男性工资和受薪工人（占男性就业的百分比）（模拟劳工组织估计）

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

下载数据

指标代码：SL.EMP.WORK.MA.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：工资和受薪工人（雇员）是指持有明确（书面或口头）或隐含劳动合同的工作者，其基本报酬不直接取决于其工作所在单位的收入。

数据口径与风险提示

本指标为国际劳工组织（ILO）模拟估算值，与各国官方统计口径可能存在差异，跨国比较时需注意数据来源说明
本指标仅反映正规就业的相对规模，不代表绝对工资水平或劳动收入高低
海湾石油国家的超高比例主要由外籍劳工大量进入正规部门就业所致，与中国劳动力结构不具直接可比性
1990年以前的中国数据缺失，早期趋势分析仅覆盖1991年以来的三十四年
指标反映的是就业类型构成变化，不宜直接等同于就业质量或劳动者福祉的综合评价

中国趋势

趋势解读

中国男性工资和受薪工人比例自1991年以来呈持续上升趋势，从约43.6%增长至2025年的约60.4%，累计提升约16.8个百分点。这一变化反映了中国经济结构转型期间就业正规化程度的逐步提高。在约三十四年的时间序列中，除了2020年因外部因素导致短暂波动外，该比例几乎每年都保持正增长，说明劳动力市场向正规化方向演进的内在动力较为稳定。

1991年中国男性工资和受薪工人比例为43.62%，2025年升至60.43%
从首年到最新增长了约38.5%，即比例值变为原来的1.39倍
2024年至2025年期间增长约1.6个百分点
约三十四年间呈单调递增趋势，仅2020年出现小幅回落
2025年的60.4%是该指标有记录以来的最高值
该指标反映的是男性就业结构中正规就业的占比变化，不代表男性劳动者的实际工资水平提升
比例上升可能同时来源于正规部门扩张和非正规部门收缩，两者的政策含义不同
海湾石油国家该指标普遍在90%以上，中国的增长空间受产业结构内在约束

全球趋势

趋势解读

全球男性工资和受薪工人比例在1991年至2025年间从约47.5%上升至约52.9%，累计增长约5.4个百分点，增幅明显低于中国。相比中国三十四年间近17个百分点的提升，全球增长幅度不到三分之一。从变化节奏看，全球该比例在2010年代以后增速有所放缓，2019年至2025年间仅增长约0.6至1.6个百分点，反映出发达经济体已基本完成就业正规化进程，进一步提升空间有限。

1991年全球男性工资和受薪工人比例为47.54%，2025年升至52.93%
从首年到最新增长了约11.4%，比例值变为原来的1.11倍
2024年至2025年期间增长约0.64个百分点
1993年曾录得该指标区间的最低值47.49%，之后整体呈波动上行态势
2025年的52.9%是该指标有记录以来的最高值
不同区域的就业正规化进程差异显著，发达经济体的基数已处于高位
部分发展中国家大量存在的非正规就业拉低了全球平均水平
ILO模型估算与部分国家的调查统计在定义边界上可能存在差异

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	中国该时期倍数约为1.11，而世界约为1.01，中国增速明显领先。这种差距可能反映了中国在工业化加速阶段大量农村劳动力转入城镇正规部门，而世界整体处于相对平稳期，两者的增长动力和结构基础存在差异。
2000-2009	1.1x	1.0x	中国倍数约为1.11，世界约为1.04，中国增速仍领先约7个百分点。这一阶段中国可能受益于加入国际贸易体系后制造业快速扩张带来的正规就业机会，而世界增长相对温和，可能意味着中国就业结构转型的强度显著高于全球平均水平。
2010-2019	1.1x	1.0x	中国倍数约为1.07，世界约为1.04，两者的增速差距较前两个十年有所收窄。这可能反映中国大规模工业化逐步进入成熟阶段，正规就业增长的边际效应递减，而全球经济结构也在同步调整。
2020-2029	1.0x	1.0x	中国倍数约为1.03，世界约为1.02，增速差距进一步缩小。2020年前后受外部冲击影响，中国该指标出现短暂波动，之后恢复增长但幅度放缓，可能反映就业结构深层调整压力增大或统计基数效应减弱。

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	99.3
2	Bahrain 巴林	BHR	97.8
3	Kuwait 科威特	KWT	96.3
4	Oman 阿曼	OMN	95.3
5	United Arab Emirates 阿联酋	ARE	95.0
6	Saudi Arabia 沙特阿拉伯	SAU	94.7
7	Norway 挪威	NOR	93.8
8	Brunei Darussalam 文莱	BRN	93.7
9	Belarus 白俄罗斯	BLR	93.0
10	Russian Federation 俄罗斯	RUS	93.0
11	United States 美国	USA	92.0
12	Denmark 丹麦	DNK	90.1
13	Germany 德国	DEU	89.9
14	Japan 日本	JPN	89.7
15	Luxembourg 卢森堡	LUX	89.2
16	Cyprus 塞浦路斯	CYP	88.2
17	Jordan 约旦	JOR	87.1
18	Sweden 瑞典	SWE	86.2
19	Hungary 匈牙利	HUN	85.9
20	Israel 以色列	ISR	85.8
21	Bulgaria 保加利亚	BGR	85.7
22	Lithuania 立陶宛	LTU	85.6
23	Austria 奥地利	AUT	85.5
24	Canada 加拿大	CAN	84.7
25	France 法国	FRA	84.4
26	Latvia 拉脱维亚	LVA	84.1
27	United Kingdom 英国	GBR	83.8
28	Singapore 新加坡	SGP	83.8
29	Estonia 爱沙尼亚	EST	83.5
30	Maldives 马尔代夫	MDV	83.5
31	Croatia 克罗地亚	HRV	83.4
32	Finland 芬兰	FIN	83.4
33	Malta 马耳他	MLT	83.1
34	Romania 罗马尼亚	ROU	83.0
35	Iceland 冰岛	ISL	82.8
36	Slovenia 斯洛文尼亚	SVN	82.7
37	Portugal 葡萄牙	PRT	82.5
38	Spain 西班牙	ESP	82.5
39	Belgium 比利时	BEL	82.3
40	Ireland 爱尔兰	IRL	81.7
41	Switzerland 瑞士	CHE	81.5
42	Czechia 捷克	CZE	80.7
43	South Africa 南非	ZAF	80.6
44	Australia 澳大利亚	AUS	80.5
45	Bosnia and Herzegovina 波黑	BIH	80.4
46	North Macedonia 北马其顿	MKD	79.6
47	Netherlands 荷兰	NLD	79.6
48	Slovak Republic 斯洛伐克	SVK	79.0
49	New Zealand 新西兰	NZL	78.5
50	Montenegro 黑山	MNE	77.7
51	Mauritius 毛里求斯	MUS	77.5
52	Bahamas, The 巴哈马	BHS	76.8
53	Poland 波兰	POL	76.6
54	Suriname 苏里南	SUR	76.3
55	Chile 智利	CHL	75.2
56	Equatorial Guinea 赤道几内亚	GNQ	75.1
57	Italy 意大利	ITA	75.0
58	Korea, Rep. 韩国	KOR	74.7
59	Barbados 巴巴多斯	BRB	74.3
60	Eswatini 斯威士兰	SWZ	74.2
61	Egypt, Arab Rep. 埃及	EGY	73.8
62	Kazakhstan 哈萨克斯坦	KAZ	73.2
63	Libya 利比亚	LBY	72.9
64	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	72.5
65	Argentina 阿根廷	ARG	72.4
66	Botswana 博茨瓦纳	BWA	71.9
67	Cuba 古巴	CUB	71.3
68	Tunisia 突尼斯	TUN	71.2
69	Costa Rica 哥斯达黎加	CRI	71.2
70	Gabon 加蓬	GAB	71.0
71	Turkiye 土耳其	TUR	70.8
72	Tajikistan 塔吉克斯坦	TJK	70.7
73	Malaysia 马来西亚	MYS	70.4
74	Serbia 塞尔维亚	SRB	70.3
75	Uruguay 乌拉圭	URY	70.0
76	Mexico 墨西哥	MEX	69.3
77	El Salvador 萨尔瓦多	SLV	69.2
78	Iraq 伊拉克	IRQ	69.0
79	Algeria 阿尔及利亚	DZA	68.6
80	Namibia 纳米比亚	NAM	68.4
81	Cabo Verde 佛得角	CPV	68.4
82	Guatemala 危地马拉	GTM	67.9
83	Guyana 圭亚那	GUY	67.4
84	Philippines 菲律宾	PHL	67.4
85	Armenia 亚美尼亚	ARM	67.0
86	St. Lucia 圣卢西亚	LCA	66.3
87	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	66.3
88	Belize 伯利兹	BLZ	65.9
89	Turkmenistan 土库曼斯坦	TKM	65.6
90	Brazil 巴西	BRA	65.5
91	Greece 希腊	GRC	65.1
92	Fiji 斐济	FJI	65.1
93	Rwanda 卢旺达	RWA	62.6
94	Honduras 洪都拉斯	HND	61.2
95	China 中国	CHN	60.4
96	Jamaica 牙买加	JAM	59.9
97	Tonga 汤加	TON	59.1
98	Nicaragua 尼加拉瓜	NIC	58.9
99	Paraguay 巴拉圭	PRY	58.6
100	Venezuela, RB 委内瑞拉	VEN	58.1
101	Lesotho 莱索托	LSO	57.8
102	Panama 巴拿马	PAN	57.1
103	Sri Lanka 斯里兰卡	LKA	57.1
104	Mongolia 蒙古	MNG	57.1
105	Sao Tome and Principe 圣多美和普林西比	STP	56.4
106	Iran, Islamic Rep. 伊朗	IRN	56.0
107	Morocco 摩洛哥	MAR	56.0
108	Syrian Arab Republic 叙利亚	SYR	54.2
109	Eritrea 厄立特里亚	ERI	53.6
110	Somalia, Fed. Rep. 索马里	SOM	53.5
111	Ecuador 厄瓜多尔	ECU	53.4
112	Djibouti 吉布提	DJI	53.2
113	Colombia 哥伦比亚	COL	52.3
114	Samoa 萨摩亚	WSM	51.5
115	Peru 秘鲁	PER	51.4
116	Indonesia 印度尼西亚	IDN	51.3
117	Viet Nam 越南	VNM	51.3
118	Georgia 格鲁吉亚	GEO	50.9
119	Comoros 科摩罗	COM	50.7
120	Dominican Republic 多米尼加共和国	DOM	50.5
121	Cambodia 柬埔寨	KHM	49.5
122	Mauritania 毛里塔尼亚	MRT	49.3
123	Thailand 泰国	THA	48.5
124	Albania 阿尔巴尼亚	ALB	48.2
125	Yemen, Rep. 也门	YEM	48.1
126	Pakistan 巴基斯坦	PAK	47.7
127	Uzbekistan 乌兹别克斯坦	UZB	46.4
128	Gambia, The 冈比亚	GMB	44.4
129	Malawi 马拉维	MWI	44.4
130	Kenya 肯尼亚	KEN	43.3
131	Senegal 塞内加尔	SEN	42.5
132	Moldova 摩尔多瓦	MDA	42.2
133	Vanuatu 瓦努阿图	VUT	41.9
134	Bangladesh 孟加拉国	BGD	41.2
135	Korea, Dem. People's Rep. 朝鲜	PRK	39.6
136	Bhutan 不丹	BTN	39.1
137	Solomon Islands 所罗门群岛	SLB	39.0
138	Ghana 加纳	GHA	38.2
139	Azerbaijan 阿塞拜疆	AZE	37.6
140	Cameroon 喀麦隆	CMR	37.5
141	Zimbabwe 津巴布韦	ZWE	36.7
142	Bolivia 玻利维亚	BOL	36.7
143	Cote d'Ivoire 科特迪瓦	CIV	36.6
144	Congo, Rep. 刚果（布）	COG	35.5
145	Zambia 赞比亚	ZMB	35.5
146	Myanmar 缅甸	MMR	34.3
147	Guinea-Bissau 几内亚比绍	GNB	33.8
148	Angola 安哥拉	AGO	33.5
149	Liberia 利比里亚	LBR	33.0
150	Togo 多哥	TGO	31.4
151	Haiti 海地	HTI	29.8
152	Timor-Leste 东帝汶	TLS	29.3
153	Nepal 尼泊尔	NPL	28.6
154	Papua New Guinea 巴布亚新几内亚	PNG	27.6
155	Mali 马里	MLI	27.0
156	Lao PDR 老挝	LAO	26.9
157	India 印度	IND	26.7
158	Uganda 乌干达	UGA	26.3
159	Benin 贝宁	BEN	24.4
160	Guinea 几内亚	GIN	23.7
161	Burkina Faso 布基纳法索	BFA	22.8
162	Burundi 布隆迪	BDI	21.3
163	Mozambique 莫桑比克	MOZ	21.1
164	Congo, Dem. Rep. 刚果（金）	COD	20.2
165	Tanzania 坦桑尼亚	TZA	19.6
166	Ethiopia 埃塞俄比亚	ETH	17.4
167	Central African Republic 中非共和国	CAF	17.3
168	Afghanistan 阿富汗	AFG	17.2
169	Sierra Leone 塞拉利昂	SLE	17.0
170	Nigeria 尼日利亚	NGA	17.0
171	Niger 尼日尔	NER	15.4
172	Madagascar 马达加斯加	MDG	13.9
173	Chad 乍得	TCD	11.9

使用建议、常见误用与研究场景

数值较高通常意味着什么

男性就业中工资和受薪工人比例较高，通常表示就业正规化程度较高，劳动者享有更规范的劳动合同和社保保障的可能性较大。

数值较低通常意味着什么

比例较低意味着非正规就业（包括自雇、家庭帮工和脆弱就业）占比较高，可能反映就业保障程度较低或产业结构以小规模经营为主。

鍙ｅ緞闄愬埗

该指标仅反映正规就业的相对规模，不直接衡量工资高低、福利水平或劳动安全条件
跨国比较时需考虑发展阶段差异，低收入国家该指标天然偏低
海湾国家因外籍劳工大量进入正规部门而比例极高，不宜作为一般发展中国家的参照
ILO模型估算存在一定不确定性，与各国官方数据可能存在口径差异
比例上升可能来源于正规部门扩张，也可能来源于非正规部门萎缩，两者的政策含义不同

使用建议

分析时应结合脆弱就业比例、农业就业比例等结构指标，全面评估就业质量
研究就业正规化驱动因素时，建议控制经济结构、城镇化水平和人力资本等变量
进行国际比较时，优先选择发展阶段相近的经济体作为参照系
关注该指标的时间序列趋势而非单一年份数值，避免受短期波动干扰
结合劳动生产率、实际工资增长等指标，综合判断就业升级的实际效果

常见错误用法

错误做法：认为男性工资和受薪工人比例越高，男性劳动者的工资收入就越高

正确做法：该指标仅反映就业类型构成，比例高不代表工资水平高，劳动收入还需看具体岗位和行业

指标定义的是就业形式（是否领工资），而非收入水平，高比例仅意味着正规就业占比大，与工资绝对值无直接数量关系

错误做法：直接对比海湾石油国家与中国该指标数值，认为中国比例过低说明就业质量差距大

正确做法：海湾国家该指标极高主要因为外籍劳工几乎全部进入正规部门就业，这是特殊人口结构所致，不宜直接比较

不同国家的劳动力结构、统计口径和经济发展阶段存在根本差异，跨国比较应选择可比的参照系

错误做法：将中国增速远超世界归因于某单一政策或历史事件

正确做法：该变化可能与经济结构转型、城镇化进程、教育普及等多重因素有关，需要结合相关变量验证具体驱动机制

就业正规化是一个复杂的经济社会过程，不宜做简单化的因果归因

错误做法：将该指标等同于就业质量或劳动者福祉的综合评价

正确做法：该指标只是评价就业状况的维度之一，应结合工资水平、工作时长、社保覆盖率、劳动保护等指标综合判断

单一比例指标无法涵盖就业质量的全部内涵，过度依赖可能产生偏颇判断

实际应用场景

就业正规化与经济结构转型的关联研究：分析男性工资和受薪工人比例变化与产业结构升级的关系被解释变量可采用面板回归控制GDP增长率、工业化程度和人力资本水平，检验就业正规化是否是经济结构转型的一个伴随结果
中国与新兴市场国家就业模式比较：对比中国与印度、巴西等发展中大国的男性就业结构变化路径比较变量需要匹配发展阶段和统计口径，考察不同发展路径下就业正规化的差异性表现及其深层原因
就业正规化对劳动生产率的影响机制：检验男性就业正规化程度提高是否伴随劳动生产率提升解释变量需控制行业分布、企业规模和创新能力等变量，排除伪相关，注意内生性问题可能需要工具变量方法
脆弱就业与正规就业的结构替代分析：利用男性脆弱就业比例与工资工人比例的互补关系验证就业质量变化稳健性检验若两者变化方向相反且幅度可印证，则结论更可靠；若出现背离，需要进一步解释结构性原因