农村露天排便人口比例（占农村人口的百分比）

People practicing open defecation, rural (% of rural population)

下载数据

指标代码：SH.STA.ODFC.RU.ZS所属主题：健康：Risk factorsHealth: Risk factors

2024最新有效年份

153最新年份有值国家

265历史上有数据经济体

70%总体缺失率

指标解释

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

People practicing open defecation refers to the percentage of the population defecating in the open, such as in fields, forest, bushes, open bodies of water, on beaches, in other open spaces or disposed of with solid waste.

可供参考的中文翻译：露天排便人口比例指在野外、森林、灌木丛、开阔水体、海滩、其他开阔空间或与固体废物一起处置粪便的人口比例。

数据口径与风险提示

本指标仅覆盖农村地区，与城市露天排便指标（SH.STA.ODFC.UR.ZS）分开统计
该指标基于调查估算，不同国家的调查频率和采样方法可能存在差异
数值下降可能反映厕所设施改善，也可能受人口从农村向城市迁移影响
低于1%的数值可能因样本量有限而存在较大估算误差
未区分露天排便是在私有场所还是公共场所进行
部分国家数据缺失较早，最近数据年份不一致
该指标不反映厕所质量，只反映排便行为本身
露天排便率的城乡差异可能与基础设施可及性、文化习惯和收入水平相关

中国趋势

趋势解读

中国农村地区露天排便人口比例呈现持续快速下降趋势。2000年该比例约为3.85%，到2022年已降至零，意味着中国农村已基本消除露天排便现象。从下降轨迹看，2000年代初期下降速度相对平缓，2010年代加速推进，尤其是2015年后下降幅度明显加大。2000年至2009年期间下降约1.5个百分点，2010年至2019年进一步下降约1.8个百分点，2020年至2022年完成最后阶段消除。该指标的有效数据覆盖2000年至2024年，共25个年度数据点，显示下降过程具有高度规律性。

2000年该比例为3.85%，为有记录以来的最高值
2005年下降至3.10%，十年间累计下降约0.75个百分点
2010年降至2.17%，较2005年下降约0.93个百分点
2015年进一步降至1.23%，年均下降约0.19个百分点
2019年降至0.48%，当年较上年下降约0.19个百分点
2022年该比例降至零，并在此后保持为零
2024年最新数据维持在零的水平
2000年至2024年间累计下降3.85个百分点

全球趋势

趋势解读

全球农村露天排便人口比例在2000年至2024年期间持续下降，从约36.66%降至9.21%，累计下降约27.4个百分点。尽管绝对下降幅度显著，但下降速度呈现先快后慢的特征。2000年至2005年期间年均下降约1.0个百分点，2006年至2015年期间年均下降约1.0至1.1个百分点，2016年至2024年期间年均下降约1.3个百分点，近年来下降速度有所加快。然而，截至2024年全球仍有约9.2%的农村人口露天排便，反映出全球农村环境卫生改善仍面临挑战，特别是低收入国家的改善进展相对缓慢。

2000年该比例约为36.66%，是中国的约9.5倍
2005年下降至31.43%，五年间下降约5.2个百分点
2010年降至26.00%，十年间累计下降约10.66个百分点
2015年进一步降至20.55%，十年间累计下降约16.10个百分点
2020年降至14.41%，五年间下降约6.11个百分点
2024年降至9.21%，较2000年下降约27.45个百分点
最近一年（2023至2024年）下降约1.23个百分点
2024年最新值约为中国的无限倍（因中国已为零）

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1970-1979	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1980-1989	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1990-1999	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
2000-2009	0.6x	0.7x	该阶段中国农村露天排便比例的倍数降幅（约0.61倍）略快于全球平均（约0.74倍），可能反映中国在改厕基础设施建设方面的先期投入开始显现效果，而全球下降更多依赖人口结构变化和部分区域进展，需结合基础设施投资数据和城镇化率变化综合判断。
2010-2019	0.2x	0.6x	该阶段中国降幅倍数（约0.22倍）明显快于全球（约0.60倍），中国比例下降至不足全球同期的二十分之一，可能主要源于中国在这一时期加快了农村无害化卫生厕所的推广速度，也可能反映中国统计口径与全球存在差异，建议对照同期农村卫生设施覆盖率指标验证。
2020-2029	0.0x	0.6x	该阶段中国倍数降至零而全球仍有约0.64倍的倍数（尚未结束），中国已实现完全消除而全球仍有约10%的人口面临该问题，这一差距可能反映发展阶段差异和资源投入重点不同，需要结合各国卫生政策和资金投入数据进一步分析。

2024 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	Niger 尼日尔	NER	78.1
2	Chad 乍得	TCD	77.6
3	South Sudan 南苏丹	SSD	75.4
4	Benin 贝宁	BEN	65.1
5	Solomon Islands 所罗门群岛	SLB	58.9
6	Liberia 利比里亚	LBR	57.5
7	Namibia 纳米比亚	NAM	53.5
8	Togo 多哥	TGO	50.9
9	Kiribati 基里巴斯	KIR	49.7
10	Sao Tome and Principe 圣多美和普林西比	STP	43.2
11	Burkina Faso 布基纳法索	BFA	42.3
12	Central African Republic 中非共和国	CAF	38.8
13	Madagascar 马达加斯加	MDG	36.5
14	Mauritania 毛里塔尼亚	MRT	36.3
15	Nigeria 尼日利亚	NGA	31.2
16	Cote d'Ivoire 科特迪瓦	CIV	31.0
17	Ghana 加纳	GHA	30.8
18	Somalia, Fed. Rep. 索马里	SOM	26.4
19	Bolivia 玻利维亚	BOL	24.9
20	Sierra Leone 塞拉利昂	SLE	24.8
21	Sudan 苏丹	SDN	24.1
22	Mozambique 莫桑比克	MOZ	23.5
23	Ethiopia 埃塞俄比亚	ETH	20.4
24	Lesotho 莱索托	LSO	19.7
25	Congo, Dem. Rep. 刚果（金）	COD	18.8
26	Zimbabwe 津巴布韦	ZWE	18.8
27	Marshall Islands 马绍尔群岛	MHL	18.7
28	Papua New Guinea 巴布亚新几内亚	PNG	17.3
29	Botswana 博茨瓦纳	BWA	16.7
30	Afghanistan 阿富汗	AFG	15.4
31	Lao PDR 老挝	LAO	14.3
32	Guinea-Bissau 几内亚比绍	GNB	14.2
33	Mongolia 蒙古	MNG	13.7
34	Pakistan 巴基斯坦	PAK	13.0
35	Timor-Leste 东帝汶	TLS	11.7
36	Senegal 塞内加尔	SEN	11.3
37	India 印度	IND	10.7
38	Tanzania 坦桑尼亚	TZA	10.6
39	Cabo Verde 佛得角	CPV	10.1
40	Colombia 哥伦比亚	COL	9.90
41	Panama 巴拿马	PAN	9.76
42	Cameroon 喀麦隆	CMR	9.72
43	Myanmar 缅甸	MMR	9.60
44	Kenya 肯尼亚	KEN	8.13
45	Yemen, Rep. 也门	YEM	7.96
46	Peru 秘鲁	PER	7.24
47	Guinea 几内亚	GIN	7.15
48	Cambodia 柬埔寨	KHM	7.09
49	Honduras 洪都拉斯	HND	6.97
50	Mali 马里	MLI	6.10
51	Vanuatu 瓦努阿图	VUT	6.06
52	Dominican Republic 多米尼加共和国	DOM	5.05
53	Ecuador 厄瓜多尔	ECU	4.89
54	Uganda 乌干达	UGA	4.18
55	Indonesia 印度尼西亚	IDN	3.84
56	Philippines 菲律宾	PHL	3.25
57	Zambia 赞比亚	ZMB	3.25
58	Suriname 苏里南	SUR	3.25
59	Gabon 加蓬	GAB	2.62
60	El Salvador 萨尔瓦多	SLV	2.43
61	Burundi 布隆迪	BDI	2.28
62	Malawi 马拉维	MWI	2.20
63	Tuvalu 图瓦卢	TUV	2.16
64	Comoros 科摩罗	COM	2.12
65	Guatemala 危地马拉	GTM	1.40
66	Rwanda 卢旺达	RWA	1.25
67	Paraguay 巴拉圭	PRY	0.94
68	Turkiye 土耳其	TUR	0.61
69	Saudi Arabia 沙特阿拉伯	SAU	0.59
70	West Bank and Gaza 约旦河西岸和加沙	PSE	0.58
71	Cuba 古巴	CUB	0.45
72	Belize 伯利兹	BLZ	0.44
73	Jamaica 牙买加	JAM	0.36
74	North Macedonia 北马其顿	MKD	0.27
75	Mauritius 毛里求斯	MUS	0.27
76	Moldova 摩尔多瓦	MDA	0.23
77	Montenegro 黑山	MNE	0.13
78	Costa Rica 哥斯达黎加	CRI	0.11
79	Jordan 约旦	JOR	0.11
80	Uzbekistan 乌兹别克斯坦	UZB	0.10
81	Samoa 萨摩亚	WSM	0.09
82	Tonga 汤加	TON	0.08
83	Serbia 塞尔维亚	SRB	0.07
84	Azerbaijan 阿塞拜疆	AZE	0.06
85	Armenia 亚美尼亚	ARM	0.03
86	Ukraine 乌克兰	UKR	0.00
87	Albania 阿尔巴尼亚	ALB	0.00
88	Algeria 阿尔及利亚	DZA	0.00
89	Andorra 安道尔	AND	0.00
90	Antigua and Barbuda 安提瓜和巴布达	ATG	0.00
91	Austria 奥地利	AUT	0.00
92	Bangladesh 孟加拉国	BGD	0.00
93	Belarus 白俄罗斯	BLR	0.00
94	Belgium 比利时	BEL	0.00
95	Bhutan 不丹	BTN	0.00
96	Brazil 巴西	BRA	0.00
97	Bulgaria 保加利亚	BGR	0.00
98	Canada 加拿大	CAN	0.00
99	Chile 智利	CHL	0.00
100	China 中国	CHN	0.00
101	Cyprus 塞浦路斯	CYP	0.00
102	Czechia 捷克	CZE	0.00
103	Denmark 丹麦	DNK	0.00
104	Egypt, Arab Rep. 埃及	EGY	0.00
105	Estonia 爱沙尼亚	EST	0.00
106	Eswatini 斯威士兰	SWZ	0.00
107	Fiji 斐济	FJI	0.00
108	Finland 芬兰	FIN	0.00
109	France 法国	FRA	0.00
110	Gambia, The 冈比亚	GMB	0.00
111	Georgia 格鲁吉亚	GEO	0.00
112	Germany 德国	DEU	0.00
113	Greece 希腊	GRC	0.00
114	Guyana 圭亚那	GUY	0.00
115	Hungary 匈牙利	HUN	0.00
116	Iceland 冰岛	ISL	0.00
117	Iraq 伊拉克	IRQ	0.00
118	Ireland 爱尔兰	IRL	0.00
119	Israel 以色列	ISR	0.00
120	Italy 意大利	ITA	0.00
121	Kazakhstan 哈萨克斯坦	KAZ	0.00
122	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.00
123	Latvia 拉脱维亚	LVA	0.00
124	Lithuania 立陶宛	LTU	0.00
125	Luxembourg 卢森堡	LUX	0.00
126	Maldives 马尔代夫	MDV	0.00
127	Malta 马耳他	MLT	0.00
128	Mexico 墨西哥	MEX	0.00
129	Morocco 摩洛哥	MAR	0.00
130	Nepal 尼泊尔	NPL	0.00
131	Netherlands 荷兰	NLD	0.00
132	New Zealand 新西兰	NZL	0.00
133	Norway 挪威	NOR	0.00
134	Oman 阿曼	OMN	0.00
135	Palau 帕劳	PLW	0.00
136	Poland 波兰	POL	0.00
137	Portugal 葡萄牙	PRT	0.00
138	Romania 罗马尼亚	ROU	0.00
139	Russian Federation 俄罗斯	RUS	0.00
140	Slovak Republic 斯洛伐克	SVK	0.00
141	South Africa 南非	ZAF	0.00
142	Spain 西班牙	ESP	0.00
143	Sri Lanka 斯里兰卡	LKA	0.00
144	Sweden 瑞典	SWE	0.00
145	Switzerland 瑞士	CHE	0.00
146	Thailand 泰国	THA	0.00
147	Tunisia 突尼斯	TUN	0.00
148	Turkmenistan 土库曼斯坦	TKM	0.00
149	United Arab Emirates 阿联酋	ARE	0.00
150	United Kingdom 英国	GBR	0.00
151	United States 美国	USA	0.00
152	Uruguay 乌拉圭	URY	0.00
153	Viet Nam 越南	VNM	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

该比例越高，说明农村地区露天排便现象越普遍，通常意味着环境卫生条件较差、基础设施不完善，可能增加腹泻病、肠道寄生虫感染等疾病的传播风险，也可能对地下水安全造成潜在威胁。

数值较低通常意味着什么

该比例越低，说明农村地区拥有并使用安全卫生厕所的人口比例越高，通常意味着环境卫生状况改善，可能降低相关疾病负担，但该指标本身不反映厕所质量和实际使用情况。

鍙ｅ緞闄愬埗

该指标仅反映排便行为，不反映厕所设施的可用性、可用性或功能性
比例下降可能是由于厕所建设增加，也可能是由于农村人口向城市迁移导致分母变化
低于1%的数值可能因样本量有限而存在较大统计误差
不同国家调查方法和数据质量存在差异，跨国比较需谨慎
该指标不区分排便地点是否会对健康造成直接危害
未区分不同类型厕所的卫生状况，如是否有水冲、是否防渗等
数据覆盖范围不一致，部分国家数据缺失较早
该指标不反映如厕隐私和便利性等使用者体验维度

使用建议

使用该指标时应结合农村人口比例和城镇化率数据，考虑人口结构变化的影响
比较不同国家时应注意数据年份差异，优先使用同期数据
建议同时参考基本卫生设施覆盖率（SH.STA.BASS.ZS）等配套指标
对于比例已低于1%的国家，应关注数据的精确性和稳定性
进行趋势分析时应说明调查方法是否一致，是否存在统计口径变化
政策评估时应结合厕所建设投资数据和实际使用情况调查
开展国际比较时应考虑收入水平、地理环境和文化习惯等影响因素
该指标适合作为环境卫生改善的早期指标，但不宜作为唯一评估标准

常见错误用法

错误做法：直接将该比例的高低简单判定为某个国家公共卫生水平的好坏

正确做法：将该比例作为多维评估框架中的一个指标，结合疾病发病率、医疗负担和基础设施投资等数据综合判断

该比例仅反映特定排便行为，与经济发展阶段、文化背景和地理条件密切相关，高比例不必然意味着政府不作为，低比例也不自动等同于完善的公共卫生体系

错误做法：将中国该比例的快速下降完全归因于某一项具体政策或改革措施

正确做法：认识到该比例的下降是多重因素共同作用的结果，包括政策推动、经济发展、城市化进程和文化观念变化

单一政策解释过于简化，忽略其他协同因素可能导致对政策效果的过高或过低估计

错误做法：将中国该比例与全球平均值进行简单直接比较，得出中国优于全球的结论

正确做法：比较时应说明口径差异：中国是发展中国家快速追赶的案例，而全球平均受高比例国家拉低，需结合发展阶段和区域特征解释

全球平均值不代表任何国家的实际水平，中国与全球的比较反映的是追赶进程而非绝对优劣

错误做法：使用该指标预测未来疾病负担或评估卫生干预的即时效果

正确做法：该指标反映长期行为变化，短期内对疾病指标的影响可能有限，应使用更敏感的监测指标评估即时效果

从行为改变到健康结局的改善存在滞后，且受多种其他因素调节，短期效果不宜仅凭该指标判断

实际应用场景

农村环境卫生改善与儿童健康结局的关系研究：研究中国2000年代至2020年代农村露天排便比例下降与儿童腹泻发病率或发育迟缓率的关系解释变量（核心自变量）可采用双重差分模型，利用地区间政策实施时间差异构建自然实验，控制地区经济水平和医疗资源可及性等混杂因素，注意排除同期其他卫生干预项目的影响
中国与周边发展中国家的公共卫生追赶模式比较：比较中国、印度、越南等国农村露天排便比例的下降速度和驱动因素比较变量可采用收敛速度分析和分解方法，将下降归因于基础设施改善、人口迁移和调查方法变化等不同来源，注意各国调查年份和数据质量的可比性
城镇化进程对农村卫生指标的影响分析：评估农村人口向城市转移对全国农村露天排便比例的统计影响机制变量（中介效应检验）可利用人口普查和抽样调查数据构建面板模型，量化迁移人口特征与留守人口特征的结构性差异，区分真实行为改善和人口结构变化的贡献
基础设施投资与行为改变的时间滞后效应研究：分析农村卫生设施投资到露天排便比例下降之间的时间间隔稳健性检验变量可采用分布滞后模型，估计不同滞后期的影响权重，验证投资与行为改变之间是否存在稳定的时序关系，排除反向因果的可能