失学初中女生比例（占女性初中适龄人口的百分比）

指标解释

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

Adolescents out of school are the percentage of lower secondary school age adolescents who are not enrolled in school.

可供参考的中文翻译：失学初中女生比例是指在初中适龄年龄段中未在校就读的女生占相应年龄段女性人口的比例（百分比）。

数据口径与风险提示

该指标仅统计未在校注册的初中适龄女生，不区分辍学、请假或从未入学等情形。
“初中”教育阶段在不同国家的学制长度（三年制或四年制）可能存在差异，影响跨国可比性。
数据来源依赖各国官方教育统计，部分国家报告滞后或不完整。
该比例仅反映入学状态，未涉及学习成果、教育质量或在校出勤率。
女性失学可能受经济、文化、家庭因素交叉影响，单一指标难以完整刻画。

中国趋势

趋势解读

截至目前，世界银行数据库未收录中国失学初中女生比例的数值，中国在该指标上缺乏公开的年度序列。数据缺失可能源于中国教育统计体系对“初中适龄女性失学”定义与世界银行口径的差异，或因数据报告渠道的限制而未能纳入。由于无法获得中国的具体数值，任何关于中国失学比例趋势或其在全球排名的推断均缺乏依据。若需评估中国女性在义务教育阶段的在校情况，建议参考小学女生失学率、净入学率等已公开指标，或查阅中国国家统计局的教育统计报告，以获取更完整的补充信息。

CHN数据点数量为0，暂无可用序列。
世界银行未提供中国该指标的年度数值。
在没有具体数值的情况下，任何趋势解读均存在重大不确定性。
跨国家比较时需考虑教育定义和统计口径差异。
失学率仅反映入学状态，不能直接反映学习成果或教育质量。

全球趋势

趋势解读

全球层面的失学初中女生比例数据同样面临较大空白，世界银行目前未提供完整的全球汇总序列。缺失原因可能包括部分国家未定期向世行提交初中阶段的性别分类入学统计，或因不同地区对“初中”教育阶段的定义不统一导致数据可比性受限。因此，无法基于现有数据构建该指标的长期趋势或进行全球失学比例的整体变化评估。研究者在使用该指标进行跨国比较时，应优先确认各国的统计口径，并结合中学毛入学率、净入学率等替代指标以弥补数据不足。

WLD数据点数量为0，暂无可用序列。
世界银行未提供全球该指标的完整年度汇总。
在没有全球序列的情况下，整体趋势解读受限。
各国对初中教育的定义差异可能影响全球平均值。
失学比例仅衡量入学情况，不能反映教育质量或学生出勤。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
1970-1979	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
1980-1989	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
1990-1999	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
2000-2009	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
2010-2019	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。
2020-2029	-	-	因CHN和WLD均无有效数据，无法计算该十年区间的期末与期初比值。

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	Algeria 阿尔及利亚	DZA	77.7
2	Lao PDR 老挝	LAO	35.9
3	Burundi 布隆迪	BDI	35.0
4	India 印度	IND	12.9
5	Kazakhstan 哈萨克斯坦	KAZ	4.47
6	Gambia, The 冈比亚	GMB	4.22
7	Uzbekistan 乌兹别克斯坦	UZB	2.56
8	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	1.87
9	Nauru 瑙鲁	NRU	0.34
10	Thailand 泰国	THA	0.10

使用建议、常见误用与研究场景

数值较高通常意味着什么

失学比例越高，说明在相应年龄段中未入学的女性比例越大，受教育机会相对不足。

数值较低通常意味着什么

失学比例越低，意味着该年龄段女性失学率低，受教育覆盖程度较高。

鍙ｅ緞闄愬埗

仅反映入学状态，未区分辍学、请假或从未入学等情形。
初中教育定义在不同国家可能存在差异，导致跨国可比性受限。
数据来源依赖各国官方统计，存在报告时滞或不完整的情况。
未覆盖教育质量、学习成果或学生出勤率等信息。
在部分地区，女性失学受经济、文化、家庭因素交叉影响，单一指标难以完整刻画。

使用建议

结合净入学率、毛入学率等入学类指标综合评估教育覆盖。
使用性别平等指数（GPI）对比男女失学率差异。
将失学比例与教育支出、师资配置等投入指标进行关联分析。
在进行政策评估时，结合实地调查数据验证统计口径差异。
关注数据缺失严重的国家，审慎进行跨国排名或趋势解读。

常见错误用法

错误做法：直接将该指标的数值大小等同于教育质量高低

正确做法：将其与教学质量、学习成果等指标一起解读

失学比例只反映入学情况，不能直接反映教学质量或学习效果

错误做法：用该指标进行跨国直接排名而忽视统计口径差异

正确做法：在比较前先确认各国的初中教育定义和统计方法是否一致

不同国家对初中教育的定义和失学统计可能不同，导致排名失真

错误做法：把失学比例下降直接归因于单一政策干预

正确做法：通过控制其他社会经济变量，分析政策效应

失学率变化受多重因素影响，单一因果归因可能导致误判

实际应用场景

初中女生失学比例与劳动力市场参与度的关联研究：研究女性失学比例如何影响其后续就业和收入 explanatory 使用面板回归模型，加入地区GDP、女性劳动参与率等控制变量，检验失学比例对劳动力参与的影响。
教育政策对失学率变化的因果效应评估：评估某项教育普及政策实施前后失学比例的改变 outcome 采用双重差分法，控制时间和地区固定效应，比较政策实施地区与对照地区的差异。
性别平等视角下的教育机会差异分析：利用失学比例的性别差距评估教育公平 outcome 将失学比例与性别平等指数（GPI）进行对比，采用相关分析和回归模型验证关联。
失学比例与教育投入指标的关系检验：检验教育经费、师资配备与失学率之间的关联 robustness 在主回归中加入教育支出变量，检验结果的稳健性。