.MA减SE.SEC.NENR.FE）作为因变量，使用收敛回归检验差距的动态变化；相关控制变量可引入性别发展指数（GDI）、女性劳动参与率等；注意低收入国家可能存在数据缺失问题，需在样本选择时说明处理方法