女性工资和薪金就业人员（占女性就业的百分比）

Wage and salaried workers, female (% of female employment) (modeled ILO estimate)

下载数据

指标代码：SL.EMP.WORK.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

Wage and salaried workers (employees) are those workers who hold the type of jobs defined as "paid employment jobs," where the incumbents hold explicit (written or oral) or implicit employment contracts that give them a basic remuneration that is not directly dependent upon the revenue of the unit for which they work.

可供参考的中文翻译：工资和薪金就业人员（雇员）指从事世界劳工组织定义为“有报酬就业”工作类型的劳动者，其在岗者持有明确的（书面或口头）或隐性的雇用合同，合同规定的基本报酬不直接取决于其所在单位的收入。

数据口径与风险提示

本指标数据基于国际劳工组织（ILO）模拟估计值，各国原始调查方法和定义可能存在差异。
数值为占女性就业总人数的百分比结构，并非女性就业率的绝对水平。
自雇人员和雇主不计入本指标，可能低估非正规经济中女性就业的结构特征。
数据覆盖范围因国家报告制度不同而存在缺口，部分年份为估计值而非调查数据。
部分国家女性劳动参与率本身较低，高比例可能反映特定劳动力结构而非普遍就业质量。
历史早期数据（中国1991年前）不可用，跨国比较时需注意基期可比性。

中国趋势

趋势解读

中国女性工资和薪金就业人员占女性就业比例从1991年的约41.3%持续攀升至2025年的约64.6%，三十余年间累计提升超过23个百分点，整体呈现平稳上升的单向趋势。2024至2025年间增速约0.48个百分点，2022至2024年间则出现约0.5至0.9个百分点的加速抬升，但2020至2022年期间增速趋缓（均低于0.4个百分点）。该比例在1991至1998年间以年均约0.6个百分点的温和节奏上升，1999年后提升速度有所加快。中国该指标起点较低但绝对增幅显著，目前尚未达到全球平均水平。

1991年比例为41.35%，2025年为64.60%，期初期末倍数为1.56倍。
最高点出现在2025年（64.60%），最低点出现在1991年（41.35%）。
1991至2025年间共有35个年度数据点。
近三年变化（2022至2025）从63.13%升至64.60%，增加约1.47个百分点。
2020至2022年增速趋缓，单年增量不足0.5个百分点。
本指标反映女性就业结构中受雇者的比例变化，不等同于女性就业率的升降。
比例提升可能源于农业女性就业减少，也可能反映服务业正规就业扩张，需结合农业女性就业占比交叉验证。
ILO模拟估计值在部分年份可能与各国官方调查数据存在口径差异。

全球趋势

趋势解读

全球女性工资和薪金就业人员占女性就业比例从1991年的约47.8%波动上升至2019年的约55.5%峰值，随后小幅回落至2025年的约54.6%，呈现“倒U型”走势。1991至2007年间以年均约0.3至0.4个百分点的节奏缓慢上行，2008至2019年间涨速进一步放缓，2020年后出现持续小幅下降。与中国持续单向攀升不同，全球该比例在2019年前已接近增长尾声，近年来呈现结构性趋稳甚至轻微回落态势，可能反映部分国家非正规就业回潮或农业就业占比企稳。

1991年比例为47.76%，2025年为54.57%，期初期末倍数为1.14倍。
最高点出现在2019年（55.54%），最低点出现在1991年（47.76%）。
1991至2025年间共有35个年度数据点。
2019至2025年呈下降趋势，从55.54%降至54.57%。
近期变化（2022至2025）为负，约-0.48个百分点。
全球数据为各收入水平国家的加权平均，高收入经济体拉高均值，可能掩盖中低收入经济体的结构性差异。
2020年后全球比例下降，可能受疫情影响非正规就业波动，不代表长期趋势。
该指标为百分比结构，不能反映女性就业绝对规模的跨国差异。

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	1.1x	1.0x	九十年代中国女性工薪就业比例增速（期初至期末约1.13倍）明显快于全球（约1.01倍），可能反映中国工业化与服务业扩张对女性正规就业的拉动效应更为突出，但中国基数仍低于世界平均水平，增速差距主要体现追赶过程的相对加速。
2000-2009	1.2x	1.1x	该十年中国增速（约1.17倍）仍显著高于全球（约1.07倍），可能反映中国城镇化和制造业快速发展阶段中，女性进入正规部门的渠道相对更通畅，而同期全球增速趋缓可能与部分新兴经济体农业就业占比下降较慢有关。
2010-2019	1.1x	1.1x	该十年中国增速（约1.11倍）虽仍高于全球（约1.06倍），但两者增速差距较前两个十年收窄，可能反映中国正规就业扩张边际效应递减，而部分发达国家服务经济成熟后该指标已趋平台期。
2020-2029	1.0x	1.0x	2020年代中国增速（约1.03倍）与全球（约0.99倍，呈轻微下降）出现分化，可能反映疫情后中国数字经济催生的新型灵活用工形态对女性正规就业统计口径的特殊影响，需要结合非正规就业指标进一步验证。

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	Qatar 卡塔尔	QAT	98.8
2	Kuwait 科威特	KWT	98.6
3	Bahrain 巴林	BHR	96.8
4	Jordan 约旦	JOR	96.7
5	Norway 挪威	NOR	96.6
6	United States 美国	USA	96.2
7	United Arab Emirates 阿联酋	ARE	94.8
8	Russian Federation 俄罗斯	RUS	94.4
9	Denmark 丹麦	DNK	94.3
10	Germany 德国	DEU	94.1
11	Sweden 瑞典	SWE	93.7
12	Oman 阿曼	OMN	93.6
13	Belarus 白俄罗斯	BLR	93.3
14	Saudi Arabia 沙特阿拉伯	SAU	93.2
15	Japan 日本	JPN	92.5
16	Estonia 爱沙尼亚	EST	92.4
17	Ireland 爱尔兰	IRL	92.2
18	Slovak Republic 斯洛伐克	SVK	92.1
19	Finland 芬兰	FIN	91.8
20	Cyprus 塞浦路斯	CYP	91.7
21	Singapore 新加坡	SGP	91.7
22	Israel 以色列	ISR	91.7
23	Croatia 克罗地亚	HRV	91.5
24	Lithuania 立陶宛	LTU	91.5
25	Iceland 冰岛	ISL	91.3
26	Brunei Darussalam 文莱	BRN	91.2
27	Hungary 匈牙利	HUN	91.2
28	Bulgaria 保加利亚	BGR	91.1
29	Austria 奥地利	AUT	90.4
30	Malta 马耳他	MLT	90.3
31	Luxembourg 卢森堡	LUX	90.2
32	Slovenia 斯洛文尼亚	SVN	90.1
33	United Kingdom 英国	GBR	90.1
34	Canada 加拿大	CAN	89.8
35	Mauritius 毛里求斯	MUS	89.4
36	France 法国	FRA	89.2
37	Romania 罗马尼亚	ROU	89.0
38	Belgium 比利时	BEL	88.9
39	Bahamas, The 巴哈马	BHS	88.9
40	Spain 西班牙	ESP	88.9
41	Portugal 葡萄牙	PRT	88.7
42	Czechia 捷克	CZE	88.6
43	Latvia 拉脱维亚	LVA	88.5
44	Montenegro 黑山	MNE	88.4
45	North Macedonia 北马其顿	MKD	88.4
46	Australia 澳大利亚	AUS	87.7
47	Netherlands 荷兰	NLD	87.3
48	Barbados 巴巴多斯	BRB	86.8
49	Poland 波兰	POL	86.4
50	South Africa 南非	ZAF	85.3
51	New Zealand 新西兰	NZL	85.0
52	Switzerland 瑞士	CHE	84.9
53	Tunisia 突尼斯	TUN	84.8
54	Italy 意大利	ITA	84.1
55	Malaysia 马来西亚	MYS	81.8
56	St. Lucia 圣卢西亚	LCA	81.5
57	Cuba 古巴	CUB	81.1
58	Korea, Rep. 韩国	KOR	80.6
59	Suriname 苏里南	SUR	79.3
60	Chile 智利	CHL	77.2
61	Argentina 阿根廷	ARG	77.2
62	Libya 利比亚	LBY	76.9
63	Costa Rica 哥斯达黎加	CRI	76.7
64	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	76.7
65	Algeria 阿尔及利亚	DZA	76.6
66	Syrian Arab Republic 叙利亚	SYR	76.6
67	Serbia 塞尔维亚	SRB	76.0
68	Brazil 巴西	BRA	75.3
69	Greece 希腊	GRC	75.3
70	Kazakhstan 哈萨克斯坦	KAZ	74.6
71	Bosnia and Herzegovina 波黑	BIH	74.5
72	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	74.5
73	Uruguay 乌拉圭	URY	74.4
74	Morocco 摩洛哥	MAR	74.1
75	Turkiye 土耳其	TUR	72.7
76	Botswana 博茨瓦纳	BWA	71.9
77	Guyana 圭亚那	GUY	70.8
78	Turkmenistan 土库曼斯坦	TKM	70.5
79	Egypt, Arab Rep. 埃及	EGY	69.7
80	Uzbekistan 乌兹别克斯坦	UZB	69.6
81	Jamaica 牙买加	JAM	69.5
82	Mexico 墨西哥	MEX	69.0
83	Dominican Republic 多米尼加共和国	DOM	68.6
84	Equatorial Guinea 赤道几内亚	GNQ	68.5
85	Maldives 马尔代夫	MDV	68.5
86	Fiji 斐济	FJI	67.6
87	Lesotho 莱索托	LSO	66.4
88	Armenia 亚美尼亚	ARM	65.6
89	Eswatini 斯威士兰	SWZ	64.8
90	China 中国	CHN	64.6
91	Tajikistan 塔吉克斯坦	TJK	64.3
92	Belize 伯利兹	BLZ	63.0
93	Iran, Islamic Rep. 伊朗	IRN	63.0
94	Panama 巴拿马	PAN	62.8
95	Iraq 伊拉克	IRQ	62.7
96	Samoa 萨摩亚	WSM	62.7
97	Venezuela, RB 委内瑞拉	VEN	62.2
98	Gabon 加蓬	GAB	61.4
99	Mongolia 蒙古	MNG	61.0
100	Sri Lanka 斯里兰卡	LKA	59.6
101	Paraguay 巴拉圭	PRY	59.0
102	Philippines 菲律宾	PHL	58.9
103	Namibia 纳米比亚	NAM	58.3
104	El Salvador 萨尔瓦多	SLV	57.7
105	Colombia 哥伦比亚	COL	57.3
106	Tonga 汤加	TON	57.2
107	Georgia 格鲁吉亚	GEO	57.0
108	Rwanda 卢旺达	RWA	55.9
109	Sao Tome and Principe 圣多美和普林西比	STP	55.6
110	Cabo Verde 佛得角	CPV	52.8
111	Albania 阿尔巴尼亚	ALB	51.5
112	Nicaragua 尼加拉瓜	NIC	50.9
113	Thailand 泰国	THA	50.2
114	Guatemala 危地马拉	GTM	46.4
115	Honduras 洪都拉斯	HND	45.7
116	Peru 秘鲁	PER	45.3
117	Viet Nam 越南	VNM	41.8
118	Eritrea 厄立特里亚	ERI	41.0
119	Moldova 摩尔多瓦	MDA	40.5
120	Indonesia 印度尼西亚	IDN	39.6
121	Ecuador 厄瓜多尔	ECU	39.3
122	Cambodia 柬埔寨	KHM	39.2
123	Djibouti 吉布提	DJI	37.3
124	Vanuatu 瓦努阿图	VUT	36.4
125	Korea, Dem. People's Rep. 朝鲜	PRK	36.2
126	Myanmar 缅甸	MMR	34.8
127	Yemen, Rep. 也门	YEM	34.8
128	Bangladesh 孟加拉国	BGD	34.7
129	Somalia, Fed. Rep. 索马里	SOM	33.6
130	Malawi 马拉维	MWI	32.6
131	Comoros 科摩罗	COM	30.5
132	Bolivia 玻利维亚	BOL	30.3
133	Azerbaijan 阿塞拜疆	AZE	28.4
134	Mauritania 毛里塔尼亚	MRT	28.1
135	Pakistan 巴基斯坦	PAK	26.7
136	Ghana 加纳	GHA	26.3
137	Kenya 肯尼亚	KEN	26.0
138	Senegal 塞内加尔	SEN	23.8
139	Cameroon 喀麦隆	CMR	21.9
140	Zimbabwe 津巴布韦	ZWE	21.6
141	India 印度	IND	21.2
142	Solomon Islands 所罗门群岛	SLB	20.4
143	Timor-Leste 东帝汶	TLS	20.2
144	Zambia 赞比亚	ZMB	19.9
145	Cote d'Ivoire 科特迪瓦	CIV	19.1
146	Mali 马里	MLI	18.4
147	Lao PDR 老挝	LAO	18.2
148	Gambia, The 冈比亚	GMB	17.7
149	Bhutan 不丹	BTN	17.7
150	Benin 贝宁	BEN	15.8
151	Haiti 海地	HTI	15.0
152	Togo 多哥	TGO	14.9
153	Guinea-Bissau 几内亚比绍	GNB	14.5
154	Papua New Guinea 巴布亚新几内亚	PNG	14.5
155	Angola 安哥拉	AGO	14.4
156	Ethiopia 埃塞俄比亚	ETH	13.3
157	Uganda 乌干达	UGA	12.1
158	Central African Republic 中非共和国	CAF	11.7
159	Burkina Faso 布基纳法索	BFA	11.1
160	Nigeria 尼日利亚	NGA	10.5
161	Guinea 几内亚	GIN	10.1
162	Congo, Rep. 刚果（布）	COG	9.89
163	Congo, Dem. Rep. 刚果（金）	COD	9.45
164	Tanzania 坦桑尼亚	TZA	9.42
165	Burundi 布隆迪	BDI	9.41
166	Madagascar 马达加斯加	MDG	9.36
167	Liberia 利比里亚	LBR	9.30
168	Nepal 尼泊尔	NPL	9.17
169	Mozambique 莫桑比克	MOZ	8.67
170	Afghanistan 阿富汗	AFG	6.49
171	Sierra Leone 塞拉利昂	SLE	5.23
172	Niger 尼日尔	NER	4.58
173	Chad 乍得	TCD	3.25

使用建议、常见误用与研究场景

数值较高通常意味着什么

女性就业人口中签订正式劳动合同、获取不直接与单位营收挂钩的基本报酬的劳动者比例较高，可能意味着更稳定的就业关系、更完善的社会保障覆盖或更高的正规就业质量。

数值较低通常意味着什么

女性就业结构中自雇、雇主或家庭从业人员的占比较高，可能反映更灵活但保障程度不一的就业形态，或农业及非正规经济领域女性就业比重较大。

鍙ｅ緞闄愬埗

该比例为结构比例而非绝对规模，高比例不等于女性就业人数多。
自雇人员和雇主不计入，指标下降可能反映非正规就业扩张，也可能反映自主创业增加。
ILO模型估计值在部分国家可能与官方统计存在口径差异，跨境比较需谨慎。
数值高低受农业就业占比影响极大，农业主导经济体该指标自然偏低。
不反映工资水平、工作时长或职业安全等就业质量维度。

使用建议

使用时优先选择同一国家不同年份的纵向比较，跨国比较应控制收入水平和产业结构。
结合农业女性就业占比（SL.AGR.EMPL.FE.ZS）和弱势群体就业比例（SL.EMP.VULN.FE.ZS）进行交叉验证。
分析中国数据时注意1991年以前无数据，趋势解读应从1991年起算。
与男性工资就业人员占比（SL.EMP.WORK.MA.ZS）对比，评估性别就业结构的差异及收敛趋势。
关注近年数据波动时结合经济周期和劳动力市场政策背景解读。
用于政策研究时，应补充就业率、失业率等绝对指标以形成完整图景。

常见错误用法

错误做法：直接用中国2025年数据（约64.6%）与卡塔尔（约98.8%）对比，得出“中国女性就业质量远低于卡塔尔”的结论

正确做法：在比较前先核实两国的农业就业占比和统计口径差异，卡塔尔以石油经济为主、农业就业占比极低，中国则有大量农业转移人口；跨国比较应分层控制收入水平和产业结构

该指标受农业就业占比影响极大，农业主导经济体的该指标必然偏低，忽视结构差异会导致严重误判

错误做法：直接用该指标推断某国女性正规就业人数规模，认定比例更高的国家女性正规就业人数更多

正确做法：该指标为结构比例而非绝对规模，需结合女性就业人口比率（SL.EMP.TOTL.SP.FE.ZS）才能评估正规就业的绝对人数

比例高只说明结构中受雇者占比较大，不等同于正规就业人数多；低比例国家的女性劳动参与率若更高，绝对规模可能反而更大

错误做法：观察到2020年后全球女性工资就业比例下降，就预测“中国也会追随这一趋势、即将出现下降”

正确做法：中国该指标仍处于从低基数追赶至全球均值的阶段，近年增速趋缓反映的是边际效应递减而非平台期信号，不宜直接用已进入平台期的高收入经济体趋势预测中国

中国从约41%起步追赶至约65%，与已达到平台期（约55%）的全球均值处于不同发展阶段，全球高位趋降与中国追赶收敛是两个独立过程

错误做法：将工资就业比例上升解读为“失业率必然下降”或“就业质量全面改善”

正确做法：该指标与失业率无直接数学关系，需结合失业率和就业人口比率综合判断；就业质量评估还需纳入工资水平、社保覆盖率、工作时长和职业安全等维度

比例提升可能源于农业人口转移统计口径变化，而非就业质量全面提升；也可能出现失业率上升与比例上升并存的结构性失业情形，单一指标无法完整反映劳动力市场状况

实际应用场景

中国劳动力市场正规化进程研究：分析1991至2025年中国女性就业正规化趋势及其与经济结构转型的关联被解释变量可采用中国省级面板数据，以本指标为核心被解释变量，控制GDP增速、城镇化率和产业结构，检验经济转型对女性就业正规化的因果效应；注意1991年前数据缺失，样本起点应统一为1991年
非正规就业的性别结构变化分析：研究中国女性非正规就业比例的历史演变及其驱动因素被解释变量 1减去本指标可近似代表女性自雇和家庭从业等非正规就业占比，结合弱势就业指标（SL.EMP.VULN.FE.ZS）进行稳健性检验，探讨正规化进程中的性别差异收敛或分化趋势
劳动力市场政策效果评估：评估劳动合同法、最低工资调整等政策对女性就业结构的影响被解释变量以政策实施节点为断点回归时点，控制年份固定效应和地区特征，检验政策前后女性正规就业比例的结构性变化；注意ILO模型估计值的年度调整可能掩盖政策冲击的即时效应
服务业扩张与女性就业质量的关联研究：分析第三产业占比提升对中国女性正规就业比例的影响机制被解释变量可引入服务业增加值占比作为核心解释变量，构建交互固定效应模型，检验服务业扩张是否通过提高女性进入正规部门的概率来提升本指标；可进一步引入男性对照组进行性别差异分析