城市露天排便人口比例（占城市人口的百分比）

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

下载数据

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

2024最新有效年份

161最新年份有值国家

265历史上有数据经济体

68%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：露天排便人口指在户外（如田地、森林、灌木丛、开放水体、海滩、其他开放空间或与固体废物一起处置）排便的人口比例。

数据口径与风险提示

数据主要基于建模估算，部分年份存在较大不确定性
各国对露天排便的定义和调查方法可能存在差异，影响跨国可比性
该指标仅反映露天排便行为，无法体现卫生设施的完整质量
零值状态可能掩盖不同国家实现零排放的不同路径和条件
长期趋势受城市化进程、人口流动和调查方法变化等多重因素影响
WHO/UNICEF JMP联合监测项目提供的数据可能与各国官方统计存在口径差异

中国趋势

趋势解读

中国城市露天排便人口比例在观察期内呈现快速下降趋势。2000年该比例约为0.17%，随后保持相对稳定直至2018年前后，此后加速下降至2023年实现归零（0.0%）。这一变化反映了中国在城市公共卫生基础设施建设方面的持续投入，以及城镇化进程中居民卫生行为的系统性改变。由于中国城市露天排便问题的基数本身较低，下降空间相对有限，近年来的彻底消除可能与全国性卫生运动、城市环境治理和公共卫生意识提升等多重因素有关。

2000年城市露天排便比例约为0.17%，此后在近二十年内保持缓慢下降
2018年后下降速度明显加快，2023年降至0%并保持至2024年
2000至2022年间累计下降约0.165个百分点
末期值与期初值的比值为0，意味着已实现完全消除
中国城市露天排便比例基数较低，变化幅度相对有限
零值可能反映不同类型的改善路径，不宜简单等同于与高比例国家相同的干预效果
数据存在建模估算成分，实际调查频率可能因地区而异

全球趋势

趋势解读

全球城市露天排便人口比例在观察期内经历了显著且持续的下降。2000年全球平均水平约为5.14%，到2024年已降至约0.69%，累计下降超过4.4个百分点。从下降速度看，2000年代初期下降最为迅速，中期趋于平稳，2020年代以来再次加速。这一全球趋势反映了国际社会对基本卫生设施的关注，以及发展中国家在城市环境卫生领域的持续投入。然而全球平均水平仍然保有约0.7%的露天排便人口，表明在部分国家和地区这一问题仍待解决。

2000年全球城市露天排便比例约为5.14%，2024年降至约0.69%
从2000年到2024年累计下降约4.45个百分点
2000年代初期下降最为明显，此后下降速度有所波动
末期值与期初值的比值约为0.134，表明全球水平降至初期的大约七分之一
2022至2024年间出现明显加速下降

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	1.0x	0.7x	这一时期中国城市露天排便比例保持在约0.17%的极低水平，而全球平均水平则从5.14%快速下降至约2.5%左右。中国的低基数特征与全球大幅改善趋势形成鲜明对比，差异主要源于中国城镇化起步阶段的城市公共卫生基础设施已相对完善。
2010-2019	1.0x	0.5x	这一阶段全球城市露天排便比例继续稳步下降至约1.2%，中国则保持在0.2%以下的低水平。中国的缓慢改善态势表明其城市环境卫生问题已基本解决，后续改善空间十分有限。
2020-2029	0.0x	0.5x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需结构与全球平均出现分化。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。

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	Sao Tome and Principe 圣多美和普林西比	STP	30.4
2	Benin 贝宁	BEN	29.4
3	Kiribati 基里巴斯	KIR	20.0
4	Namibia 纳米比亚	NAM	19.8
5	South Sudan 南苏丹	SSD	16.9
6	Chad 乍得	TCD	15.4
7	Liberia 利比里亚	LBR	13.9
8	Madagascar 马达加斯加	MDG	13.4
9	Togo 多哥	TGO	9.39
10	Ghana 加纳	GHA	9.10
11	Niger 尼日尔	NER	7.94
12	Solomon Islands 所罗门群岛	SLB	7.71
13	Nigeria 尼日利亚	NGA	7.11
14	Central African Republic 中非共和国	CAF	6.84
15	Papua New Guinea 巴布亚新几内亚	PNG	5.32
16	Burkina Faso 布基纳法索	BFA	4.84
17	Mozambique 莫桑比克	MOZ	4.48
18	Cote d'Ivoire 科特迪瓦	CIV	4.33
19	Congo, Dem. Rep. 刚果（金）	COD	3.90
20	Lesotho 莱索托	LSO	3.71
21	Marshall Islands 马绍尔群岛	MHL	3.71
22	Sierra Leone 塞拉利昂	SLE	3.66
23	Sudan 苏丹	SDN	3.04
24	Ethiopia 埃塞俄比亚	ETH	2.66
25	Nepal 尼泊尔	NPL	2.38
26	Mauritania 毛里塔尼亚	MRT	1.87
27	Vanuatu 瓦努阿图	VUT	1.86
28	Uganda 乌干达	UGA	1.80
29	Somalia, Fed. Rep. 索马里	SOM	1.76
30	Tuvalu 图瓦卢	TUV	1.66
31	Eswatini 斯威士兰	SWZ	1.44
32	Botswana 博茨瓦纳	BWA	1.38
33	Mali 马里	MLI	1.34
34	Gabon 加蓬	GAB	1.22
35	Indonesia 印度尼西亚	IDN	1.22
36	Honduras 洪都拉斯	HND	1.12
37	Comoros 科摩罗	COM	1.10
38	Dominican Republic 多米尼加共和国	DOM	1.08
39	Philippines 菲律宾	PHL	1.05
40	Senegal 塞内加尔	SEN	1.02
41	Cameroon 喀麦隆	CMR	0.91
42	Malawi 马拉维	MWI	0.84
43	Nauru 瑙鲁	NRU	0.82
44	Myanmar 缅甸	MMR	0.81
45	El Salvador 萨尔瓦多	SLV	0.81
46	Kenya 肯尼亚	KEN	0.75
47	Jamaica 牙买加	JAM	0.73
48	Zambia 赞比亚	ZMB	0.68
49	Guinea 几内亚	GIN	0.67
50	Guatemala 危地马拉	GTM	0.64
51	Antigua and Barbuda 安提瓜和巴布达	ATG	0.59
52	Rwanda 卢旺达	RWA	0.54
53	Tanzania 坦桑尼亚	TZA	0.53
54	Peru 秘鲁	PER	0.52
55	Pakistan 巴基斯坦	PAK	0.48
56	Samoa 萨摩亚	WSM	0.47
57	Colombia 哥伦比亚	COL	0.45
58	Yemen, Rep. 也门	YEM	0.40
59	South Africa 南非	ZAF	0.40
60	Tunisia 突尼斯	TUN	0.35
61	Cabo Verde 佛得角	CPV	0.33
62	Burundi 布隆迪	BDI	0.28
63	Mauritius 毛里求斯	MUS	0.23
64	Panama 巴拿马	PAN	0.20
65	Suriname 苏里南	SUR	0.18
66	Guinea-Bissau 几内亚比绍	GNB	0.17
67	Mongolia 蒙古	MNG	0.14
68	Cuba 古巴	CUB	0.09
69	Tonga 汤加	TON	0.09
70	Morocco 摩洛哥	MAR	0.08
71	Gambia, The 冈比亚	GMB	0.07
72	Syrian Arab Republic 叙利亚	SYR	0.05
73	Costa Rica 哥斯达黎加	CRI	0.05
74	Algeria 阿尔及利亚	DZA	0.05
75	Guyana 圭亚那	GUY	0.05
76	Jordan 约旦	JOR	0.05
77	Serbia 塞尔维亚	SRB	0.05
78	Saudi Arabia 沙特阿拉伯	SAU	0.04
79	Iraq 伊拉克	IRQ	0.01
80	Georgia 格鲁吉亚	GEO	0.01
81	Turkiye 土耳其	TUR	0.01
82	Afghanistan 阿富汗	AFG	0.00
83	Albania 阿尔巴尼亚	ALB	0.00
84	Andorra 安道尔	AND	0.00
85	Argentina 阿根廷	ARG	0.00
86	Armenia 亚美尼亚	ARM	0.00
87	Austria 奥地利	AUT	0.00
88	Azerbaijan 阿塞拜疆	AZE	0.00
89	Bangladesh 孟加拉国	BGD	0.00
90	Belarus 白俄罗斯	BLR	0.00
91	Belgium 比利时	BEL	0.00
92	Bhutan 不丹	BTN	0.00
93	Bolivia 玻利维亚	BOL	0.00
94	Bosnia and Herzegovina 波黑	BIH	0.00
95	Brazil 巴西	BRA	0.00
96	Bulgaria 保加利亚	BGR	0.00
97	Cambodia 柬埔寨	KHM	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	Ecuador 厄瓜多尔	ECU	0.00
105	Egypt, Arab Rep. 埃及	EGY	0.00
106	Estonia 爱沙尼亚	EST	0.00
107	Fiji 斐济	FJI	0.00
108	Finland 芬兰	FIN	0.00
109	France 法国	FRA	0.00
110	Germany 德国	DEU	0.00
111	Greece 希腊	GRC	0.00
112	Hungary 匈牙利	HUN	0.00
113	Iceland 冰岛	ISL	0.00
114	India 印度	IND	0.00
115	Iran, Islamic Rep. 伊朗	IRN	0.00
116	Ireland 爱尔兰	IRL	0.00
117	Israel 以色列	ISR	0.00
118	Italy 意大利	ITA	0.00
119	Kazakhstan 哈萨克斯坦	KAZ	0.00
120	Kuwait 科威特	KWT	0.00
121	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.00
122	Lao PDR 老挝	LAO	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	Malaysia 马来西亚	MYS	0.00
127	Maldives 马尔代夫	MDV	0.00
128	Malta 马耳他	MLT	0.00
129	Mexico 墨西哥	MEX	0.00
130	Moldova 摩尔多瓦	MDA	0.00
131	Monaco 摩纳哥	MCO	0.00
132	Montenegro 黑山	MNE	0.00
133	Netherlands 荷兰	NLD	0.00
134	New Zealand 新西兰	NZL	0.00
135	North Macedonia 北马其顿	MKD	0.00
136	Norway 挪威	NOR	0.00
137	Oman 阿曼	OMN	0.00
138	Palau 帕劳	PLW	0.00
139	Paraguay 巴拉圭	PRY	0.00
140	Poland 波兰	POL	0.00
141	Portugal 葡萄牙	PRT	0.00
142	Romania 罗马尼亚	ROU	0.00
143	Russian Federation 俄罗斯	RUS	0.00
144	Singapore 新加坡	SGP	0.00
145	Slovak Republic 斯洛伐克	SVK	0.00
146	Spain 西班牙	ESP	0.00
147	Sri Lanka 斯里兰卡	LKA	0.00
148	Sweden 瑞典	SWE	0.00
149	Switzerland 瑞士	CHE	0.00
150	Thailand 泰国	THA	0.00
151	Timor-Leste 东帝汶	TLS	0.00
152	Turkmenistan 土库曼斯坦	TKM	0.00
153	Ukraine 乌克兰	UKR	0.00
154	United Arab Emirates 阿联酋	ARE	0.00
155	United Kingdom 英国	GBR	0.00
156	United States 美国	USA	0.00
157	Uruguay 乌拉圭	URY	0.00
158	Uzbekistan 乌兹别克斯坦	UZB	0.00
159	Viet Nam 越南	VNM	0.00
160	West Bank and Gaza 约旦河西岸和加沙	PSE	0.00
161	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

该指标数值较高意味着该地区城市人口中仍有相当比例依赖露天排便，反映出城市公共卫生基础设施严重不足、污水处理系统覆盖率低、城市规划和环境卫生管理滞后等深层问题。在发展中国家或贫困地区，高值通常与快速城市化进程中的配套设施不完善、贫民窟或非正规居住区缺乏基本卫生服务、低收入家庭的卫生可及性差等因素密切相关。

数值较低通常意味着什么

该指标数值较低表明城市公共卫生基础设施相对完善，居民能够获得基本的卫生设施服务。极低值（如接近零）可能意味着城市已建立起较为完整的下水道系统或家庭卫生设施覆盖体系，居民无需在户外排便。但需注意，零值状态可能是通过多种不同路径实现的，包括大规模基础设施建设、社区卫生运动、政策法规强制执行或居民自发的行为改变。

鍙ｅ緞闄愬埗

该指标仅衡量露天排便行为，无法反映卫生设施的整体质量和使用便利性
数值基于建模估算，部分国家或年份的数据可能存在较大不确定性
跨国比较受各国对露天排便定义和调查方法差异的影响
该指标不区分家庭内有无冲水设施与户外排便的区别，无法体现卫生设施的完整链条
零值可能掩盖不同国家在实现途径上的本质差异

使用建议

进行跨国研究时应结合城市化率、贫困发生率、基尼系数等经济社会指标综合分析
研究长期趋势时建议使用同一数据源（如WHO/UNICEF JMP）的连续数据以保证口径一致
在评估政策效果时，应区分不同干预路径（如基础设施投资vs行为干预）的实际影响
结合定性研究理解零值背后的具体机制，避免将不同实现路径等同视之
关注数据质量说明，审慎对待模型估算成分较大的年份或地区数据

常见错误用法

错误做法：直接比较中国与非洲部分国家的露天排便比例，简单得出中国公共卫生水平远优于非洲的结论

正确做法：在进行跨国比较时，应充分考虑各国城市化的历史背景、统计口径差异以及数据估算方法的不同

中国的零值反映的是已基本解决的问题，而部分非洲国家的高值可能受城市化快速扩张、数据覆盖不足等因素影响，简单比较会忽略这些结构性差异，导致对实际情况的误判。

错误做法：将中国实现零值归因于单一政策或干预措施，忽视系统性因素的综合作用

正确做法：分析时应综合考量城镇化进程、基础设施建设、公共卫生运动、居民意识提升等多重因素

城市露天排便的消除是一个涉及规划、投资、治理、教育等多维度的系统工程，将复杂的社会变迁简化为单一因素容易产生政策建议的偏差。

错误做法：使用该指标评估国家间卫生公平性或社会进步程度时，不考虑城乡差异和地区内部异质性

正确做法：应结合城乡对比、不同城市群或收入阶层的分层分析进行综合评估

国家层面的聚合数据可能掩盖城市内部的巨大差异，低收入社区、外来人口聚居区或特殊地理条件下的区域可能仍面临露天排便问题。

错误做法：使用短期数据波动（如某一年的数据）来论证政策效果或趋势变化

正确做法：应采用多年移动平均或长期趋势分析，忽略数据采集和估算方法的年际差异

该指标数据基于调查和模型估算，年际间可能存在调查覆盖范围变化或模型更新导致的数据跳跃，短期波动不一定反映真实变化。

实际应用场景

城市公共卫生投资与露天排便行为改变的因果效应研究：研究中国各城市在2000-2023年间城市公共卫生基础设施投资（如下水道覆盖率、污水处理设施建设）与露天排便比例下降之间的因果关系被解释变量，用于衡量公共卫生干预的最终效果可采用双向固定效应模型控制城市和时间的共同影响，使用工具变量法（如历史地形特征或政策外生冲击）处理内生性问题，并通过安慰剂检验和合成对照组验证因果效应的稳健性。
全球化背景下城市露天排便比例的决定因素分析：比较不同收入水平国家在城市露天排便比例上的差异及其影响因素，探讨经济发展、城镇化速度、治理能力与卫生设施可及性的交互作用被解释变量，反映城市基本卫生条件的综合结果可使用面板数据回归模型，结合Hausman-Taylor估计处理时变与非时变解释变量的内生性问题，并通过加入交互项探索不同发展阶段下的影响机制差异。
中国城市露天排便归零路径的国际比较研究：分析中国城市露天排便比例快速下降至零的实现路径，与其他已完成该转变的国家（如韩国、日本）进行对比比较对象，用于评估不同发展模式下的政策启示可采用定性比较分析（QCA）方法识别实现零值的多条等效路径，结合历史制度分析理解路径依赖对政策选择的影响。
城镇化进程对城市卫生设施需求的冲击效应研究：研究快速城镇化地区（如中国中西部城市群）在人口快速增长背景下，城市卫生基础设施能否及时跟进，以及露天排便比例的变化轨迹机制变量，连接城镇化冲击与卫生结果的中间环节可使用双重差分法比较城镇化程度不同地区的差异，通过事件研究框架检验政策或城镇化冲击的动态效应，并控制其他同期政策的影响。