女性雇主（占女性就业人数百分比）（模拟ILO估计）

Employers, female (% of female employment) (modeled ILO estimate)

下载数据

指标代码：SL.EMP.MPYR.FE.ZS所属主题：社会保障与劳动力：Economic activitySocial Protection & Labor: Economic activity

2025最新有效年份

173最新年份有值国家

265历史上有数据经济体

53%总体缺失率

指标解释

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

Employers are those workers who, working on their own account or with one or a few partners, hold the type of jobs defined as a "self-employment jobs" i.e. jobs where the remuneration is directly dependent upon the profits derived from the goods and services produced), and, in this capacity, have engaged, on a continuous basis, one or more persons to work for them as employee(s).

可供参考的中文翻译：女性雇主是指那些以自己的账户或与一个或少数合伙人的身份工作、持有被定义为"自营职业工作"类型工作的人，即报酬直接取决于所生产的商品和服务利润的工作，并且在此能力下，持续地雇用一名或多名员工作为其员工。

数据口径与风险提示

此指标基于模拟ILO估计，实际统计口径可能存在差异
女性雇主比例可能受产业结构影响
自营职业与雇主身份界定存在灰色地带
此指标基于国际劳工组织（ILO）模拟估计，各国实际统计口径可能存在差异，部分年份数据可能因统计方法调整而存在不连续性
女性雇主比例与产业结构高度相关，农业主导型经济体比例通常偏低，可能影响跨国直接比较的准确性
自营职业者与雇主身份界定存在灰色地带，不同国家对"雇用员工"的定义标准可能不一致
该指标仅反映比例而非绝对数量，人口规模差异会导致绝对雇主数量的巨大差距，需要结合绝对值综合分析
数据覆盖存在时滞，部分年份或国家可能使用前一年数据插补，跨期比较时需注意数据更新周期

中国趋势

趋势解读

1991-2025年，中国女性雇主比例从1.14%逐步增长至2.72%，累计增长约2.38倍，总体呈现稳步上升态势。从各十年周期观察，1990年代增长1.20倍，2000年代增长1.26倍，2010年代增长1.22倍，增长速度呈现先快后稳的特征，近年来增速有所放缓。横向比较显示，中国该比例仍低于全球平均水平约0.44个百分点，表明女性在雇主角色中的参与度虽有提升空间，但增长轨迹相对稳健。与同等发展阶段国家相比，中国该指标处于中等偏上水平。

1991年：1.14%
2000年：1.41%
2010年：1.82%
2020年：2.35%
2025年：2.72%
比例较低可能反映女性更多从事农业或服务业，这些行业雇主形态较少
数据基于模拟估计，与各国实际统计可能存在偏差
增长放缓可能与经济结构转型和服务业发展有关，需结合产业数据分析

全球趋势

趋势解读

1991-2025年，全球女性雇主比例从1.49%缓慢增长至2.28%，累计增长约1.53倍，增速相对温和。从各十年周期看，1990年代增长1.15倍，2000年代增长1.11倍，2010年代增长1.09倍，增长动能呈逐 decade递减趋势。全球平均水平受各发展阶段国家差异影响较大，发达经济体比例通常较高，而发展中国家受产业结构影响比例偏低。值得注意的是，全球增长幅度低于中国，反映出不同区域发展路径的差异。

1991年：1.49%
2000年：1.71%
2010年：1.89%
2020年：2.11%
2025年：2.28%
全球平均值受不同国家数据质量影响，部分低收入国家数据缺失可能导致系统性偏差
发展中和发达国家口径可能不一致，直接跨国比较需谨慎
该比例受就业结构影响较大，农业主导型国家可能显著拉低全球平均水平

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	1.2x	1.2x	中国增长1.20倍，世界增长1.15倍
2000-2009	1.3x	1.1x	中国增长1.26倍，世界增长1.11倍
2010-2019	1.2x	1.1x	中国增长1.22倍，世界增长1.09倍
2020-2029	1.2x	1.1x	中国与世界的阶段变化幅度接近，说明该指标在这一阶段更多表现为共同的周期性或口径性波动。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。

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	Timor-Leste 东帝汶	TLS	15.6
2	Djibouti 吉布提	DJI	14.6
3	Azerbaijan 阿塞拜疆	AZE	13.1
4	Nigeria 尼日利亚	NGA	10.4
5	Sao Tome and Principe 圣多美和普林西比	STP	8.62
6	Tonga 汤加	TON	8.36
7	Uzbekistan 乌兹别克斯坦	UZB	8.27
8	Honduras 洪都拉斯	HND	7.24
9	Ghana 加纳	GHA	6.84
10	Somalia, Fed. Rep. 索马里	SOM	6.18
11	Papua New Guinea 巴布亚新几内亚	PNG	6.04
12	Switzerland 瑞士	CHE	5.30
13	Namibia 纳米比亚	NAM	5.18
14	Lesotho 莱索托	LSO	4.67
15	Australia 澳大利亚	AUS	4.57
16	Greece 希腊	GRC	4.36
17	Uganda 乌干达	UGA	4.25
18	Croatia 克罗地亚	HRV	4.16
19	Angola 安哥拉	AGO	4.11
20	Italy 意大利	ITA	4.09
21	New Zealand 新西兰	NZL	4.08
22	Guyana 圭亚那	GUY	4.00
23	Suriname 苏里南	SUR	4.00
24	Libya 利比亚	LBY	3.93
25	Sierra Leone 塞拉利昂	SLE	3.42
26	Central African Republic 中非共和国	CAF	3.35
27	Morocco 摩洛哥	MAR	3.31
28	South Africa 南非	ZAF	3.29
29	El Salvador 萨尔瓦多	SLV	3.25
30	Guinea 几内亚	GIN	3.23
31	Tunisia 突尼斯	TUN	3.22
32	Malaysia 马来西亚	MYS	3.21
33	Congo, Dem. Rep. 刚果（金）	COD	3.17
34	Bulgaria 保加利亚	BGR	3.16
35	Korea, Rep. 韩国	KOR	3.16
36	Mexico 墨西哥	MEX	3.15
37	Cuba 古巴	CUB	3.15
38	Jamaica 牙买加	JAM	3.11
39	Latvia 拉脱维亚	LVA	3.04
40	Spain 西班牙	ESP	2.99
41	Brazil 巴西	BRA	2.98
42	France 法国	FRA	2.97
43	Portugal 葡萄牙	PRT	2.96
44	Eritrea 厄立特里亚	ERI	2.88
45	Paraguay 巴拉圭	PRY	2.83
46	Nicaragua 尼加拉瓜	NIC	2.83
47	Equatorial Guinea 赤道几内亚	GNQ	2.81
48	Belize 伯利兹	BLZ	2.78
49	Cambodia 柬埔寨	KHM	2.75
50	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	2.75
51	United Arab Emirates 阿联酋	ARE	2.75
52	Brunei Darussalam 文莱	BRN	2.73
53	China 中国	CHN	2.72
54	Saudi Arabia 沙特阿拉伯	SAU	2.67
55	Luxembourg 卢森堡	LUX	2.66
56	Bahrain 巴林	BHR	2.56
57	Georgia 格鲁吉亚	GEO	2.56
58	Iceland 冰岛	ISL	2.55
59	Madagascar 马达加斯加	MDG	2.54
60	Cabo Verde 佛得角	CPV	2.52
61	Mongolia 蒙古	MNG	2.52
62	Poland 波兰	POL	2.48
63	Albania 阿尔巴尼亚	ALB	2.47
64	Yemen, Rep. 也门	YEM	2.45
65	Austria 奥地利	AUT	2.43
66	Korea, Dem. People's Rep. 朝鲜	PRK	2.40
67	St. Lucia 圣卢西亚	LCA	2.40
68	Costa Rica 哥斯达黎加	CRI	2.36
69	North Macedonia 北马其顿	MKD	2.33
70	Tajikistan 塔吉克斯坦	TJK	2.32
71	Serbia 塞尔维亚	SRB	2.32
72	Argentina 阿根廷	ARG	2.31
73	Bosnia and Herzegovina 波黑	BIH	2.30
74	Estonia 爱沙尼亚	EST	2.30
75	Guatemala 危地马拉	GTM	2.21
76	Peru 秘鲁	PER	2.20
77	Venezuela, RB 委内瑞拉	VEN	2.20
78	Niger 尼日尔	NER	2.19
79	Singapore 新加坡	SGP	2.14
80	Algeria 阿尔及利亚	DZA	2.13
81	Uruguay 乌拉圭	URY	2.12
82	Eswatini 斯威士兰	SWZ	2.12
83	Belgium 比利时	BEL	2.11
84	Dominican Republic 多米尼加共和国	DOM	2.08
85	Bolivia 玻利维亚	BOL	2.07
86	Ireland 爱尔兰	IRL	2.02
87	Germany 德国	DEU	1.98
88	Hungary 匈牙利	HUN	1.98
89	Turkmenistan 土库曼斯坦	TKM	1.97
90	Colombia 哥伦比亚	COL	1.91
91	Indonesia 印度尼西亚	IDN	1.87
92	Canada 加拿大	CAN	1.86
93	Philippines 菲律宾	PHL	1.85
94	Netherlands 荷兰	NLD	1.83
95	Slovenia 斯洛文尼亚	SVN	1.80
96	Chile 智利	CHL	1.77
97	Turkiye 土耳其	TUR	1.74
98	Fiji 斐济	FJI	1.73
99	Zimbabwe 津巴布韦	ZWE	1.72
100	Panama 巴拿马	PAN	1.64
101	Thailand 泰国	THA	1.63
102	Montenegro 黑山	MNE	1.63
103	Gambia, The 冈比亚	GMB	1.61
104	Gabon 加蓬	GAB	1.60
105	Sweden 瑞典	SWE	1.60
106	Vanuatu 瓦努阿图	VUT	1.60
107	Ecuador 厄瓜多尔	ECU	1.54
108	Malta 马耳他	MLT	1.53
109	Samoa 萨摩亚	WSM	1.52
110	Finland 芬兰	FIN	1.51
111	Iran, Islamic Rep. 伊朗	IRN	1.43
112	Botswana 博茨瓦纳	BWA	1.42
113	Haiti 海地	HTI	1.41
114	Israel 以色列	ISR	1.37
115	Myanmar 缅甸	MMR	1.31
116	Czechia 捷克	CZE	1.29
117	Bahamas, The 巴哈马	BHS	1.27
118	Denmark 丹麦	DNK	1.27
119	Iraq 伊拉克	IRQ	1.24
120	Jordan 约旦	JOR	1.22
121	Burkina Faso 布基纳法索	BFA	1.22
122	Slovak Republic 斯洛伐克	SVK	1.20
123	United States 美国	USA	1.18
124	Tanzania 坦桑尼亚	TZA	1.09
125	Viet Nam 越南	VNM	1.08
126	Comoros 科摩罗	COM	1.08
127	Egypt, Arab Rep. 埃及	EGY	1.04
128	Malawi 马拉维	MWI	1.03
129	Zambia 赞比亚	ZMB	1.02
130	Liberia 利比里亚	LBR	1.01
131	Maldives 马尔代夫	MDV	1.00
132	Mauritius 毛里求斯	MUS	0.98
133	Sri Lanka 斯里兰卡	LKA	0.98
134	Rwanda 卢旺达	RWA	0.96
135	Cameroon 喀麦隆	CMR	0.95
136	Togo 多哥	TGO	0.92
137	Cyprus 塞浦路斯	CYP	0.92
138	Kazakhstan 哈萨克斯坦	KAZ	0.91
139	United Kingdom 英国	GBR	0.89
140	Oman 阿曼	OMN	0.86
141	Kenya 肯尼亚	KEN	0.85
142	Russian Federation 俄罗斯	RUS	0.85
143	Cote d'Ivoire 科特迪瓦	CIV	0.78
144	Mauritania 毛里塔尼亚	MRT	0.78
145	Syrian Arab Republic 叙利亚	SYR	0.74
146	Kuwait 科威特	KWT	0.73
147	Romania 罗马尼亚	ROU	0.72
148	Benin 贝宁	BEN	0.72
149	Lithuania 立陶宛	LTU	0.69
150	Bangladesh 孟加拉国	BGD	0.68
151	Mozambique 莫桑比克	MOZ	0.65
152	Japan 日本	JPN	0.64
153	India 印度	IND	0.61
154	Burundi 布隆迪	BDI	0.60
155	Afghanistan 阿富汗	AFG	0.59
156	Senegal 塞内加尔	SEN	0.58
157	Lao PDR 老挝	LAO	0.57
158	Chad 乍得	TCD	0.56
159	Nepal 尼泊尔	NPL	0.53
160	Qatar 卡塔尔	QAT	0.53
161	Barbados 巴巴多斯	BRB	0.52
162	Solomon Islands 所罗门群岛	SLB	0.50
163	Congo, Rep. 刚果（布）	COG	0.49
164	Norway 挪威	NOR	0.39
165	Armenia 亚美尼亚	ARM	0.37
166	Bhutan 不丹	BTN	0.33
167	Belarus 白俄罗斯	BLR	0.30
168	Guinea-Bissau 几内亚比绍	GNB	0.30
169	Mali 马里	MLI	0.21
170	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.20
171	Ethiopia 埃塞俄比亚	ETH	0.14
172	Moldova 摩尔多瓦	MDA	0.13
173	Pakistan 巴基斯坦	PAK	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

女性参与雇主活动的比例较高，可能表示女性经济赋权程度提升

数值较低通常意味着什么

女性雇主比例较低，可能受行业分布和传统性别角色影响

鍙ｅ緞闄愬埗

指标反映比例而非绝对数量
自营职业与雇主界定存在模糊地带
数据基于模拟估计，与实际可能有偏差

使用建议

结合就业结构分析
考虑不同行业差异
对比男性雇主比例

常见错误用法

错误做法：直接比较不同发展程度国家的数值

正确做法：应考虑产业结构和发展阶段差异

各国经济发展水平和产业结构不同，比例可比性有限

错误做法：直接比较不同发展阶段国家（如中国与美国）的女性雇主比例数值

正确做法：应结合经济发展水平和产业结构差异进行分析，优先比较发展阶段相近的国家

该指标与工业化程度、产业结构高度相关，发达国家和发展中国家的比例差异可能主要反映发展阶段而非性别平等状况，直接比较会得出误导性结论

错误做法：仅凭该指标数值高低直接评判一个国家或地区的女性经济赋权水平

正确做法：应结合女性自营职业者比例、男性雇主比例及就业结构等指标综合判断

女性雇主比例受产业结构影响显著，农业经济或服务业主导地区比例可能偏低，但不一定意味着女性赋权水平低，需要多维度交叉验证

错误做法：用各国女性雇主数量的绝对差异进行比较或排名

正确做法：应使用比例指标并关注增长趋势而非绝对数量排名

该指标是百分比而非绝对值，人口规模差异会导致雇主绝对数量差距巨大，且部分国家数据可能存在缺失，直接排名不科学

错误做法：将该指标作为衡量女性创业活跃度的唯一指标

正确做法：应结合女性企业主比例、新创企业性别分布等指标综合分析

雇主是特定类型的创业形态，许多女性通过自营职业或非正规就业从事经济活动，仅看雇主比例可能低估女性实际经济参与度

实际应用场景

性别友好型政策对女性创业参与度的影响研究：研究发达国家或中等收入国家实施育儿补贴、弹性工作制度等性别友好政策后，女性在经济活动中的参与方式变化作为被解释变量，检验政策实施前后女性从雇员向雇主角色转变的趋势可采用双重差分（DID）模型，比较政策实施组与对照组的差异，同时控制人均GDP、女性教育水平、产业结构等变量，注意使用滞后项处理政策效应的时间延迟
数字经济对女性非正规就业转型的影响机制分析：在东南亚或拉丁美洲发展中国家，探讨移动支付、电商平台等数字经济发展如何影响女性从自营职业向正规雇主转型作为机制变量，分析数字经济渗透率通过降低创业门槛、提升市场接入来影响女性雇主比例的中介效应可构建中介效应模型，控制城镇化水平、金融包容性指数、女性互联网使用率等变量，关注内生性问题可考虑使用工具变量法
全球价值链嵌入对发展中国家女性就业质量的跨国比较研究：比较东亚、东南亚、南亚等地区发展中国家参与全球价值链程度差异，对女性就业结构和雇主参与率的不同影响作为被解释变量，分析出口复杂度、制造业参与度等解释变量对女性雇主比例的影响可使用面板数据固定效应模型，控制制造业比重、女性识字率、外商直接投资等变量，注意控制时间趋势和地区异质性
经济危机对女性和男性雇主比例冲击的差异化分析：分析2008年全球金融危机或2020年新冠疫情期间，不同国家女性雇主比例的变化是否与男性存在显著差异作为被解释变量，检验经济冲击对不同性别创业行为的非对称影响可采用事件研究法，构造对照组和实验组，同时纳入总失业率、服务业占比等控制变量，关注短期冲击与长期恢复的结构性差异